CN109492121A - 智能识别图片的方法、装置、服务器及存储介质 - Google Patents
智能识别图片的方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN109492121A CN109492121A CN201811163462.XA CN201811163462A CN109492121A CN 109492121 A CN109492121 A CN 109492121A CN 201811163462 A CN201811163462 A CN 201811163462A CN 109492121 A CN109492121 A CN 109492121A
- Authority
- CN
- China
- Prior art keywords
- picture
- user
- file
- target photo
- close attention
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000012790 confirmation Methods 0.000 claims abstract description 5
- 230000015654 memory Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 description 22
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 241001465754 Metazoa Species 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 210000003813 thumb Anatomy 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000019771 cognition Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
一种智能识别图片的方法,所述方法包括接收用户关注图片文件的操作,并根据所述操作建立用户关注列表,其中,所述关注列表包括所述图片文件及其对应的特征值;获取用户当前浏览的目标图片文件;计算目标图片文件的特征值;根据目标图片文件的特征值查询用户关注列表,以确认目标图片文件是否已经被关注;及当目标图片文件的特征值存在于用户关注列表中时,确认目标图片文件已经被关注,提示用户无需关注所述目标图片文件。本发明还提供一种智能识别图片的装置、服务器及存储介质。本发明可以解决用户在关注的图片过多而无法识别不同用户发布的同一张图片时,对所述同一张图片多次关注的问题,还可以通过分类器对图片文件进行分类。
Description
技术领域
本发明涉及图像识别技术领域,具体涉及一种智能识别图片的方法、装置、服务器及存储介质。
背景技术
像Instgram、Tumblr等这些图片浏览社交软件,基本上都需要用户注册才能使用。并且在使用过程中用户可以根据自身喜好对浏览的图片进行关注(如点赞和收藏)。随着关注的图片基数的增加,用户有可能无法识别不同用户发布的同一张图片是否已被关注过,从而出现对同一张图片重复关注的情况。
发明内容
鉴于以上内容,有必要提出一种智能识别图片的方法、装置、服务器及存储介质,通过计算图片特征值来对图片进行过滤,避免同一图片重复关注,提升用户体验。
本发明的第一方面提供一种智能识别图片的方法,所述方法包括:
接收用户关注图片文件的操作,并根据所述操作建立用户关注列表,其中,所述关注列表包括所述图片文件及其对应的特征值;
获取用户当前浏览的目标图片文件;
计算所述目标图片文件的特征值;
根据所述目标图片文件的特征值查询所述用户关注列表,以确认所述目标图片文件是否已经被关注;及
当所述目标图片文件的特征值存在于所述用户关注列表中时,确认所述目标图片文件已经被关注,提示用户无需关注所述目标图片文件。
优选地,在所述接收用户关注图片文件的操作,并根据所述操作建立用户关注列表之前,所述方法还包括:
接收电子设备上传的图片文件;
计算所述图片文件的特征值。
优选地,在接收电子设备上传的图片文件后,所述方法还包括对所述图片文件进行分类的步骤,所述步骤包括:
对接收的图片文件进行预处理;
对预处理后的图片进行特征提取;及
通过分类器对特征提取后的图片进行分类。
优选地,所述计算所述图片文件的特征值包括:
根据分类后的所述图片文件的不同类型采用不同的计算方法计算所述图片文件的特征值。
优选地,通过分类器对特征提取后的图片进行分类的方法包括基于生成模型的图像分类方法和基于判别模型的图像分类方法。
优选地,所述获取用户当前浏览的目标图片文件的步骤包括:
网络爬虫抓取用户当前浏览的网页内容,其中所述网页内容包括网页结构;
根据所述网页结构获取用户当前浏览的目标图片文件。
优选地,当所述目标图片文件的特征值不存在于所述用户关注列表中时,确认所述目标图片文件没有被关注,提示用户关注所述目标图片文件,并添加所述目标图片文件及其特征值至所述关注列表。
本发明的第二方面提供一种智能识别图片的装置,所述装置包括:
建立模块,用于接收用户关注图片文件的操作,并根据所述操作建立用户关注列表,其中,所述关注列表包括所述图片文件及其对应的特征值;
获取模块,用于获取用户当前浏览的目标图片文件;
计算模块,用于计算所述目标图片文件的特征值;
查询模块,用于根据所述目标图片文件的特征值查询所述用户关注列表,以确认所述目标图片文件是否已经被关注;及
提示模块,用于当所述目标图片文件的特征值存在于所述用户关注列表中时,确认所述目标图片文件已经被关注,提示用户无需关注所述目标图片文件。
本发明的第三方面提供一种服务器,所述服务器包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现所述智能识别图片的方法。
本发明的第四方面提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述智能识别图片的方法。
本发明所述的智能识别图片的方法、装置、服务器及存储介质,通过建立用户关注列表,其中,所述关注列表包括特征值,获取用户当前浏览的图片文件,并计算所述图片文件的特征值;比对所述特征值是否与所述关注列表中的特征值一致及当所述特征值与所述关注列表中的特征值一致时,提示用户无需关注所述图片文件。从而可以解决用户在关注的图片过多而无法识别不同用户发布的同一张图片时,对所述同一张图片多次关注的问题。可以通过计算图片特征值来对图片进行过滤,避免同一图片重复关注,提升用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明实施例一提供的用于智能识别图片的方法的应用环境架构图。
图2是本发明实施例二提供的智能识别图片的方法的流程图。
图3是本发明实施例三提供的本发明智能识别图片的装置较佳实施例中的功能模块图。
图4是本发明实施例四提供的服务器的示意图。
如下具体实施方式将结合上述附图进一步说明本发明。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施例对本发明进行详细描述。需要说明的是,在不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象,而非用于描述特定顺序。此外,术语“包括”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例的智能识别图片的方法应用在由至少一个服务器和通过网络与所述服务器进行连接的电子设备所构成的硬件环境中。网络包括但不限于:广域网、城域网或局域网。本发明实施例的智能识别图片的方法可以由服务器来执行,也可以由电子设备来执行;还可以是由服务器和电子设备共同执行。
所述对于需要进行智能识别图片的方法的服务器,可以直接在服务器上集成本发明的方法所提供的智能识别图片功能,或者安装用于实现本发明的方法的客户端。再如,本发明所提供的方法还可以以软件开发工具包(Software Development Kit,SDK)的形式运行在服务器等设备上,以SDK的形式提供智能识别图片功能的接口,服务器或其他设备通过提供的接口即可实现智能识别图片功能。
实施例一
参阅图1所示,为本发明实施例一提供的用于智能识别图片的方法的应用环境架构图。
本发明的智能识别图片的方法应用在由电子设备1和服务器2构成的环境中。所述电子设备1和服务器2之间通过有线或无线网络通信连接。所述有线网络可以为传统有线通讯的任何类型,例如因特网、局域网。所述无线网络可以为传统无线通讯的任何类型,例如无线电、无线保真(Wireless Fidelity,WIFI)、蜂窝、卫星、广播等。无线通讯技术可以包括,但不限于,全球移动通信***(Global System for Mobile Communications,GSM)、通用分组无线业务(General Packet Radio Service,GPRS)、码分多址(Code DivisionMultiple Access,CDMA),宽带码分多址(W-CDMA)、CDMA2000、IMT单载波(IMT SingleCarrier)、增强型数据速率GSM演进(Enhanced Data Rates for GSM Evolution,EDGE)、长期演进技术(Long-Term Evolution,LTE)、高级长期演进技术、时分长期演进技术(Time-Division LTE,TD-LTE)、第五代移动通信技术(5G)、高性能无线电局域网(HighPerformance Radio Local Area Network,HiperLAN)、高性能无线电广域网(HighPerformance Radio Wide Area Network,HiperWAN)、本地多点派发业务(LocalMultipoint Distribution Service,LMDS)、全微波存取全球互通(WorldwideInteroperability for Microwave Access,WiMAX)、紫蜂协议(ZigBee)、蓝牙、正交频分复用技术(Flash Orthogonal Frequency-Division Multiplexing,Flash-OFDM)、大容量空分多路存取(High Capacity Spatial Division Multiple Access,HC-SDMA)、通用移动电信***(Universal Mobile Telecommunications System,UMTS)、通用移动电信***时分双工(UMTS Time-Division Duplexing,UMTS-TDD)、演进式高速分组接入(Evolved HighSpeed Packet Access,HSPA+)、时分同步码分多址(Time Division Synchronous CodeDivision Multiple Access,TD-SCDMA)、演进数据最优化(Evolution-Data Optimized,EV-DO)、数字增强无绳通信(Digital Enhanced Cordless Telecommunications,DECT)及其他。
所述电子设备1可以包括个人计算机(Personal Computer,PC)、个人数字助理(Personal Digital Assistant,PDA)、无线手持设备、平板电脑(Tablet Computer)、智能手机等。上述电子设备1仅是举例,而非穷举,包含但不限于上述电子设备1。所述移动可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
在本实施例中,所述电子设备1上安装有应用程序,用户可以通过所述应用程序上传图片文件。
所述应用程序可以是安装于电子设备1的操作***中任一第三方应用,例如微信、微博、QQ、Instgram、Tumblr、美图秀秀等可以进行图片浏览的社交软件。本方案对此不作限定。其中,所述操作***包括Android***、塞班***、Windows***、ios(苹果公司开发的移动操作***)***等。
所述电子设备1还包括显示屏,所述显示屏可以具有触摸功能,如液晶(LiquidCrystal Display,LCD)显示屏或有机发光二极管(Organic Light-Emitting Diode,OLED)显示屏。所述显示屏用于显示所述图片文件等信息。
所述服务器2是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(应用程序licationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
实施例二
图2是本发明实施例二提供的智能识别图片的方法的流程图。根据不同的需求,所述流程图中的执行顺序可以改变,某些步骤可以省略。
在本实施例中,所述智能识别图片的方法可以应用于服务器中,可以直接在所述电子设备上集成本发明的方法所提供的用于智能识别图片的功能,或者以软件开发工具包(Software Development Kit,SDK)的形式运行在所述服务器上。
S1、接收图片文件。
在本实施方式中,接收电子设备上传的图片文件。所述电子设备可以包括,但不限于,个人计算机(Personal Computer,PC)、个人数字助理(Personal Digital Assistant,PDA)、无线手持设备、平板电脑(Tablet Computer)、智能手机等。上述电子设备仅是举例,而非穷举,包含但不限于上述电子设备。
在本实施例中,所述电子设备上安装有应用程序,用户可以通过所述应用程序上传图片文件。
所述应用程序可以是安装于电子设备的操作***中任一第三方应用,例如微信、微博、QQ、Instgram、Tumblr、美图秀秀等可以进行图片浏览的社交软件。本方案对此不作限定。其中,所述操作***包括Android***、塞班***、Windows***、ios(苹果公司开发的移动操作***)***等。
优选地,在接收图片文件后,所述方法还包括对接收的图片文件进行分类的步骤。图片的类别可以包括,但不限于,风景、人物、动物、建筑等。
可以理解的是,本方案可以对上述的图片的类型进行多级分类。举例而言,对所述图片文件先进行一级分类,可以分成风景、人物、动物、建筑等;再对一级分类后的图片文件进行二级分类,例如,将动物再细分成猫、狗、鸟、鱼等,将人物分成男人和女人,或者分成老人、中年人、青少年和小孩等。
具体地,对接收的图片文件进行分类的步骤包括:
a)对接收的图片文件进行预处理;所述预处理主要包括图像分割、图像增强和进行形态学处理等。
b)对预处理后的图片进行特征提取;所述特征提取主要分为两种:底层视觉特征和中间语义特征,所述底层视觉特征主要包括颜色、形状和纹理等简单特征和SIFT、RIFT、HOG等复杂的局部不变特征;所述中间语义特征主要包括语义属性特征、区域语义概念特征和词袋特征。
c)通过分类器对特征提取后的图片进行分类。所述分类器可以帮助用户在图像特征与关键字类别之间建立准确的映射关系,提取出与用户认知一致的图像语义信息。
优选地,通过分类器对特征提取后的图片进行分类的方法包括基于生成模型的图像分类方法和基于判别模型的图像分类方法。所述基于生成模型的图像分类方法建立在图像特征与图像类别的联合概率分布基础上,而基于判别模型的图像分类方法则是建立在图像特征与图像类别的条件概率分布基础上。
S2、计算所述图片文件的特征值。
在本实施方式中,将图片文件进行分类后可以根据所述图片文件的不同类型来选择不同的计算方法计算所述图片文件的特征值。
例如,所述特征值可以为一定维度的向量,如(P1,P2,...,Pn),这个n维向量,所述n维向量可以是用来描述图像中物体的形状特征。现有技术中,可以采用霍夫(Hough)变换计算所述特征值。所述Hough变换为常用算法,在此不再赘述。
在本实施方式中,介绍一种较优的用于计算一级类别为建筑的图片文件的特征值的计算方法,可以包括下面步骤:
A1:从原始图像中抠出所含建筑物的图像;
A2:将所述抠出的图像用单一颜色为背景填充边界,并使得填充后的图像成为最小正方形;
A3:将正方形图像全图等比缩放为第一预定大小的图像,将缩放后的图像分割为第二预定大小的子图像块;
A4:分别计算子图像块水平、竖直、正45°、负45°方向上相邻像素的亮度导数,将分别在四个方向导数极值点的个数、以及位于子图像块四个边界上极值点的总个数作为所述子图像块的特征向量;
A5:将所有子图像块的特征向量作为原始图像的特征向量。
上述图像特征提取方式,主要利用了图像中显示的物体其边缘部分与周围的背景等的像素亮度差异来找出物体的边缘,也就可以提取得到图像中物体的形状特征,从而可以作为所述图像的特征值。
另外,还可以采用奇异值分解的方法计算一级类别为人物的图片文件的特征值。具体地步骤包括:
B1:设定A∈Rm×n为一副人脸灰度图像,其中m≥n,rank(A)=r;
B2:得到两个正交矩阵以及对角矩阵如下:
U=[u1,u2,...,um]∈Rm×m,UTU=I,
正交矩阵为:V=[v1,v2,...,vn]∈Rn×n,VTV=I
对角矩阵为:S=diag[λ1,λ2,...,λr,0,…,0]∈Rm×n,λ1>λ2>…>λr≥0;
B3:使得成立式子,其中,为ATA和AAT的特征值,ui和vi分别是AAT和ATA对应于的特征矢量;
B4:获取上式的投影形式,即图像A在U、V上的投影为对角矩阵S,S=UTAV,取S的对角线上的元素构成的矢量即为图像A的奇异特征值。
S3、接收用户关注图片文件的操作,并根据所述操作建立关注列表,其中,所述关注列表包括所述图片文件及其对应的特征值。
在本实施方式中,当用户在电子设备浏览图片文件时,用户可以通过点击按钮(如点赞按钮、收藏按钮)的操作来关注所述图片文件,所述按钮显示在显示有所述图片文件的界面(如图片的左下角)。再将被关注的图片文件保存至数据库中,计算被关注的图片文件的特征值,再根据所述被关注的图片文件及所述特征值建立所述用户关注列表。
S4、获取用户当前浏览的目标图片文件,并计算所述目标图片文件的特征值。
在本实施方式中,通过网络爬虫技术获取用户当前浏览的图片文件。具体步骤包括:
1)网络爬虫抓取用户当前浏览的网页内容,其中所述网页内容包括网页结构;所述网页结构,包括但不限于网页标题、网页正文内容、图片、声音或视频信息。
2)根据所述网页结构获取用户当前浏览的所述目标图片文件。
优选地,所述方法在获取用户当前浏览的所述目标图片文件之后,还包括,对获取的所述目标图片文件进行分类的步骤,再根据获取的所述目标图片文件的不同类别来选择不同的计算方法计算所述目标图片文件的特征值。
S5、根据所述目标图片文件的特征值查询所述用户关注列表,以确认所述目标图片文件是否已经被关注。
具体地,当所述目标图片文件的特征值存在于所述用户关注列表中时,确认所述目标图片文件已经被关注,无需再进行重复关注,流程执行步骤S6;
当所述目标图片文件的特征值没有存在于所述用户关注列表中时,确认所述目标图片文件没有被用户关注过,则可以直接结束流程。即,所述关注列表中不存在所述特征值,用户之前没有关注过所述目标图片文件时,结束流程。
可以理解是,当所述目标图片文件的特征值没有存在于所述用户关注列表中时,用户可以根据自身喜好关注所述目标图片文件。
S6、当所述目标图片文件的特征值存在于所述用户关注列表中时,提示用户无需关注所述目标图片文件。
在本实施方式中,可以通过消息提示框、弹出页面、或语音提示等方式提示用户无需关注所述目标图片文件。例如,在用户当前浏览网页的界面中弹出单独的页面显示无需关注所述目标图片文件的信息,或在用户的电子设备中弹出消息提示框显示所述无需关注所述目标图片文件的信息,或通过语音播报的方式直接将无需关注所述目标图片文件的信息通知用户。
在一实施方式中,所述方法还可以包括当所述目标图片文件的特征值不存在于所述用户关注列表中时,确认所述目标图片文件没有被关注,提示用户关注所述目标图片文件,并添加所述目标图片文件及其特征值至所述关注列表,从而可以更新所述关注列表。
可以理解的是,同样可以通过消息提示框、弹出页面、或语音提示等方式提示用户关注所述目标图片文件,在此不再赘述。
综上所述,本发明提供的智能识别图片的方法,包括接收图片文件;计算所述图片文件的特征值;建立用户关注列表,其中,所述关注列表包括所述特征值;获取用户当前浏览的图片文件,并计算所述图片文件的特征值;比对所述特征值是否与所述关注列表中的特征值一致;及当所述特征值与所述关注列表中的特征值一致时,提示用户无需关注所述图片文件。从而可以解决用户在关注的图片过多而无法识别不同用户发布的同一张图片时,对所述同一张图片多次关注的问题。可以通过计算图片特征值来对图片进行过滤,避免同一图片重复关注,提升用户体验。
以上所述,仅是本发明的具体实施方式,但本发明的保护范围并不局限于此,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出改进,但这些均属于本发明的保护范围。
下面结合第3至4图,分别对实现上述智能识别图片的方法的电子设备的功能模块及硬件结构进行介绍。
实施例三
图3为本发明智能识别图片的装置较佳实施例中的功能模块图。
在一些实施例中,所述智能识别图片的装置30运行于服务器中。所述智能识别图片的装置30可以包括多个由程序代码段所组成的功能模块。所述智能识别图片的装置30中的各个程序段的程序代码可以存储于存储器中,并由至少一个处理器所执行,以执行(详见图3及其相关描述)智能识别图片功能。
本实施例中,所述智能识别图片的装置30根据其所执行的功能,可以被划分为多个功能模块。所述功能模块可以包括:建立模块301、获取模块302、计算模块303、查询模块304及提示模块305。本发明所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机程序段,其存储在存储器中。在一些实施例中,关于各模块的功能将在后续的实施例中详述。
所述建立模块301用于接收图片文件。
在本实施方式中,接收电子设备上传的图片文件。所述电子设备可以包括,但不限于,个人计算机(Personal Computer,PC)、个人数字助理(Personal Digital Assistant,PDA)、无线手持设备、平板电脑(Tablet Computer)、智能手机等。上述电子设备仅是举例,而非穷举,包含但不限于上述电子设备。
在本实施例中,所述电子设备上安装有应用程序,用户可以通过所述应用程序上传图片文件。
所述应用程序可以是安装于电子设备的操作***中任一第三方应用,例如微信、微博、QQ、Instgram、Tumblr、美图秀秀等可以进行图片浏览的社交软件。本方案对此不作限定。其中,所述操作***包括Android***、塞班***、Windows***、ios(苹果公司开发的移动操作***)***等。
优选地,在接收图片文件后,所述方法还包括对接收的图片文件进行分类的步骤。图片的类别可以包括,但不限于,风景、人物、动物、建筑等。
可以理解的是,本方案可以对上述的图片的类型进行多级分类。举例而言,对所述图片文件先进行一级分类,可以分成风景、人物、动物、建筑等;再对一级分类后的图片文件进行二级分类,例如,将动物再细分成猫、狗、鸟、鱼等,将人物分成男人和女人,或者分成老人、中年人、青少年和小孩等。
具体地,对接收的图片文件进行分类的步骤包括:
a)对接收的图片文件进行预处理;所述预处理主要包括图像分割、图像增强和进行形态学处理等。
b)对预处理后的图片进行特征提取;所述特征提取主要分为两种:底层视觉特征和中间语义特征,所述底层视觉特征主要包括颜色、形状和纹理等简单特征和SIFT、RIFT、HOG等复杂的局部不变特征;所述中间语义特征主要包括语义属性特征、区域语义概念特征和词袋特征。
c)通过分类器对特征提取后的图片进行分类。所述分类器可以帮助用户在图像特征与关键字类别之间建立准确的映射关系,提取出与用户认知一致的图像语义信息。
优选地,通过分类器对特征提取后的图片进行分类的方法包括基于生成模型的图像分类方法和基于判别模型的图像分类方法。所述基于生成模型的图像分类方法建立在图像特征与图像类别的联合概率分布基础上,而基于判别模型的图像分类方法则是建立在图像特征与图像类别的条件概率分布基础上。
所述算模块303用于计算所述图片文件的特征值。
在本实施方式中,将图片文件进行分类后可以根据所述图片文件的不同类型来选择不同的计算方法计算所述图片文件的特征值。
例如,所述特征值可以为一定维度的向量,如(P1,P2,...,Pn),这个n维向量,所述n维向量可以是用来描述图像中物体的形状特征。现有技术中,可以采用霍夫(Hough)变换计算所述特征值。所述Hough变换为常用算法,在此不再赘述。
在本实施方式中,介绍一种较优的用于计算一级类别为建筑的图片文件的特征值的计算方法,可以包括下面步骤:
A1:从原始图像中抠出所含建筑物的图像;
A2:将所述抠出的图像用单一颜色为背景填充边界,并使得填充后的图像成为最小正方形;
A3:将正方形图像全图等比缩放为第一预定大小的图像,将缩放后的图像分割为第二预定大小的子图像块;
A4:分别计算子图像块水平、竖直、正45°、负45°方向上相邻像素的亮度导数,将分别在四个方向导数极值点的个数、以及位于子图像块四个边界上极值点的总个数作为所述子图像块的特征向量;
A5:将所有子图像块的特征向量作为原始图像的特征向量。
上述图像特征提取方式,主要利用了图像中显示的物体其边缘部分与周围的背景等的像素亮度差异来找出物体的边缘,也就可以提取得到图像中物体的形状特征,从而可以作为所述图像的特征值。
另外,还可以采用奇异值分解的方法计算一级类别为人物的图片文件的特征值。具体地步骤包括:
B1:设定A∈Rm×n为一副人脸灰度图像,其中m≥n,rank(A)=r;
B2:得到两个正交矩阵以及对角矩阵如下:
U=[u1,u2,...,um]∈Rm×m,UTU=I,
正交矩阵为:V=[v1,v2,...,vn]∈Rn×n,VTV=I
对角矩阵为:S=diag[λ1,λ2,...,λr,0,…,0]∈Rm×n,λ1>λ2>…>λr≥0;
B3:使得成立式子,其中,为ATA和AAT的特征值,ui和vi分别是AAT和ATA对应于的特征矢量;
B4:获取上式的投影形式,即图像A在U、V上的投影为对角矩阵S,S=UTAV,取S的对角线上的元素构成的矢量即为图像A的奇异特征值。
所述建立模块301还用于接收用户关注图片文件的操作,并根据所述操作建立关注列表,其中,所述关注列表包括所述图片文件及其对应的特征值。
在本实施方式中,当用户在电子设备浏览图片文件时,用户可以通过点击按钮(如点赞按钮、收藏按钮)的操作来关注所述图片文件,所述按钮显示在显示有所述图片文件的界面(如图片的左下角)。再将被关注的图片文件保存至数据库中,计算被关注的图片文件的特征值,再根据所述被关注的图片文件及所述特征值建立所述用户关注列表。
所述获取模块302用于获取用户当前浏览的目标图片文件,并计算所述目标图片文件的特征值。
在本实施方式中,通过网络爬虫技术获取用户当前浏览的图片文件。具体步骤包括:
1)网络爬虫抓取用户当前浏览的网页内容,其中所述网页内容包括网页结构;所述网页结构,包括但不限于网页标题、网页正文内容、图片、声音或视频信息。
2)根据所述网页结构获取用户当前浏览的所述目标图片文件。
优选地,所述方法在获取用户当前浏览的所述目标图片文件之后,还包括,对获取的所述目标图片文件进行分类的步骤,再根据获取的所述目标图片文件的不同类别来选择不同的计算方法计算所述目标图片文件的特征值。
所述查询模块304用于根据所述目标图片文件的特征值查询所述用户关注列表,以确认所述目标图片文件是否已经被关注。
具体地,当所述目标图片文件的特征值存在于所述用户关注列表中时,确认所述目标图片文件已经被关注,无需再进行重复关注,流程执行步骤S6;
当所述目标图片文件的特征值没有存在于所述用户关注列表中时,确认所述目标图片文件没有被用户关注过,则可以直接结束流程。即,所述关注列表中不存在所述特征值,用户之前没有关注过所述目标图片文件时,结束流程。
可以理解是,当所述目标图片文件的特征值没有存在于所述用户关注列表中时,用户可以根据自身喜好关注所述目标图片文件。
所述提示模块305用于当所述目标图片文件的特征值存在于所述用户关注列表中时,提示用户无需关注所述目标图片文件。
在本实施方式中,可以通过消息提示框、弹出页面、或语音提示等方式提示用户无需关注所述目标图片文件。例如,在用户当前浏览网页的界面中弹出单独的页面显示无需关注所述目标图片文件的信息,或在用户的电子设备中弹出消息提示框显示所述无需关注所述目标图片文件的信息,或通过语音播报的方式直接将无需关注所述目标图片文件的信息通知用户。
在一实施方式中,所述提示模块305还用于当所述目标图片文件的特征值不存在于所述用户关注列表中时,确认所述目标图片文件没有被关注,提示用户关注所述目标图片文件,并添加所述目标图片文件及其特征值至所述关注列表,从而可以更新所述关注列表。
可以理解的是,同样可以通过消息提示框、弹出页面、或语音提示等方式提示用户关注所述目标图片文件,在此不再赘述。
综上所述,本发明提供的智能识别图片的装置30,包括建立模块301、获取模块302、计算模块303、查询模块304及提示模块305。所述建立模块301,用于接收用户关注图片文件的操作,并根据所述操作建立用户关注列表,其中,所述关注列表包括所述图片文件及其对应的特征值;所述获取模块2302,用于获取用户当前浏览的目标图片文件,所述计算模块303用于计算所述目标图片文件的特征值;所述查询模块304,用于根据所述目标图片文件的特征值查询所述用户关注列表,以确认所述目标图片文件是否已经被关注;及所述提示模块305,用于当所述目标图片文件的特征值存在于所述用户关注列表中时,确认所述目标图片文件已经被关注,提示用户无需关注所述目标图片文件。从而可以解决用户在关注的图片过多而无法识别不同用户发布的同一张图片时,对所述同一张图片多次关注的问题。可以通过计算图片特征值来对图片进行过滤,避免同一图片重复关注,提升用户体验。
上述以软件功能模块的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,双屏设备,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分。
实施例四
图4为本发明实施例四提供的服务器的示意图。
所述服务器4包括:数据库41、存储器42、至少一个处理器43、存储在所述存储器42中并可在所述至少一个处理器43上运行的计算机程序44及至少一条通讯总线45。
所述至少一个处理器43执行所述计算机程序44时实现上述智能识别图片的方法实施例中的步骤。
示例性的,所述计算机程序44可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器42中,并由所述至少一个处理器43执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,所述指令段用于描述所述计算机程序44在所述服务器4中的执行过程。
所述服务器4是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(应用程序licationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。本领域技术人员可以理解,所述示意图4仅仅是服务器4的示例,并不构成对服务器4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述服务器4还可以包括输入输出设备、网络接入设备、总线等。
所述数据库(Database)41是按照数据结构来组织、存储和管理数据的建立在所述服务器4上的仓库。数据库通常分为层次式数据库、网络式数据库和关系式数据库三种。在本实施方式中,所述数据库41用于存储图片文件、及特征值等信息。
所述至少一个处理器43可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。所述处理器43可以是微处理器或者所述处理器43也可以是任何常规的处理器等,所述处理器43是所述服务器4的控制中心,利用各种接口和线路连接整个服务器4的各个部分。
所述存储器42可用于存储所述计算机程序44和/或模块/单元,所述处理器43通过运行或执行存储在所述存储器42内的计算机程序和/或模块/单元,以及调用存储在存储器42内的数据,实现所述服务器4的各种功能。所述存储器42可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据服务器4的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器42可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述存储器42中存储有程序代码,且所述至少一个处理器43可调用所述存储器42中存储的程序代码以执行相关的功能。例如,图3中所述的各个模块(建立模块301、获取模块302、计算模块303、查询模块304及提示模块305)是存储在所述存储器42中的程序代码,并由所述至少一个处理器43所执行,从而实现所述各个模块的功能以达到智能识别图片的目的。
所述建立模块301用于接收用户关注图片文件的操作,并根据所述操作建立用户关注列表,其中,所述关注列表包括所述图片文件及其对应的特征值;
所述获取模块302用于获取用户当前浏览的目标图片文件;
所述计算模块303用于计算所述目标图片文件的特征值;
所述查询模块304用于根据所述目标图片文件的特征值查询所述用户关注列表,以确认所述目标图片文件是否已经被关注;及
所述提示模块305用于当所述目标图片文件的特征值存在于所述用户关注列表中时,确认所述目标图片文件已经被关注,提示用户无需关注所述目标图片文件。
优选地,在所述接收用户关注图片文件的操作,并根据所述操作建立用户关注列表之前,所述服务器4还可以:
接收电子设备上传的图片文件;
计算所述图片文件的特征值。
优选地,在接收电子设备上传的图片文件后,所述服务器4还可以对所述图片文件进行分类,具体包括:
对接收的图片文件进行预处理;
对预处理后的图片进行特征提取;及
通过分类器对特征提取后的图片进行分类。
优选地,所述计算所述图片文件的特征值包括:
根据分类后的所述图片文件的不同类型采用不同的计算方法计算所述图片文件的特征值。
优选地,通过分类器对特征提取后的图片进行分类的方法包括基于生成模型的图像分类方法和基于判别模型的图像分类方法。
优选地,所述获取用户当前浏览的目标图片文件包括:
网络爬虫抓取用户当前浏览的网页内容,其中所述网页内容包括网页结构;
根据所述网页结构获取用户当前浏览的目标图片文件。
优选地,当所述目标图片文件的特征值不存在于所述用户关注列表中时,确认所述目标图片文件没有被关注,提示用户关注所述目标图片文件,并添加所述目标图片文件及其特征值至所述关注列表。
所述服务器4集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,所述计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
尽管未示出,所述服务器4还可以包括给各个部件供电的电源(比如电池),优选的,电源可以通过电源管理***与所述至少一个处理器43逻辑相连,从而通过电源管理***实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电***、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述服务器4还可以包括蓝牙模块、Wi-Fi模块等,在此不再赘述。
应所述了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
在本发明所提供的几个实施例中,应所述理解到,所揭露的电子设备和方法,可以通过其它的方式实现。例如,以上所描述的电子设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
另外,在本发明各个实施例中的各功能单元可以集成在相同处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或,单数不排除复数。***权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一,第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神范围。
Claims (10)
1.一种智能识别图片的方法,其特征在于,所述方法包括:
接收用户关注图片文件的操作,并根据所述操作建立用户关注列表,其中,所述关注列表包括所述图片文件及其对应的特征值;
获取用户当前浏览的目标图片文件;
计算所述目标图片文件的特征值;
根据所述目标图片文件的特征值查询所述用户关注列表,以确认所述目标图片文件是否已经被关注;及
当所述目标图片文件的特征值存在于所述用户关注列表中时,确认所述目标图片文件已经被关注,提示用户无需关注所述目标图片文件。
2.如权利要求1所述的智能识别图片的方法,其特征在于,在所述接收用户关注图片文件的操作,并根据所述操作建立用户关注列表之前,所述方法还包括:
接收电子设备上传的图片文件;
计算所述图片文件的特征值。
3.如权利要求2所述的智能识别图片的方法,其特征在于,在接收电子设备上传的图片文件后,所述方法还包括对所述图片文件进行分类的步骤,所述步骤包括:
对接收的图片文件进行预处理;
对预处理后的图片进行特征提取;及
通过分类器对特征提取后的图片进行分类。
4.如权利要求2所述的智能识别图片的方法,其特征在于,所述计算所述图片文件的特征值包括:
根据分类后的所述图片文件的不同类型采用不同的计算方法计算所述图片文件的特征值。
5.如权利要求2所述的智能识别图片的方法,其特征在于,通过分类器对特征提取后的图片进行分类的方法包括基于生成模型的图像分类方法和基于判别模型的图像分类方法。
6.如权利要求1所述的智能识别图片的方法,其特征在于,所述获取用户当前浏览的目标图片文件的步骤包括:
网络爬虫抓取用户当前浏览的网页内容,其中所述网页内容包括网页结构;
根据所述网页结构获取用户当前浏览的目标图片文件。
7.如权利要求1所述的智能识别图片的方法,其特征在于,当所述目标图片文件的特征值不存在于所述用户关注列表中时,确认所述目标图片文件没有被关注,提示用户关注所述目标图片文件,并添加所述目标图片文件及其特征值至所述关注列表。
8.一种智能识别图片的装置,其特征在于,所述装置包括:
建立模块,用于接收用户关注图片文件的操作,并根据所述操作建立用户关注列表,其中,所述关注列表包括所述图片文件及其对应的特征值;
获取模块,用于获取用户当前浏览的目标图片文件;
计算模块,用于计算所述目标图片文件的特征值;
查询模块,用于根据所述目标图片文件的特征值查询所述用户关注列表,以确认所述目标图片文件是否已经被关注;及
提示模块,用于当所述目标图片文件的特征值存在于所述用户关注列表中时,确认所述目标图片文件已经被关注,提示用户无需关注所述目标图片文件。
9.一种服务器,其特征在于,所述服务器包括处理器和存储器,所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至7中任意一项所述的智能识别图片的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的智能识别图片的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811163462.XA CN109492121A (zh) | 2018-09-30 | 2018-09-30 | 智能识别图片的方法、装置、服务器及存储介质 |
PCT/CN2019/077515 WO2020062788A1 (zh) | 2018-09-30 | 2019-03-08 | 智能识别图片的方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811163462.XA CN109492121A (zh) | 2018-09-30 | 2018-09-30 | 智能识别图片的方法、装置、服务器及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109492121A true CN109492121A (zh) | 2019-03-19 |
Family
ID=65690070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811163462.XA Pending CN109492121A (zh) | 2018-09-30 | 2018-09-30 | 智能识别图片的方法、装置、服务器及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109492121A (zh) |
WO (1) | WO2020062788A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111557648A (zh) * | 2020-03-23 | 2020-08-21 | 广东艾诗凯奇智能科技有限公司 | 一种健康检测***、方法及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001307096A (ja) * | 2000-04-25 | 2001-11-02 | Fujitsu Ltd | 画像認識装置及び方法 |
CN103778261A (zh) * | 2014-03-04 | 2014-05-07 | 福建瑞恒信息技术有限公司 | 一种基于移动云计算图像识别的自助导游方法及*** |
EP2975837A1 (en) * | 2014-07-18 | 2016-01-20 | Xiaomi Inc. | Camera shooting method and device |
CN105404696A (zh) * | 2015-12-23 | 2016-03-16 | 北京奇虎科技有限公司 | 一种相册照片下载实现方法、***和装置 |
CN106095884A (zh) * | 2016-06-03 | 2016-11-09 | 深圳码隆科技有限公司 | 一种基于图片的相关物品信息处理方法及装置 |
CN108268814A (zh) * | 2016-12-30 | 2018-07-10 | 广东精点数据科技股份有限公司 | 一种基于全局和局部特征模糊融合的人脸识别方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101071433B (zh) * | 2007-05-10 | 2010-08-18 | 腾讯科技(深圳)有限公司 | 一种图片下载***及方法 |
CN105589879B (zh) * | 2014-10-23 | 2019-01-04 | 阿里巴巴集团控股有限公司 | 客户端下载图片的方法及其装置 |
CN105187635B (zh) * | 2015-08-12 | 2018-07-10 | 北京金山安全软件有限公司 | 图片的管理方法、装置及移动终端 |
CN105512328A (zh) * | 2015-12-23 | 2016-04-20 | 北京奇虎科技有限公司 | 一种相册照片上传实现方法、***和装置 |
-
2018
- 2018-09-30 CN CN201811163462.XA patent/CN109492121A/zh active Pending
-
2019
- 2019-03-08 WO PCT/CN2019/077515 patent/WO2020062788A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001307096A (ja) * | 2000-04-25 | 2001-11-02 | Fujitsu Ltd | 画像認識装置及び方法 |
CN103778261A (zh) * | 2014-03-04 | 2014-05-07 | 福建瑞恒信息技术有限公司 | 一种基于移动云计算图像识别的自助导游方法及*** |
EP2975837A1 (en) * | 2014-07-18 | 2016-01-20 | Xiaomi Inc. | Camera shooting method and device |
CN105404696A (zh) * | 2015-12-23 | 2016-03-16 | 北京奇虎科技有限公司 | 一种相册照片下载实现方法、***和装置 |
CN106095884A (zh) * | 2016-06-03 | 2016-11-09 | 深圳码隆科技有限公司 | 一种基于图片的相关物品信息处理方法及装置 |
CN108268814A (zh) * | 2016-12-30 | 2018-07-10 | 广东精点数据科技股份有限公司 | 一种基于全局和局部特征模糊融合的人脸识别方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111557648A (zh) * | 2020-03-23 | 2020-08-21 | 广东艾诗凯奇智能科技有限公司 | 一种健康检测***、方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2020062788A1 (zh) | 2020-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9679074B2 (en) | Social genome | |
US20170286419A1 (en) | Content determining method and apparatus for intelligent device | |
CN109598434A (zh) | 异常预警方法、装置、计算机装置及存储介质 | |
CN106126009A (zh) | 一种应用图标管理的方法、装置以及终端 | |
CN103748580A (zh) | 基于姿势的搜索方法及*** | |
US20190205342A1 (en) | Identifying and structuring related data | |
CN107329991B (zh) | 一种列表页访问和展示方法及其*** | |
CN109471626A (zh) | 页面逻辑结构、页面生成方法、页面数据处理方法及装置 | |
CN110321546B (zh) | 账号识别、显示方法、装置、服务器、终端及存储介质 | |
CN111209374A (zh) | 数据查询展示方法、装置、计算机***及可读存储介质 | |
CN109934194A (zh) | 图片分类方法、边缘设备、***及存储介质 | |
EP3037985A1 (en) | Search method and system, search engine and client | |
CN108021629A (zh) | 一种广告素材数据生成方法、装置及*** | |
CN109492121A (zh) | 智能识别图片的方法、装置、服务器及存储介质 | |
CN104408193A (zh) | 数据可视化模型的处理方法及装置 | |
CN110489614A (zh) | 一种app推荐方法、装置及设备 | |
CN110532448B (zh) | 基于神经网络的文档分类方法、装置、设备及存储介质 | |
CN110083685B (zh) | 用于意图识别的数据配置方法及装置 | |
CN116229188A (zh) | 图像处理显示方法、分类模型的生成方法及其设备 | |
CN207408864U (zh) | 一种用于巡检、应急指挥的智能穿戴终端 | |
CN105373596A (zh) | 基于用户兴趣挖掘的移动终端和用户兴趣挖掘方法 | |
CN109492249A (zh) | 设计图的快速生成方法、装置及终端设备 | |
CN103164504A (zh) | 一种智能手机精细化图片搜索***及方法 | |
CN107870809A (zh) | 应用关闭方法、装置、存储介质及电子设备 | |
CN116205686A (zh) | 一种多媒体资源推荐的方法、装置、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1261706 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190319 |
|
WD01 | Invention patent application deemed withdrawn after publication |