CN111125410A - 一种海量图形图像智能识别检索*** - Google Patents
一种海量图形图像智能识别检索*** Download PDFInfo
- Publication number
- CN111125410A CN111125410A CN201911320080.8A CN201911320080A CN111125410A CN 111125410 A CN111125410 A CN 111125410A CN 201911320080 A CN201911320080 A CN 201911320080A CN 111125410 A CN111125410 A CN 111125410A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- retrieval
- identification
- electrically connected
- 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
- 238000012545 processing Methods 0.000 claims abstract description 82
- 230000008676 import Effects 0.000 claims abstract description 11
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 8
- 230000010354 integration Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 13
- 230000009467 reduction Effects 0.000 claims description 13
- 238000009877 rendering Methods 0.000 claims description 13
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012216 screening Methods 0.000 abstract description 4
- 239000003086 colorant Substances 0.000 abstract 1
- 238000000034 method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information 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)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种海量图形图像智能识别检索***，包括中央处理模块、图像数据导入模块和用户登录模块，所述图像数据导入模块的输出端与中央处理模块的输入端电性连接，且中央处理模块与用户登录模块实现双向电性连接，本发明涉及图像识别检索技术领域。该海量图形图像智能识别检索***，可实现对图像中的色彩特征和连续性动态特征进行识别检索，很好的达到了既能够进行形状特征识别检索又能够进行色彩和动态特征检索的目的，实现了通过将这三种特征结合起来缩小海量图像数据的检索范围，很好的丰富了检索功能，缩小了检索范围，无需花费检索人员大量的等待和筛选时间，大大节省了检索人员的工作时间。
Description
技术领域
本发明涉及图像识别检索技术领域，具体为一种海量图形图像智能识别检索***。
背景技术
从20世纪70年代开始，有关图像检索的研究就已开始，当时主要是基于文本的图像检索技术，简称TBIR，利用文本描述的方式描述图像的特征，如绘画作品的作者、年代、流派、尺寸等，到90年代以后，出现了对图像的内容语义，如图像的纹理和布局等进行分析和检索的图像检索技术，即基于内容的图像检索，简称CBIR技术，CBIR属于基于内容检索，简称CBR的一种，CBR中还包括对视频和音频等其它形式多媒体信息的检索技术，在检索原理上，无论是基于文本的图像检索还是基于内容的图像检索，主要包括三方面：一方面对用户需求的分析和转化，形成可以检索索引数据库的提问；另一方面，收集和加工图像资源，提取特征，分析并进行标引，建立图像的索引数据库；最后一方面是根据相似度算法，计算用户提问与索引数据库中记录的相似度大小，提取出满足阈值的记录作为结果，按照相似度降序的方式输出，为了进一步提高检索的准确性，许多***结合相关反馈技术来收集用户对检索结果的反馈信息，这在CBIR中显得更为突出，因为CBIR实现的是逐步求精的图像检索过程，在同一次检索过程中需要不断地与用户进行交互。
目前在对海量图像进行识别检索时，大多是采用并行检索方式进行图像检索，然而，这样的检索方法较为单一，只能对图像中的一些形状特征进行识别检索，仍需花费检索人员大量的等待和筛选时间，不能实现对图像中的色彩特征和连续性动态特征进行识别检索，无法达到既能够进行形状特征识别检索又能够进行色彩和动态特征检索的目的，不能实现通过将这三种特征结合起来来缩小海量图像数据的检索范围，大大浪费了检索人员的工作时间，从而给检索人员的图像识别检索工作带来极大的不便。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种海量图形图像智能识别检索***，解决了现有的检索方法较为单一，只能对图像中的一些形状特征进行识别检索，仍需花费检索人员大量的等待和筛选时间，不能实现对图像中的色彩特征和连续性动态特征进行识别检索，无法达到既能够进行形状特征识别检索又能够进行色彩和动态特征检索的目的，不能实现通过将这三种特征结合起来来缩小海量图像数据的检索范围，大大浪费了检索人员工作时间的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种海量图形图像智能识别检索***，包括中央处理模块、图像数据导入模块和用户登录模块，所述图像数据导入模块的输出端与中央处理模块的输入端电性连接，且中央处理模块与用户登录模块实现双向电性连接，所述中央处理模块分别与用户交互单元、图像检索识别单元、图像处理单元和图像分布式并行处理单元实现双向电性连接，且用户交互单元包括图形类型选择模块、检索图像建模模块、检索图像渲染模块和连续图像特征整合模块，所述图像检索识别单元包括常规图像检索识别模块、连续图像检索识别单元和色彩图形检索识别模块。
优选的，所述图形类型选择模块的输出端与检索图像建模模块的输入端电性连接，且检索图像建模模块的输出端与检索图像渲染模块的输入端电性连接，所述检索图像渲染模块的输出端与连续图像特征整合模块的输入端电性连接。
优选的，所述连续图像检索识别单元包括连续图像模型导入模块、数据库配比模块和识别评价模块。
优选的，所述连续图像模型导入模块的输出端与数据库配比模块的输入端电性连接，且数据库配比模块的输出端与识别评价模块的输入端电性连接。
优选的，所述图像处理单元包括图像降维算法处理模块、A/D转换模块、图像特征矩阵提取模块和特征识别模块，所述图像降维算法处理模块的输出端与A/D转换模块的输入端电性连接。
优选的，所述A/D转换模块的输出端与图像特征矩阵提取模块的输入端电性连接，且图像特征矩阵提取模块的输出端与特征识别模块的输入端电性连接。
优选的，所述图像分布式并行处理单元包括并行线路选择模块、处理总线数据传输模块和并行线路数据分配模块，所述并行线路选择模块的输出端与处理总线数据传输模块的输入端电性连接，且处理总线数据传输模块的输出端与并行线路数据分配模块的输入端电性连接。
优选的，所述中央处理模块分别与检索图像特征整合模块和***安全防护模块实现双向电性连接，且检索图像特征整合模块的输出端与图像处理单元的输入端电性连接。
(三)有益效果
本发明提供了一种海量图形图像智能识别检索***。与现有技术相比具备以下有益效果：
(1)、该海量图形图像智能识别检索***，通过在中央处理模块分别与用户交互单元、图像检索识别单元、图像处理单元和图像分布式并行处理单元实现双向电性连接，且用户交互单元包括图形类型选择模块、检索图像建模模块、检索图像渲染模块和连续图像特征整合模块，图像检索识别单元包括常规图像检索识别模块、连续图像检索识别单元和色彩图形检索识别模块，可实现对图像中的色彩特征和连续性动态特征进行识别检索，很好的达到了既能够进行形状特征识别检索又能够进行色彩和动态特征检索的目的，实现了通过将这三种特征结合起来缩小海量图像数据的检索范围，很好的丰富了检索功能，缩小了检索范围，无需花费检索人员大量的等待和筛选时间，大大节省了检索人员的工作时间，从而大大方便了检索人员的图像识别检索工作。
(2)、该海量图形图像智能识别检索***，通过在图像处理单元包括图像降维算法处理模块、A/D转换模块、图像特征矩阵提取模块和特征识别模块，图像降维算法处理模块的输出端与A/D转换模块的输入端电性连接，A/D转换模块的输出端与图像特征矩阵提取模块的输入端电性连接，且图像特征矩阵提取模块的输出端与特征识别模块的输入端电性连接，可实现对待进行识别的数据进行预处理，从而使建模数据能够与需要匹配的数据进行快速配对，很好的节省了数据匹配时间。
附图说明
图1为本发明***的结构原理框图；
图2为本发明图像处理单元的结构原理框图；
图3为本发明图像分布式并行处理单元的结构原理框图。
图中，1中央处理模块、2图像数据导入模块、3用户登录模块、4用户交互单元、41图形类型选择模块、42检索图像建模模块、43检索图像渲染模块、44连续图像特征整合模块、5图像检索识别单元、51常规图像检索识别模块、52连续图像检索识别单元、521连续图像模型导入模块、522数据库配比模块、523识别评价模块、53色彩图形检索识别模块、6图像处理单元、61图像降维算法处理模块、62A/D转换模块、63图像特征矩阵提取模块、64特征识别模块、7图像分布式并行处理单元、71并行线路选择模块、72处理总线数据传输模块、73并行线路数据分配模块、8检索图像特征整合模块、9***安全防护模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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。
请参阅图1-3，本发明实施例提供一种技术方案：一种海量图形图像智能识别检索***，包括中央处理模块1、图像数据导入模块2和用户登录模块3，图像数据导入模块2的输出端与中央处理模块1的输入端电性连接，且中央处理模块1与用户登录模块3实现双向电性连接，中央处理模块1分别与用户交互单元4、图像检索识别单元5、图像处理单元6和图像分布式并行处理单元7实现双向电性连接，且用户交互单元4包括图形类型选择模块41、检索图像建模模块42、检索图像渲染模块43和连续图像特征整合模块44，通过用户交互单元4与整个识别检索***进行交互，此时用户可通过图像类型选择模块41先将待识别检索的图像类型进行选择限定，然后通过检索图像建模模块42根据待检索图像的特征进行建模处理，之后通过检索图像渲染模块43将图像特征内的色彩特征进行渲染，并匹配成检索特征，然后通过连续图像特征整合模块44将所需检索的两个或两个以上图像特征进行整合成动态特征，图像检索识别单元5包括常规图像检索识别模块51、连续图像检索识别单元52和色彩图形检索识别模块53，图形类型选择模块41的输出端与检索图像建模模块42的输入端电性连接，且检索图像建模模块42的输出端与检索图像渲染模块43的输入端电性连接，检索图像渲染模块43的输出端与连续图像特征整合模块44的输入端电性连接，连续图像检索识别单元52包括连续图像模型导入模块521、数据库配比模块522和识别评价模块523，连续图像模型导入模块521的输出端与数据库配比模块522的输入端电性连接，且数据库配比模块522的输出端与识别评价模块523的输入端电性连接，当对动态特征图像进行识别检索时，通过连续图像检索识别单元52内的连续图像模型导入模块521将创建的动态特征模型导入***内，然后通过数据库匹配模块522进行数据匹配处理，之后通过识别评价模块523进行匹配程度评估，评估值达到合格值后，即可确定连续动态图像信息，图像处理单元6包括图像降维算法处理模块61、A/D转换模块62、图像特征矩阵提取模块63和特征识别模块64，中央处理模块1控制图像处理单元6内的图像降维算法处理模块61对图像进行降维处理，并通过A/D转换模块62转换成二进制数据，之后通过图像特征矩阵提取模块63提取与所需常规图像特征或色彩图像特征相匹配的特征矩阵，然后通过特征识别模块64对提取的特征进行再次的识别，若识别成功后即可确定图像信息，图像降维算法处理模块61的输出端与A/D转换模块62的输入端电性连接，A/D转换模块62的输出端与图像特征矩阵提取模块63的输入端电性连接，且图像特征矩阵提取模块63的输出端与特征识别模块64的输入端电性连接，图像分布式并行处理单元7包括并行线路选择模块71、处理总线数据传输模块72和并行线路数据分配模块73，并行线路选择模块71的输出端与处理总线数据传输模块72的输入端电性连接，且处理总线数据传输模块72的输出端与并行线路数据分配模块73的输入端电性连接，中央处理模块1控制图像分布式并行处理单元7内的并行线路选择模块71确定处理的线路数量，然后通过处理总线数据传输模块72进行总线数据传输，之后通过并行线路数据分配模块73进行线路数据分配处理，中央处理模块1分别与检索图像特征整合模块8和***安全防护模块9实现双向电性连接，且检索图像特征整合模块8的输出端与图像处理单元6的输入端电性连。
使用时，首先用户先通过用户登录模块3进行登录，登录成功后即可通过用户交互单元4与整个识别检索***进行交互，此时用户可通过图像类型选择模块41先将待识别检索的图像类型进行选择限定，然后通过检索图像建模模块42根据待检索图像的特征进行建模处理，之后通过检索图像渲染模块43将图像特征内的色彩特征进行渲染，并匹配成检索特征，然后通过连续图像特征整合模块44将所需检索的两个或两个以上图像特征进行整合成动态特征，可通过图像数据导入模块2将外界的海量图像数据导入***内，然后中央处理模块1控制图像分布式并行处理单元7内的并行线路选择模块71确定处理的线路数量，然后通过处理总线数据传输模块72进行总线数据传输，之后通过并行线路数据分配模块73进行线路数据分配处理。
当识别的是常规图像或带有色彩的图像时，通过中央处理模块1控制图像检索识别单元5内的常规图像检索识别模块51和色彩图像检索识别模块53进行检索，然后中央处理模块1控制图像处理单元6内的图像降维算法处理模块61对图像进行降维处理，并通过A/D转换模块62转换成二进制数据，之后通过图像特征矩阵提取模块63提取与所需常规图像特征或色彩图像特征相匹配的特征矩阵，然后通过特征识别模块64对提取的特征进行再次的识别，若识别成功后即可确定图像信息，当对动态特征图像进行识别检索时，通过连续图像检索识别单元52内的连续图像模型导入模块521将创建的动态特征模型导入***内，然后通过数据库匹配模块522进行数据匹配处理，之后通过识别评价模块523进行匹配程度评估，评估值达到合格值后，即可确定连续动态图像信息，这样就完成了该海量图形图像智能识别检索***的整个工作过程。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种海量图形图像智能识别检索***，包括中央处理模块(1)、图像数据导入模块(2)和用户登录模块(3)，所述图像数据导入模块(2)的输出端与中央处理模块(1)的输入端电性连接，且中央处理模块(1)与用户登录模块(3)实现双向电性连接，其特征在于：所述中央处理模块(1)分别与用户交互单元(4)、图像检索识别单元(5)、图像处理单元(6)和图像分布式并行处理单元(7)实现双向电性连接，且用户交互单元(4)包括图形类型选择模块(41)、检索图像建模模块(42)、检索图像渲染模块(43)和连续图像特征整合模块(44)，所述图像检索识别单元(5)包括常规图像检索识别模块(51)、连续图像检索识别单元(52)和色彩图形检索识别模块(53)。
2.根据权利要求1所述的一种海量图形图像智能识别检索***，其特征在于：所述图形类型选择模块(41)的输出端与检索图像建模模块(42)的输入端电性连接，且检索图像建模模块(42)的输出端与检索图像渲染模块(43)的输入端电性连接，所述检索图像渲染模块(43)的输出端与连续图像特征整合模块(44)的输入端电性连接。
3.根据权利要求1所述的一种海量图形图像智能识别检索***，其特征在于：所述连续图像检索识别单元(52)包括连续图像模型导入模块(521)、数据库配比模块(522)和识别评价模块(523)。
4.根据权利要求3所述的一种海量图形图像智能识别检索***，其特征在于：所述连续图像模型导入模块(521)的输出端与数据库配比模块(522)的输入端电性连接，且数据库配比模块(522)的输出端与识别评价模块(523)的输入端电性连接。
5.根据权利要求1所述的一种海量图形图像智能识别检索***，其特征在于：所述图像处理单元(6)包括图像降维算法处理模块(61)、A/D转换模块(62)、图像特征矩阵提取模块(63)和特征识别模块(64)，所述图像降维算法处理模块(61)的输出端与A/D转换模块(62)的输入端电性连接。
6.根据权利要求5所述的一种海量图形图像智能识别检索***，其特征在于：所述A/D转换模块(62)的输出端与图像特征矩阵提取模块(63)的输入端电性连接，且图像特征矩阵提取模块(63)的输出端与特征识别模块(64)的输入端电性连接。
7.根据权利要求1所述的一种海量图形图像智能识别检索***，其特征在于：所述图像分布式并行处理单元(7)包括并行线路选择模块(71)、处理总线数据传输模块(72)和并行线路数据分配模块(73)，所述并行线路选择模块(71)的输出端与处理总线数据传输模块(72)的输入端电性连接，且处理总线数据传输模块(72)的输出端与并行线路数据分配模块(73)的输入端电性连接。
8.根据权利要求1所述的一种海量图形图像智能识别检索***，其特征在于：所述中央处理模块(1)分别与检索图像特征整合模块(8)和***安全防护模块(9)实现双向电性连接，且检索图像特征整合模块(8)的输出端与图像处理单元(6)的输入端电性连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911320080.8A CN111125410A (zh) | 2019-12-19 | 2019-12-19 | 一种海量图形图像智能识别检索*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911320080.8A CN111125410A (zh) | 2019-12-19 | 2019-12-19 | 一种海量图形图像智能识别检索*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111125410A true CN111125410A (zh) | 2020-05-08 |
Family
ID=70500356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911320080.8A Pending CN111125410A (zh) | 2019-12-19 | 2019-12-19 | 一种海量图形图像智能识别检索*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111125410A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114248490A (zh) * | 2021-12-06 | 2022-03-29 | 汇源印刷包装科技（天津）股份有限公司 | 一种自动制盒机的故障自检*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102831187A (zh) * | 2012-08-02 | 2012-12-19 | 成都众合云盛科技有限公司 | 基于内容的图像检索*** |
| CN103927387A (zh) * | 2014-04-30 | 2014-07-16 | 成都理想境界科技有限公司 | 图像检索***及其相关方法和装置 |
| CN104021229A (zh) * | 2014-06-25 | 2014-09-03 | 厦门大学 | 一种用于商标图像检索的形状表示与匹配方法 |
| CN104462481A (zh) * | 2014-12-18 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种基于颜色和形状的综合图像检索方法 |
| CN105574035A (zh) * | 2014-10-16 | 2016-05-11 | 西安景行数创信息科技有限公司 | 海量图形图像智能识别检索***及其检索方法 |
| CN107004025A (zh) * | 2015-03-13 | 2017-08-01 | 株式会社日立制作所 | 图像检索装置及检索图像的方法 |
-
2019
- 2019-12-19 CN CN201911320080.8A patent/CN111125410A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102831187A (zh) * | 2012-08-02 | 2012-12-19 | 成都众合云盛科技有限公司 | 基于内容的图像检索*** |
| CN103927387A (zh) * | 2014-04-30 | 2014-07-16 | 成都理想境界科技有限公司 | 图像检索***及其相关方法和装置 |
| CN104021229A (zh) * | 2014-06-25 | 2014-09-03 | 厦门大学 | 一种用于商标图像检索的形状表示与匹配方法 |
| CN105574035A (zh) * | 2014-10-16 | 2016-05-11 | 西安景行数创信息科技有限公司 | 海量图形图像智能识别检索***及其检索方法 |
| CN104462481A (zh) * | 2014-12-18 | 2015-03-25 | 浪潮(北京)电子信息产业有限公司 | 一种基于颜色和形状的综合图像检索方法 |
| CN107004025A (zh) * | 2015-03-13 | 2017-08-01 | 株式会社日立制作所 | 图像检索装置及检索图像的方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114248490A (zh) * | 2021-12-06 | 2022-03-29 | 汇源印刷包装科技（天津）股份有限公司 | 一种自动制盒机的故障自检*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109992645B (zh) | 一种基于文本数据的资料管理***及方法 | |
| CN109189991B (zh) | 重复视频识别方法、装置、终端及计算机可读存储介质 | |
| CN110825877A (zh) | 一种基于文本聚类的语义相似度分析方法 | |
| CN102915299A (zh) | 一种分词方法及装置 | |
| CN111061837A (zh) | 话题识别方法、装置、设备及介质 | |
| CN115203421A (zh) | 一种长文本的标签生成方法、装置、设备及存储介质 | |
| CN113761242A (zh) | 一种基于人工智能的大数据图像识别***及方法 | |
| CN101515286A (zh) | 基于图像特征多级过滤的图像匹配方法 | |
| CN111597416A (zh) | 一种基于大数据处理的匹配推送*** | |
| CN111522950A (zh) | 一种针对非结构化海量文本敏感数据的快速识别*** | |
| CN109241315B (zh) | 一种基于深度学习的快速人脸检索方法 | |
| CN111125410A (zh) | 一种海量图形图像智能识别检索*** | |
| CN107943937B (zh) | 一种基于司法***息分析的债务人资产监控方法及*** | |
| CN103020630B (zh) | 图像特征的处理方法和装置 | |
| CN106709050A (zh) | 一种环境法学案例储存查询*** | |
| CN112148938B (zh) | 一种跨域异构数据检索***及检索方法 | |
| CN112732646A (zh) | 文件的搜索方法、搜索装置和电子设备 | |
| CN116595043A (zh) | 一种大数据检索方法及装置 | |
| CN111666263A (zh) | 一种数据湖环境下异构数据管理的实现方法 | |
| CN114077682B (zh) | 一种图像检索智能识别匹配处理方法、***和存储介质 | |
| CN112967759B (zh) | 基于内存堆栈技术的dna物证鉴定str分型比对方法 | |
| CN110895541A (zh) | 一种Timing云数据统计智能化平台 | |
| Yan et al. | Research on Application Value Analysis of Real Estate Registration Based on Big Data Mining | |
| CN110990430A (zh) | 一种大规模数据并行处理*** | |
| Cheng et al. | Content-based video retrieval using the shot cluster tree |
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 |
Application publication date: 20200508 |
|
| RJ01 | Rejection of invention patent application after publication |