CN108984765A - 一种基于智能图像分析的户型图找房方法 - Google Patents
一种基于智能图像分析的户型图找房方法 Download PDFInfo
- Publication number
- CN108984765A CN108984765A CN201810803213.6A CN201810803213A CN108984765A CN 108984765 A CN108984765 A CN 108984765A CN 201810803213 A CN201810803213 A CN 201810803213A CN 108984765 A CN108984765 A CN 108984765A
- Authority
- CN
- China
- Prior art keywords
- floor plan
- library
- screening
- ideal
- tendency
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提出的一种基于智能图像分析的户型图找房方法,包括以下步骤:S2、建立户型图像库,将房屋的户型图均存储在户型图像库中,且为每一幅户型图标识筛选特征;S3、选择筛选特征组成筛选条件,并根据筛选条件从户型图像库中选择户型图组成筛选母库;S4、对筛选母库中的户型图进行展示,并从筛选母库中挑选至少一幅理想户型图。本公开中,通过理想户型图,设定了户型图的挑选基调,有利于在户型图大数据中定向挑选和展示,缩小并精确挑选范围。同理,通过筛选子库的划分,有利于将户型图进行归类总结,从而方便户型图对比展示,以提高展示效果,方便使用者对户型图进行挑选。
Description
技术领域
本公开涉及房库网技术领域,尤其涉及一种基于智能图像分析的户型图找房方法。
背景技术
房屋买卖过程中,购买者对于房屋的具体情况非常的重视,这就导致房屋挑选成为一件细致、耗时长的事情,又由于中介方和售卖者的数据多样化以及购买者的选择标准难以统一的情况,进一步增加了房屋挑选的难度。
发明内容
基于背景技术存在的技术问题,本公开提出了一种基于智能图像分析的户型图找房方法。
本公开提出的一种基于智能图像分析的户型图找房方法,包括以下步骤:
S1、设置筛选特征;
S2、建立户型图像库,将房屋的户型图均存储在户型图像库中,且为每一幅户型图标识筛选特征;
S3、选择筛选特征组成筛选条件,并根据筛选条件从户型图像库中选择户型图组成筛选母库;
S4、对筛选母库中的户型图进行展示,并从筛选母库中挑选至少一幅理想户型图;
S5、对应每一幅理想户型图建立一个筛选子库,根据图像分析或者筛选特征将筛选母库中与理想户型图的相似度达到预设相似度阈值的户型图存储到对应的筛选子库中;
S6、从筛选子库中调取户型图进行展示。
优选地,步骤S5具体包括以下步骤:
S51、对应每一幅理想户型图建立一个筛选子库,并根据各理想户型图为各筛选子库设置优先级;
S52、首先将对应优先级最高的理想户型图作为挑选对象;
S53、从筛选母库中挑选与挑选对象的相似度达到预设相似度阈值的户型图转移到挑选对象对应的筛选子库中;
S54、根据优先级从高到低的顺序,依次更新挑选对象,然后重复步骤S53清空筛选母库。
优选地,步骤S4中,任意两幅户型图地相似度均小于预设的相似度阈值。
优选地,步骤S5中,根据图像分析将筛选母库中与理想户型图的相似度达到预设相似度阈值的户型图存储到对应的筛选子库中;具体地,步骤S4具体包括以下步骤:
S41、对筛选母库中的户型图进行展示,并挑选多幅倾向户型图组成倾向图库;
S42、建立理想图库;
S43、从倾向图库任意挑选一幅倾向户型图作为理想户型图并转移到理想图库中;
S44、根据图像分析获取倾向图库中剩余的各倾向户型图与理想户型图的相似度,并删除倾向图库中与理想户型图的相似度达到相似度阈值的倾向户型图;
S45、判断倾向图库是否清空;否,则返回步骤S43;
S46、是,则删除倾向图库,并提取理想图库中的所有理想户型图。
优选地,步骤S5中,根据筛选特征将筛选母库中与理想户型图的相似度达到预设相似度阈值的户型图存储到对应的筛选子库中;具体地,步骤S4具体包括以下步骤:
S41A、对筛选母库中的户型图进行展示,并挑选多幅倾向户型图组成倾向图库;
S42A、建立理想图库;
S43A、从倾向图库挑选一幅附着筛选特征最少的倾向户型图作为理想户型图并转移到理想图库中;
S44A、根据理想户型图附着筛选特征的数量以及相似度阈值计算特征重合度;
S45A、筛除倾向图库中筛选特征与理想户型图的筛选特征重合数量达到特征重合度的倾向户型图;
S46A、判断倾向图库是否清空;否,则返回步骤S43;
S47A、是,则删除倾向图库,并提取理想图库中的所有理想户型图。
优选地,步骤S44A中,特征重合度为对理想户型图附着筛选特征的数量与相似度阈值的乘积四舍五入后的正整数。
优选地,筛选特征包括:室厅厨卫数量、阳台数量、厨卫不对门、客厅面积占比、房屋朝向、采光室厅数量和窗户朝向;步骤S2中,每一幅户型图至少附着一个筛选特征。
优选地,步骤S1中,还包括:建立房源数据库用于存储各房源信息,每一条房源信息均包括户型图;步骤S2中,从房源信息中提取户型图并存储到户型图像库中,户型图像库中,户型图相同的房屋关联同一幅户型图。
优选地,步骤S6中,还包括根据选中的户型图从房源数据库中调取该户型图对应的每一套房屋信息进行展示。
优选地,户型图上标注有每一个功能区域的属性。
本公开提出的一种基于智能图像分析的户型图找房方法,首先户型图进行收集,对各户型图的特征描述上的统一,以方便后续筛选,对包含同一个筛选特征的户型图进行归纳。然后,通过筛选条件,有利于缩小户型图选择展示范围,从而精确挑选范围,提高挑选效率。
本公开中,通过理想户型图,设定了户型图的挑选基调,有利于在户型图大数据中定向挑选和展示,缩小并精确挑选范围。同理,通过筛选子库的划分,有利于将户型图进行归类总结,从而方便户型图对比展示,以提高展示效果,方便使用者对户型图进行挑选。
附图说明
图1为本公开提出的一种基于智能图像分析的户型图找房方法基本流程图;
图2为实施例2中基于智能图像分析的户型图找房方法的流程图;
图3为实施例3中基于智能图像分析的户型图找房方法的流程图;
图4为实施例4中基于智能图像分析的户型图找房方法的流程图;
具体实施方式
参照图1,本公开提出的一种基于智能图像分析的户型图找房方法,包括以下步骤:
S1、设置筛选特征。本实施方式中,筛选特征可包括:室厅厨卫数量、阳台数量、厨卫不对门、客厅面积占比、房屋朝向、采光室厅数量和窗户朝向等等。具体地,本步骤中,实际为对各户型图的特征描述上的统一,以方便后续筛选,对包含同一个筛选特征的户型图进行归纳。
S2、建立户型图像库,将房屋的户型图均存储在户型图像库中,且为每一幅户型图标识筛选特征。本步骤中,每一幅户型图至少附着一个筛选特征。具体的,本步骤中,每一幅户型图包含步骤S1中总结出的所有与户型图本身相符合的筛选特征。
本实施方式中,户型图上标注有每一个功能区域的属性,例如主卧、次卧、书房、客厅、餐厅、卫生间、厨房和/或储藏室等。
S3、选择筛选特征组成筛选条件,并根据筛选条件从户型图像库中选择户型图组成筛选母库。本步骤中,通过筛选条件,有利于缩小户型图选择展示范围,从而精确挑选范围,提高挑选效率。
S4、对筛选母库中的户型图进行展示,并从筛选母库中挑选至少一幅理想户型图。
S5、对应每一幅理想户型图建立一个筛选子库,根据图像分析或者筛选特征将筛选母库中与理想户型图的相似度达到预设相似度阈值的户型图存储到对应的筛选子库中。
如此,本实施方式中,首先,通过理想户型图,设定了户型图的挑选基调,有利于在户型图大数据中定向挑选和展示,缩小并精确挑选范围。同理,通过筛选子库的划分,有利于将户型图进行归类总结,从而方便户型图对比展示,以提高展示效果,方便使用者对户型图进行挑选。
S6、从筛选子库中调取户型图进行展示。具体的,步骤S2中,户型图像库中各户型图关联有房屋信息,本步骤中在展示户型图时对房屋关联信息一起展示,以方便使用者对房屋情况进行全面了解。房屋关联信息包括房屋位置、周边环境和建造时间等。
实施例1
本实施例中,步骤S5具体包括以下步骤:
S51、对应每一幅理想户型图建立一个筛选子库,并根据各理想户型图为各筛选子库设置优先级。
S52、首先将对应优先级最高的理想户型图作为挑选对象。
S53、从筛选母库中挑选与挑选对象的相似度达到预设相似度阈值的户型图转移到挑选对象对应的筛选子库中。
S54、根据优先级从高到低的顺序,依次更新挑选对象,然后重复步骤S53清空筛选母库。
如此,本实施例中,对筛选子库进行填充的过程也是对筛选母库进行缩减的过程,如此,可避免同一个户型图出现在不同的筛选子库中,从而可有效避免冗余的阅览量,以便提高户型图挑选效率。
本实施例的步骤S4中,任意两幅户型图地相似度均小于预设的相似度阈值,以便提高不同的筛选子库中的区别程度,从而更加针对性的提供多个不同的选择方向,在保证符合使用者挑选意图的同时保证户型图展示的全面性。
实施例2
本实施例中,步骤S1中,还包括:建立房源数据库用于存储各房源信息,每一条房源信息均包括户型图;步骤S2中,从房源信息中提取户型图并存储到户型图像库中,户型图像库中,户型图相同的房屋关联同一幅户型图。如此,避免了户型图像库中冗余重复的户型图。
本实施例的步骤S6中,还包括根据选中的户型图从房源数据库中调取该户型图对应的每一套房屋信息进行展示。如此,可向使用者提供多数符合户型图的房屋进行选择,有利于提高使用者的挑选余地,提高服务质量。
实施例3
本实施例的步骤S5中,根据图像分析将筛选母库中与理想户型图的相似度达到预设相似度阈值的户型图存储到对应的筛选子库中。
本实施例中,步骤S4具体包括以下步骤:
S41、对筛选母库中的户型图进行展示,并挑选多幅倾向户型图组成倾向图库。
S42、建立理想图库。
S43、从倾向图库任意挑选一幅倾向户型图作为理想户型图并转移到理想图库中。
S44、根据图像分析获取倾向图库中剩余的各倾向户型图与理想户型图的相似度,并删除倾向图库中与理想户型图的相似度达到相似度阈值的倾向户型图。
S45、判断倾向图库是否清空。否,则返回步骤S43。
S46、是,则删除倾向图库,并提取理想图库中的所有理想户型图。
如此,本实施例中,通过图像分析从图像的角度分析各户型图的相似度,从而获取具有明显区别的理想户型图,效率高,有利于提高户型图整理效率。
实施例4
本实施例的步骤S5中,根据筛选特征将筛选母库中与理想户型图的相似度达到预设相似度阈值的户型图存储到对应的筛选子库中。
本实施例中,步骤S4具体包括以下步骤:
S41A、对筛选母库中的户型图进行展示,并挑选多幅倾向户型图组成倾向图库。
S42A、建立理想图库。
S43A、从倾向图库挑选一幅附着筛选特征最少的倾向户型图作为理想户型图并转移到理想图库中。
S44A、根据理想户型图附着筛选特征的数量以及相似度阈值计算特征重合度。具体的,本实施例中,特征重合度为对理想户型图附着筛选特征的数量与相似度阈值的乘积四舍五入后的正整数。
S45A、筛除倾向图库中筛选特征与理想户型图的筛选特征重合数量达到特征重合度的倾向户型图。
S46A、判断倾向图库是否清空。否,则返回步骤S43。
S47A、是,则删除倾向图库,并提取理想图库中的所有理想户型图。
本实施例中,通过筛选特征挑选理想户型图,可避免户型图由于绘画方式、冗余图像因素对理想户型图的选择造成不利影响,从而可为使用者提供更加客观的户型图归纳整理结果。
以上所述,仅为本公开涉及的较佳的具体实施方式,但本公开的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,根据本公开的技术方案及其公开构思加以等同替换或改变,都应涵盖在本公开的保护范围之内。
Claims (10)
1.一种基于智能图像分析的户型图找房方法,其特征在于,包括以下步骤:
S1、设置筛选特征;
S2、建立户型图像库,将房屋的户型图均存储在户型图像库中,且为每一幅户型图标识筛选特征;
S3、选择筛选特征组成筛选条件,并根据筛选条件从户型图像库中选择户型图组成筛选母库;
S4、对筛选母库中的户型图进行展示,并从筛选母库中挑选至少一幅理想户型图;
S5、对应每一幅理想户型图建立一个筛选子库,根据图像分析或者筛选特征将筛选母库中与理想户型图的相似度达到预设相似度阈值的户型图存储到对应的筛选子库中;
S6、从筛选子库中调取户型图进行展示。
2.如权利要求1所述的基于智能图像分析的户型图找房方法,其特征在于,步骤S5具体包括以下步骤:
S51、对应每一幅理想户型图建立一个筛选子库,并根据各理想户型图为各筛选子库设置优先级;
S52、首先将对应优先级最高的理想户型图作为挑选对象;
S53、从筛选母库中挑选与挑选对象的相似度达到预设相似度阈值的户型图转移到挑选对象对应的筛选子库中;
S54、根据优先级从高到低的顺序,依次更新挑选对象,然后重复步骤S53清空筛选母库。
3.如权利要求1或2所述的基于智能图像分析的户型图找房方法,其特征在于,步骤S4中,任意两幅户型图地相似度均小于预设的相似度阈值。
4.如权利要求3所述的基于智能图像分析的户型图找房方法,其特征在于,步骤S5中,根据图像分析将筛选母库中与理想户型图的相似度达到预设相似度阈值的户型图存储到对应的筛选子库中;具体地,步骤S4具体包括以下步骤:
S41、对筛选母库中的户型图进行展示,并挑选多幅倾向户型图组成倾向图库;
S42、建立理想图库;
S43、从倾向图库任意挑选一幅倾向户型图作为理想户型图并转移到理想图库中;
S44、根据图像分析获取倾向图库中剩余的各倾向户型图与理想户型图的相似度,并删除倾向图库中与理想户型图的相似度达到相似度阈值的倾向户型图;
S45、判断倾向图库是否清空;否,则返回步骤S43;
S46、是,则删除倾向图库,并提取理想图库中的所有理想户型图。
5.如权利要求3所述的基于智能图像分析的户型图找房方法,其特征在于,步骤S5中,根据筛选特征将筛选母库中与理想户型图的相似度达到预设相似度阈值的户型图存储到对应的筛选子库中;具体地,步骤S4具体包括以下步骤:
S41A、对筛选母库中的户型图进行展示,并挑选多幅倾向户型图组成倾向图库;
S42A、建立理想图库;
S43A、从倾向图库挑选一幅附着筛选特征最少的倾向户型图作为理想户型图并转移到理想图库中;
S44A、根据理想户型图附着筛选特征的数量以及相似度阈值计算特征重合度;
S45A、筛除倾向图库中筛选特征与理想户型图的筛选特征重合数量达到特征重合度的倾向户型图;
S46A、判断倾向图库是否清空;否,则返回步骤S43;
S47A、是,则删除倾向图库,并提取理想图库中的所有理想户型图。
6.如权利要求5所述的基于智能图像分析的户型图找房方法,其特征在于,步骤S44A中,特征重合度为对理想户型图附着筛选特征的数量与相似度阈值的乘积四舍五入后的正整数。
7.如权利要求1所述的基于智能图像分析的户型图找房方法,其特征在于,筛选特征包括:室厅厨卫数量、阳台数量、厨卫不对门、客厅面积占比、房屋朝向、采光室厅数量和窗户朝向;步骤S2中,每一幅户型图至少附着一个筛选特征。
8.如权利要求1所述的基于智能图像分析的户型图找房方法,其特征在于,步骤S1中,还包括:建立房源数据库用于存储各房源信息,每一条房源信息均包括户型图;步骤S2中,从房源信息中提取户型图并存储到户型图像库中,户型图像库中,户型图相同的房屋关联同一幅户型图。
9.如权利要求8所述的基于智能图像分析的户型图找房方法,其特征在于,步骤S6中,还包括根据选中的户型图从房源数据库中调取该户型图对应的每一套房屋信息进行展示。
10.如权利要求1所述的基于智能图像分析的户型图找房方法,其特征在于,户型图上标注有每一个功能区域的属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810803213.6A CN108984765B (zh) | 2018-07-20 | 2018-07-20 | 一种基于智能图像分析的户型图找房方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810803213.6A CN108984765B (zh) | 2018-07-20 | 2018-07-20 | 一种基于智能图像分析的户型图找房方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108984765A true CN108984765A (zh) | 2018-12-11 |
CN108984765B CN108984765B (zh) | 2020-01-31 |
Family
ID=64548526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810803213.6A Active CN108984765B (zh) | 2018-07-20 | 2018-07-20 | 一种基于智能图像分析的户型图找房方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108984765B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109992693A (zh) * | 2019-04-17 | 2019-07-09 | 广东三维家信息科技有限公司 | 户型匹配方法及装置 |
CN110245160A (zh) * | 2019-06-03 | 2019-09-17 | 贝壳技术有限公司 | 一种确定房屋装修方案的方法及*** |
CN110443895A (zh) * | 2019-06-27 | 2019-11-12 | 贝壳技术有限公司 | 房屋照明方案生成方法和装置 |
CN112232131A (zh) * | 2020-09-18 | 2021-01-15 | 云南省设计院集团有限公司 | 基于计算机视觉的户型特征指标自动提取方法及*** |
CN112488774A (zh) * | 2020-12-19 | 2021-03-12 | 中冠工程管理咨询有限公司 | 一种基于大数据的工程造价估价方法、***及其存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001082101A1 (fr) * | 2000-04-24 | 2001-11-01 | Abnet Corporation | Dispositif et procede de support de conception/estimation de maison |
CN104572971A (zh) * | 2014-12-31 | 2015-04-29 | 安科智慧城市技术(中国)有限公司 | 图像检索的方法和装置 |
CN105723368A (zh) * | 2016-01-26 | 2016-06-29 | 盛玉伟 | 一种房产网图片管理方法及*** |
CN106547744A (zh) * | 2015-09-16 | 2017-03-29 | 杭州海康威视数字技术股份有限公司 | 一种图像检索方法及*** |
CN106844614A (zh) * | 2017-01-18 | 2017-06-13 | 天津中科智能识别产业技术研究院有限公司 | 一种户型图功能区域快速识别*** |
CN106991625A (zh) * | 2017-04-13 | 2017-07-28 | 安徽省沃瑞网络科技有限公司 | 一种用户自助购房管理*** |
CN107146130A (zh) * | 2017-04-21 | 2017-09-08 | 无锡房查查网络科技有限公司 | 一种房屋租赁方法及*** |
-
2018
- 2018-07-20 CN CN201810803213.6A patent/CN108984765B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001082101A1 (fr) * | 2000-04-24 | 2001-11-01 | Abnet Corporation | Dispositif et procede de support de conception/estimation de maison |
CN104572971A (zh) * | 2014-12-31 | 2015-04-29 | 安科智慧城市技术(中国)有限公司 | 图像检索的方法和装置 |
CN106547744A (zh) * | 2015-09-16 | 2017-03-29 | 杭州海康威视数字技术股份有限公司 | 一种图像检索方法及*** |
CN105723368A (zh) * | 2016-01-26 | 2016-06-29 | 盛玉伟 | 一种房产网图片管理方法及*** |
CN106844614A (zh) * | 2017-01-18 | 2017-06-13 | 天津中科智能识别产业技术研究院有限公司 | 一种户型图功能区域快速识别*** |
CN106991625A (zh) * | 2017-04-13 | 2017-07-28 | 安徽省沃瑞网络科技有限公司 | 一种用户自助购房管理*** |
CN107146130A (zh) * | 2017-04-21 | 2017-09-08 | 无锡房查查网络科技有限公司 | 一种房屋租赁方法及*** |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109992693A (zh) * | 2019-04-17 | 2019-07-09 | 广东三维家信息科技有限公司 | 户型匹配方法及装置 |
CN110245160A (zh) * | 2019-06-03 | 2019-09-17 | 贝壳技术有限公司 | 一种确定房屋装修方案的方法及*** |
CN110443895A (zh) * | 2019-06-27 | 2019-11-12 | 贝壳技术有限公司 | 房屋照明方案生成方法和装置 |
CN110443895B (zh) * | 2019-06-27 | 2020-08-18 | 贝壳找房(北京)科技有限公司 | 房屋照明方案生成方法和装置 |
CN112232131A (zh) * | 2020-09-18 | 2021-01-15 | 云南省设计院集团有限公司 | 基于计算机视觉的户型特征指标自动提取方法及*** |
CN112232131B (zh) * | 2020-09-18 | 2021-12-24 | 云南省设计院集团有限公司 | 基于计算机视觉的户型特征指标自动提取方法及*** |
CN112488774A (zh) * | 2020-12-19 | 2021-03-12 | 中冠工程管理咨询有限公司 | 一种基于大数据的工程造价估价方法、***及其存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108984765B (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108984765A (zh) | 一种基于智能图像分析的户型图找房方法 | |
Altay et al. | Challenges in humanitarian information management and exchange: evidence from Haiti | |
CN110222611A (zh) | 基于图卷积网络的人体骨架行为识别方法、***、装置 | |
Choi et al. | Context models and out-of-context objects | |
Ural et al. | Building population mapping with aerial imagery and GIS data | |
Ambruş et al. | Meta-rooms: Building and maintaining long term spatial models in a dynamic world | |
US8880378B2 (en) | Systems and methods for adaptive smart environment automation | |
Makris et al. | Spatial and Probabilistic Modelling of Pedestrian Behaviour. | |
Giner et al. | Territorial systems of small firms in Spain: an analysis of productive and organizational characteristics in industrial districts | |
US11769180B2 (en) | Machine learning systems and methods for determining home value | |
Strat et al. | Natural object recognition | |
CN108235697A (zh) | 一种机器人动态学习方法、***、机器人以及云端服务器 | |
CN110174888A (zh) | 自移动机器人控制方法、装置、设备及存储介质 | |
CN111161379B (zh) | 基于深度学习的空户型特征检测的室内家居自动布局方法 | |
CN113177470B (zh) | 行人轨迹预测方法、装置、设备及存储介质 | |
CN112242002B (zh) | 基于深度学习的物体识别和全景漫游方法 | |
CN108764100A (zh) | 一种目标行为检测方法及服务器 | |
CN109034694A (zh) | 基于智能制造的生产原料智能存储方法及*** | |
CN108109220A (zh) | 一种基于监控摄像头的教室考勤统计*** | |
CN110837829B (zh) | 扫地机器人的控制方法和*** | |
CN112487305B (zh) | 一种基于gcn的动态社交用户对齐方法 | |
CN107679510A (zh) | 一种基于深度学习的银行客户识别***及方法 | |
Reza et al. | Automatic annotation for semantic segmentation in indoor scenes | |
CN108961405A (zh) | 基于soa的面向公众服务的房产信息*** | |
Sun et al. | Automatic building age prediction from street view images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |