CN109658392A - 净水机周边设备的正版化确定方法 - Google Patents
净水机周边设备的正版化确定方法 Download PDFInfo
- Publication number
- CN109658392A CN109658392A CN201811477283.3A CN201811477283A CN109658392A CN 109658392 A CN109658392 A CN 109658392A CN 201811477283 A CN201811477283 A CN 201811477283A CN 109658392 A CN109658392 A CN 109658392A
- Authority
- CN
- China
- Prior art keywords
- picture
- value
- function
- pixel
- cloud server
- 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 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 17
- 230000002093 peripheral effect Effects 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 9
- 239000007787 solid Substances 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000010295 mobile communication Methods 0.000 claims description 14
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000012634 fragment Substances 0.000 claims description 3
- 238000005316 response function Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000000746 purification Methods 0.000 claims 1
- 230000000717 retained effect Effects 0.000 claims 1
- 238000010438 heat treatment Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Color Image Communication Systems (AREA)
Abstract
本发明提供了一种便于自动化进行图片内容匹配进而帮助消费者自助地实现净水机周边设备的正版化确定方法,包括:(1)采集待识别的周边设备图片数据;(2)将图片数据传输到云服务器;(3)基于图片进行正版化确定;(4)信息反馈。本发明克服了现有技术中消费者缺乏专业知识无法判断故障配件的问题,且图片数据处理方面具有识别率高、识别错误率低的优点。经1000次试验,成功次数为895次;而且相比其他的图像识别方法具有需要的数据量小,尤其适合于消费者上传图片质量不清晰、解析度不高、尺寸小等情况。
Description
技术领域
本发明属于净水机技术领域,具体涉及一种净水机周边设备的正版化确定方法。
背景技术
净水机的款式是非常的多,普及速度也越来越快。其核心部件是加热单元和过滤单元。然而,市面上常常见到由劣质或假冒的、非原装的滤芯等净水机周边设备,其不仅损害消费者的健康,而且对净水机水质检测单元、加热单元等的适配不准也会造成净水机相应部件出现故障。
经检索,净水机配件正版化确定的技术问题尚未出现解决方案。与该目标类似的方案,申请人找到申请号为中国发明专利CN200510008589.0公开了一种具有正版电池识别功能的移动通信终端及其控制方法,其包含:1次正版认证步骤,移动通信终端从安装的电池接收正版认证数据并进行1次正版认证操作;2次认证数据记录步骤,在上述1次正版认证步骤后,移动通信终端将任意的认证确认数据输入到上述安装的电池的电池IC中;CRC结果值输出步骤,在上述2次认证数据记录步骤后,根据内置有电池IC的CRC认证公式,将对移动通信终端输入的数据进行CRC处理的结果值再传送到上述移动通信终端;2次认证失败步骤,在上述CRC结果值输出步骤后,当电池IC中输入的CRC结果值和移动通信终端中预先存储的CRC结果值不相同时,判断为不是正版电池并进行关机。
发明内容
鉴于以上分析,本发明的主要目的在于提供一种便于自动化进行图片内容匹配进而帮助消费者自助地实现净水机周边设备的正版化确定方法,从而确定滤芯等周边设备是否为原装,包括:
(1)采集待识别的周边设备图片数据;
(2)将图片数据传输到云服务器;
(3)基于图片进行正版化确定;
(4)信息反馈。
进一步地,所述步骤(1)包括采用智能移动通信设备获取待识别配件的至少两张图片。
进一步地,所述步骤(2)包括利用智能移动通信设备将采集到的图片上传到云服务器。
进一步地,所述步骤(3)包括对云服务器接收到的各图片进行粗处理,特征值的求取、特征值比较。
进一步地,所述智能移动通信设备包括智能手机。
进一步地,对图片进行粗处理包括:对图片进行光强平均操作,将各幅图片的共有图片区域保留,去掉图片左右两边的图片片段;
其中,图片特征值的求取包括:对云服务器接收到的图片之一进行压缩转换,生成解析度不小于128*128像素尺寸的彩色图片I,并构建单一颜色图片I’,该单一颜色图片I’为图片I在某种灰度下的对应图片,单一颜色图片I’的灰度值g由彩色空间线性表示为:
g=αrIr+αgIg+αbIb
其中αr≥0,αg≥0,αb≥0,αr+αg+αb=1
式中αr,αg,αb为待定参数,Ir,Ig,Ib是图片I的颜色通道值;
构建如下函数:
式中,x,y为像素点,1’为图片I的所有像素的集合,gx,gy分别为x和y的灰度值,δx,y为图片I转化为色彩模型空间的x,y像素点的欧几里得度量;
由像素点x,y和δx,y设置如下目标函数:
其中,Δgx,y=gx-gy,σ为尺度因子且为预设值,gx,y表示像素点(x,y)处的灰度值;
计算目标函数E(g)为最大值时的参数αr,αg,αb;
特征值的提取包括:为了降低云服务器接收到的各图片中光强对图片的影响,采用对比延伸函数模拟光强对图片的影响,利用哈里斯矩阵提取特征值,具体包括如下步骤:
设经过GAUSS滑动平均对上述单一颜色图片的灰度进行处理后得到的单一颜色图片满足如下分布G(x,y,σ),并构造L函数如下:
L(x,y,σ,ρ)=ρ·I(x,y)·G(x,y,σ)
式中,(x,y)表示上述单一颜色图片的像素点,各像素点的灰度值被表示为其各自灰度值本身与E(g)的最大模值max之间的商,ρ为缩放经验因子且等于目标函数E(g)为最大值时的αr,αg,αb的平方和,I’(x,y)为上述单一颜色图片的光强;
建立对比延伸函数,即:
其中,c为对比延伸中心且该中心为上述(x,y)表示的像素点之一,λ为预设的对比延伸斜率且等于ρ/max;利用哈里斯矩阵计算上述单一颜色图片的每个像素点的自相关矩阵:
其中x,y为像素点坐标,N为图片分辨率,则对比延伸图片特征响应函数为:
R(x,y,c)=detA(x,y,fc)-k(traceA(x,y,fc))2
其中,k为常数因子,det()函数表示求取方阵A的行列式的值的函数,trace()函数表示求矩阵的迹的函数;
以(x,y)为变量,求取函数R的定积分在x和y各自在0-255之间变化期间时的值,并将该值进行累加得到累加和,将该累加和作为彩色图片I的特征值Rt;
图片特征值比较包括:将上述彩色图片I记作待比较图片X’,设参考图片X与待比较图片X’之间的变换关系表示为如下转换矩阵H,所述参考图片X为云服务器中预先存储的净水机的各个正版化配件的图片:
其中,
(x′,y′)是参考图像的点,(x,y)是待此较图像中与上述点相对应的点;
计算(x’,y’)和(x,y)两点之间的欧式距离和Hamming距离,当这两个距离之间的比较差值小于预设阈值时进行信息反馈,否则将待比较图片X’替换为其他未与参考图片X比较过的、云服务器接收到的图片重复上述比较差值的计算,若小于预设阈值时进行信息反馈;如果云服务器接收到的所有图片与参考图片X之间的比较差值均不存在小于预设阈值的情况,则将参考图片X替换为未与云服务器接收到的各图片比较过的图片并继续进行上述比较差值的计算,直到所述比较差值小于预设阈值为止。
本发明具有如下有益效果:
本发明克服了现有技术中消费者缺乏专业知识无法判断故障配件的问题,且图片数据处理方面具有识别率高、识别错误率低的优点。经1000次试验,成功次数为895次;而且相比其他的图像识别方法具有需要的数据量小,尤其适合于消费者上传图片质量不清晰、解析度不高、尺寸小等情况。
附图说明
附图1为本发明的方法的流程图。
具体实施方式
如图1所示,根据本发明的优选实施例,提供了一种便于自动化进行图片内容匹配进而帮助消费者自助地实现净水机周边设备的正版化确定方法,包括:
(1)采集待识别的周边设备图片数据;
(2)将图片数据传输到云服务器;
(3)基于图片进行正版化确定;
(4)信息反馈。
优选地,所述步骤(1)包括采用智能移动通信设备获取待识别配件的至少两张图片。
优选地,所述步骤(2)包括利用智能移动通信设备将采集到的图片上传到云服务器。
优选地,所述步骤(3)包括对云服务器接收到的各图片进行粗处理,特征值的求取、特征值比较。
优选地,所述智能移动通信设备包括智能手机。
优选地,对图片进行粗处理包括:对图片进行光强平均操作,将各幅图片的共有图片区域保留,去掉图片左右两边的图片片段;
其中,图片特征值的求取包括:对云服务器接收到的图片之一进行压缩转换,生成解析度不小于128*128像素尺寸的彩色图片I,并构建单一颜色图片I’,该单一颜色图片I’为图片I在某种灰度下的对应图片,单一颜色图片I’的灰度值g由彩色空间线性表示为:
g=αrIr+αgIg+αbIb
其中αr≥0,αg≥0,αb≥0,αr+αg+αb=1
式中αr,αg,αb为待定参数,Ir,Ig,Ib是图片I的颜色通道值;
构建如下函数:
式中,x,y为像素点,1’为图片I的所有像素的集合,gx,gy分别为x和y的灰度值,δx,y为图片I转化为色彩模型空间的x,y像素点的欧几里得度量;
由像素点x,y和δx,y设置如下目标函数:
其中,Δgx,y=gx-gy,σ为尺度因子且为预设值,gx,y表示像素点(x,y)处的灰度值;
计算目标函数E(g)为最大值时的参数αr,αg,αb;
特征值的提取包括:为了降低云服务器接收到的各图片中光强对图片的影响,采用对比延伸函数模拟光强对图片的影响,利用哈里斯矩阵提取特征值,具体包括如下步骤:
设经过GAUSS滑动平均对上述单一颜色图片的灰度进行处理后得到的单一颜色图片满足如下分布G(x,y,σ),并构造L函数如下:
L(x,y,σ,ρ)=ρ·I(x,y)·G(x,y,σ)
式中,(x,y)表示上述单一颜色图片的像素点,各像素点的灰度值被表示为其各自灰度值本身与E(g)的最大模值max之间的商,ρ为缩放经验因子且等于目标函数E(g)为最大值时的αr,αg,αb的平方和,I’(x,y)为上述单一颜色图片的光强;
建立对比延伸函数,即:
其中,c为对比延伸中心且该中心为上述(x,y)表示的像素点之一,λ为预设的对比延伸斜率且等于ρ/max;利用哈里斯矩阵计算上述单一颜色图片的每个像素点的自相关矩阵:
其中x,y为像素点坐标,N为图片分辨率,则对比延伸图片特征响应函数为:
R(x,y,c)=detA(x,y,fc)-k(traceA(x,y,fc))2
其中,k为常数因子,det()函数表示求取方阵A的行列式的值的函数,trace()函数表示求矩阵的迹的函数;
以(x,y)为变量,求取函数R的定积分在x和y各自在0-255之间变化期间时的值,并将该值进行累加得到累加和,将该累加和作为彩色图片I的特征值Rt;
图片特征值比较包括:将上述彩色图片I记作待比较图片X’,设参考图片X与待比较图片X’之间的变换关系表示为如下转换矩阵H,所述参考图片X为云服务器中预先存储的净水机的各个正版化配件的图片:
其中,
(x′,y′)是参考图像的点,(x,y)是待此较图像中与上述点相对应的点;
计算(x’,y’)和(x,y)两点之间的欧式距离和Hamming距离,当这两个距离之间的比较差值小于预设阈值时进行信息反馈,否则将待比较图片X’替换为其他未与参考图片X比较过的、云服务器接收到的图片重复上述比较差值的计算,若小于预设阈值时进行信息反馈;如果云服务器接收到的所有图片与参考图片X之间的比较差值均不存在小于预设阈值的情况,则将参考图片X替换为未与云服务器接收到的各图片比较过的图片并继续进行上述比较差值的计算,直到所述比较差值小于预设阈值为止。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种净水机周边设备的正版化确定方法,包括:
(1)采集待识别的周边设备图片数据;
(2)将图片数据传输到云服务器;
(3)基于图片进行正版化确定;
(4)信息反馈。
2.根据权利要求1所述的方法,其特征在于,所述步骤(1)包括采用智能移动通信设备获取待识别配件的至少两张图片。
3.根据权利要求2所述的方法,其特征在于,所述步骤(2)包括利用智能移动通信设备将采集到的图片上传到云服务器。
4.根据权利要求3所述的方法,其特征在于,所述步骤(3)包括对云服务器接收到的各图片进行粗处理,特征值的求取、特征值比较。
5.根据权利要求1所述的方法,其特征在于,所述智能移动通信设备包括智能手机。
6.根据权利要求4所述的方法,其特征在于,对图片进行粗处理包括:对图片进行光强平均操作,将各幅图片的共有图片区域保留,去掉图片左右两边的图片片段;
其中,图片特征值的求取包括:对云服务器接收到的图片之一进行压缩转换,生成解析度不小于128*128像素尺寸的彩色图片I,并构建单一颜色图片I’,该单一颜色图片I’为图片I在某种灰度下的对应图片,单一颜色图片I’的灰度值g由彩色空间线性表示为:
g=αrIr+αgIg+αbIb
其中αr≥0,αg≥0,αb≥0,αr+αg+αb=1
式中αr,αg,αb为待定参数,Ir,Ig,Ib是图片I的颜色通道值;
构建如下函数:
式中,x,y为像素点,I’为图片I的所有像素的集合,gx,gy分别为x和y的灰度值,δx,y为图片I转化为色彩模型空间的x,y像素点的欧几里得度量;
由像素点x,y和δx,y设置如下目标函数:
其中,Δgx,y=gx-gy,σ为尺度因子且为预设值,gx,y表示像素点(x,y)处的灰度值;
计算目标函数E(g)为最大值时的参数αr,αg,αb;
特征值的提取包括:为了降低云服务器接收到的各图片中光强对图片的影响,采用对比延伸函数模拟光强对图片的影响,利用哈里斯矩阵提取特征值,具体包括如下步骤:
设经过GAUSS滑动平均对上述单一颜色图片的灰度进行处理后得到的单一颜色图片满足如下分布G(x,y,σ),并构造L函数如下:
L(x,y,σ,ρ)=ρ·I(x,y)·G(x,y,σ)
式中,(x,y)表示上述单一颜色图片的像素点,各像素点的灰度值被表示为其各自灰度值本身与E(g)的最大模值max之间的商,ρ为缩放经验因子且等于目标函数E(g)为最大值时的αr,αg,αb的平方和,I′(x,y)为上述单一颜色图片的光强;
建立对比延伸函数,即:
其中,c为对比延伸中心且该中心为上述(x,y)表示的像素点之一,λ为预设的对比延伸斜率且等于ρ/max;利用哈里斯矩阵计算上述单一颜色图片的每个像素点的自相关矩阵:
其中x,y为像素点坐标,N为图片分辨率,则对比延伸图片特征响应函数为:
R(x,y,c)=detA(x,y,fc)-k(traceA(x,y,fc))2
其中,k为常数因子,det()函数表示求取方阵A的行列式的值的函数,trace()函数表示求矩阵的迹的函数;
以(x,y)为变量,求取函数R的定积分在x和y各自在0-255之间变化期间时的值,并将该值进行累加得到累加和,将该累加和作为彩色图片I的特征值Rt;
图片特征值比较包括:将上述彩色图片I记作待比较图片X’,设参考图片X与待比较图片X’之间的变换关系表示为如下转换矩阵H,所述参考图片X为云服务器中预先存储的净水机的各个正版化配件的图片:
其中,
(x′,y′)是参考图像的点,(x,y)是待比较图像中与上述点相对应的点;
计算(x’,y’)和(x,y)两点之间的欧式距离和Hamming距离,当这两个距离之间的比较差值小于预设阈值时进行信息反馈,否则将待比较图片X’替换为其他未与参考图片X比较过的、云服务器接收到的图片重复上述比较差值的计算,若小于预设阈值时进行信息反馈;如果云服务器接收到的所有图片与参考图片X之间的比较差值均不存在小于预设阈值的情况,则将参考图片X替换为未与云服务器接收到的各图片比较过的图片并继续进行上述比较差值的计算,直到所述比较差值小于预设阈值为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811477283.3A CN109658392A (zh) | 2018-12-05 | 2018-12-05 | 净水机周边设备的正版化确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811477283.3A CN109658392A (zh) | 2018-12-05 | 2018-12-05 | 净水机周边设备的正版化确定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109658392A true CN109658392A (zh) | 2019-04-19 |
Family
ID=66112507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811477283.3A Pending CN109658392A (zh) | 2018-12-05 | 2018-12-05 | 净水机周边设备的正版化确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109658392A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054168A (zh) * | 2010-12-23 | 2011-05-11 | 武汉大学苏州研究院 | 一种有价票据圆形印鉴识别方法 |
WO2016077934A1 (en) * | 2014-11-21 | 2016-05-26 | Le Henaff Guy | System and method for detecting the authenticity of products |
CN105677728A (zh) * | 2015-12-28 | 2016-06-15 | 广东正美家具科技有限公司 | 物体图像识别分类管理方法 |
CN106056390A (zh) * | 2016-05-31 | 2016-10-26 | 佛山市云米电器科技有限公司 | 一种***耗材部件的防伪智能识别方法 |
CN106327206A (zh) * | 2015-06-26 | 2017-01-11 | 爱工艺株式会社 | 正品认证工具及正品认证*** |
CN106682124A (zh) * | 2016-12-09 | 2017-05-17 | 百度在线网络技术(北京)有限公司 | 一种图片识别方法、装置和设备 |
CN108802052A (zh) * | 2018-07-23 | 2018-11-13 | 西安工程大学 | 一种关于拉链缺陷的检测***及其检测方法 |
-
2018
- 2018-12-05 CN CN201811477283.3A patent/CN109658392A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054168A (zh) * | 2010-12-23 | 2011-05-11 | 武汉大学苏州研究院 | 一种有价票据圆形印鉴识别方法 |
WO2016077934A1 (en) * | 2014-11-21 | 2016-05-26 | Le Henaff Guy | System and method for detecting the authenticity of products |
CN106327206A (zh) * | 2015-06-26 | 2017-01-11 | 爱工艺株式会社 | 正品认证工具及正品认证*** |
CN105677728A (zh) * | 2015-12-28 | 2016-06-15 | 广东正美家具科技有限公司 | 物体图像识别分类管理方法 |
CN106056390A (zh) * | 2016-05-31 | 2016-10-26 | 佛山市云米电器科技有限公司 | 一种***耗材部件的防伪智能识别方法 |
CN106682124A (zh) * | 2016-12-09 | 2017-05-17 | 百度在线网络技术(北京)有限公司 | 一种图片识别方法、装置和设备 |
CN108802052A (zh) * | 2018-07-23 | 2018-11-13 | 西安工程大学 | 一种关于拉链缺陷的检测***及其检测方法 |
Non-Patent Citations (2)
Title |
---|
孟琭: "《计算机视觉原理与应用》", 30 November 2012 * |
赵小川: "《MATLAB图像处理一能力提高与应用案例》", 31 January 2014 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ni et al. | ESIM: Edge similarity for screen content image quality assessment | |
WO2020098250A1 (zh) | 字符识别方法、服务器及计算机可读存储介质 | |
Wang et al. | NMF-based image quality assessment using extreme learning machine | |
Shang et al. | Federated learning on heterogeneous and long-tailed data via classifier re-training with federated features | |
CN110147710B (zh) | 人脸特征的处理方法、装置和存储介质 | |
JP6718978B2 (ja) | システム言語切替方法およびシステム言語切替端末機器 | |
CN106708951B (zh) | 支持所有权认证的客户端图像模糊去重方法 | |
CN107026831B (zh) | 一种身份识别方法和装置 | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
CN113505854B (zh) | 一种人脸图像质量评价模型构建方法、装置、设备及介质 | |
Duan et al. | Optimizing JPEG quantization table for low bit rate mobile visual search | |
CN108734520B (zh) | 一种基于机器学习的玉石价格评估方法及装置 | |
CN108764321B (zh) | 图像识别方法和装置、电子设备、存储介质 | |
CN107547850A (zh) | 大数据处理方法及大数据处理装置 | |
Pevný et al. | Optimizing pooling function for pooled steganalysis | |
CN104914105A (zh) | 一种基于图像识别技术的茶叶等级鉴定方法 | |
CN106447295A (zh) | 一种签核文件模板生成方法及装置 | |
CN111898520A (zh) | 证件真伪识别方法、装置、计算机可读介质及电子设备 | |
CN102292746B (zh) | 图像标识符提取装置 | |
CN111355671B (zh) | 基于自注意机制的网络流量分类方法、介质及终端设备 | |
CN105957020B (zh) | 图像生成装置以及图像生成方法 | |
CN107809343B (zh) | 一种网络协议识别方法及装置 | |
CN102647542A (zh) | 图像处理设备和图像处理方法 | |
US10803353B2 (en) | Method and apparatus for acquiring information | |
CN112348739B (zh) | 图像处理方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190419 |