CN111340114A - 图像的匹配方法及装置、存储介质和电子装置 - Google Patents
图像的匹配方法及装置、存储介质和电子装置 Download PDFInfo
- Publication number
- CN111340114A CN111340114A CN202010121649.4A CN202010121649A CN111340114A CN 111340114 A CN111340114 A CN 111340114A CN 202010121649 A CN202010121649 A CN 202010121649A CN 111340114 A CN111340114 A CN 111340114A
- Authority
- CN
- China
- Prior art keywords
- image
- feature points
- matching
- images
- matched
- 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 38
- 238000004590 computer program Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 8
- 239000000463 material Substances 0.000 description 7
- 230000005540 biological transmission Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种图像的匹配方法及装置、存储介质和电子装置,包括:将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个所述第一图像与所述第二图像匹配特征点的数量;确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像。通过本发明,解决了图片匹配的精准度较低的问题,进而达到了提高图片匹配精准度的效果。
Description
技术领域
本发明涉及通信领域,具体而言,涉及一种图像的匹配方法及装置、存储介质和电子装置。
背景技术
在线下广告监测中,需要将线下广告图片与素材图片进行匹配。由于拍摄标准的不同,线下收集的广告图片会有很多问题:比如模糊,广告占比太小,角度旋转,曝光过高,曝光过低等问题,而且线下广告匹配的问题往往是局部匹配的问题,目前的图片匹配方法无法满足线下广告图片的局部和素材图片进行匹配的精准度。
针对相关技术中,图片匹配的精准度较低的问题,目前尚未存在有效的解决方案。
发明内容
本发明实施例提供了一种图像的匹配方法及装置、存储介质和电子装置,以至少解决相关技术中图片匹配的精准度较低的问题。
根据本发明的一个实施例,提供了一种图像的匹配方法,包括:将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个所述第一图像与所述第二图像匹配特征点的数量;确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像。
可选地,在所述将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配之前,所述方法包括:对所述至少两个第一图像中的每个第一图像进行特征点提取,在每个所述第一图像中提取出N个第一特征点,并为每个所述第一图像中提取出的每个第一特征点建立索引;在第二图像中提取出M个第二特征点,其中,M大于或等于1。
可选地,所述确定每个所述第一图像与所述第二图像匹配特征点的数量,包括:确定所述N个第一特征点中的每个特征点分别与所述M个特征点中的每个特征点之间的相似度;将所述N个第一特征点中相似度大于或等于第二预设阈值的特征点作为所述匹配特征点;统计所述匹配特征点的数量。
可选地,统计所述匹配特征点的数量,包括:根据所述匹配特征点的索引确定与所述匹配特征点相对应的第一图像;统计所述至少两个第一图像中的每个所述第一图像的匹配特征点的数量。
可选地,确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像,包括:按照所述匹配特征点的数量由高到低的顺序对所述至少两个第一图像进行排序;确定排序最靠前的第一图像为所述匹配图像。
根据本发明的另一个实施例,提供了一种图像的匹配装置,包括:匹配模块,用于将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个所述第一图像与所述第二图像匹配特征点的数量;确定模块,用于确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像。
可选地,所述装置还包括:第一提取模块,用于在所述将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配之前,对所述至少两个第一图像中的每个第一图像进行特征点提取,在每个所述第一图像中提取出N个第一特征点,并为每个所述第一图像中提取出的每个第一特征点建立索引;第二提取模块,用于在第二图像中提取出M个第二特征点,其中,M大于或等于1。
可选地,所述匹配模块包括:确定单元,用于确定所述N个第一特征点中的每个特征点分别与所述M个特征点中的每个特征点之间的相似度;处理单元,用于将所述N个第一特征点中相似度大于或等于第二预设阈值的特征点作为所述匹配特征点;统计单元,用于统计所述匹配特征点的数量。
根据本发明的又一个实施例,还提供了一种存储介质,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
通过本发明,由于将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个第一图像与第二图像匹配特征点的数量;确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像因此,可以解决相关技术中图片匹配的精准度较低的问题,达到提高图片匹配精准度的效果。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例的一种图像的匹配方法的移动终端的硬件结构框图;
图2是根据本发明实施例的图像的匹配方法的流程图;
图3是根据本发明一个可选实施例的一种图像的匹配方法示意图一;
图4是根据本发明一个可选实施例的一种图像的匹配方法示意图二;
图5是根据本发明实施例的图像的匹配装置的结构框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
需要说明的是,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”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种图像的匹配方法的移动终端的硬件结构框图。如图1所示,移动终端10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的图像的匹配方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
在本实施例中提供了一种运行于上述移动终端的图像的匹配方法,图2是根据本发明实施例的图像的匹配方法的流程图,如图2所示,该流程包括如下步骤:
步骤S202,将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个所述第一图像与所述第二图像匹配特征点的数量;
其中,第一图像可以是素材图像,第二图像是待匹配的广告图片。
步骤S204,确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像。
其中,第一预设阈值可以根据实际图片的情况而定,例如,对于特征点较多的图片,第一预设阈值可以设置的大一些,如500、800、1000等,对于特征点较少的图片,第一预设阈值可以设置的小一些,例如50、80、100、150等。具体根据实际情况而定,在此不作限定。
通过上述步骤,由于将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个第一图像与第二图像匹配特征点的数量;确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像因此,可以解决相关技术中图片匹配的精准度较低的问题,达到提高图片匹配精准度的效果。
可选地,上述步骤的执行主体可以为终端等,但不限于此。
作为一个可选实施例,在所述将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配之前,所述方法包括:对所述至少两个第一图像中的每个第一图像进行特征点提取,在每个所述第一图像中提取出N个第一特征点,并为每个所述第一图像中提取出的每个第一特征点建立索引;在第二图像中提取出M个第二特征点,其中,M大于或等于1。在本实施例中,使用ORB局部特征对所有素材图像进行特征提取,每个图像提取一定数量的特征点,具体的提取出的特征点数量可以根据素材图像的实际情况而定,对于图像内容较复杂的素材图像可以提取较多的特征点,对于图像内容较简单的素材图像可以提取少量的特征点。例如,提取出的特征点数量N可以是1000、900、800、100等,在此不作限定。相应的第二图像所提取出的特征点数量M可以与N值相等,也可以根据第二图像的实际情况而定,如根据第二图像内容的复杂度相关,若第二图像内容较复杂可以提取较多的特征点,若第二图像内容较简单可以提取较少的特征点。在提取出第一特征点和第二特征点之后,对第一特征点和第二特征点进行归一化处理,先进行归一化再进行开方。对所有第一图像的ORB特征点建立索引,使用图索引技术中的Hierarchical Navigable Small World,简称HNSW方法建立索引。
作为一个可选实施例,所述确定每个所述第一图像与所述第二图像匹配特征点的数量,包括:确定所述N个第一特征点中的每个特征点分别与所述M个第二特征点中的每个特征点之间的相似度;将所述N个第一特征点中相似度大于或等于第二预设阈值的特征点作为所述匹配特征点;统计所述匹配特征点的数量。在本实施例中,相似度可以根据特征点之间的距离或者角度确定,将第一图像和第二图像中的特征点进行距离计算,具体地距离计算方法可以是欧式距离、曼哈顿距离等,通过距离算法确定第一特征点与第二特征点之间的相似性,或者可以通过角度计算第一特征点与第二特征点之间的相似度,具体地,可以通过余弦相似度计算第一特征点与第二特征点之间的相似度。第二预设阈值可以根据实际情况而定,例如可以保留距离小于0.1的特征匹配,过滤角度差大于10度的特征匹配。
作为一个可选实施例,统计所述匹配特征点的数量,包括:根据所述匹配特征点的索引确定与所述匹配特征点相对应的第一图像;统计所述至少两个第一图像中的每个所述第一图像的匹配特征点的数量。在本实施例中,可以用归一化的待匹配的第二图像的特征在HNSW中查询与第二图像相匹配的特征点,根据特征点的索引找到对应的第一图像,统计每个第一图像被匹配上的特征点的数量。
作为一个可选实施例,确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像,包括:按照所述匹配特征点的数量由高到低的顺序对所述至少两个第一图像进行排序;确定排序最靠前的第一图像为所述匹配图像。在本实施例中,根据匹配特征点的数量对至少两个图像进行排序,选取排序最靠前的第一图像作为与第二图像最匹配的图像。
作为一个可选实施例,在所述统计所述至少两个第一图像中的每个所述第一图像的匹配特征点的数量之后,所述方法还包括,按照所述匹配特征点的数量由高到低的顺序对所述至少两个第一图像进行排序,选取排序为前L个的第一图像作为预匹配图像,其中,L大于或等于1;使用Grid-based Motion Statistics,简称GSM方法去除误匹配特征点,统计剩余匹配特征点的数量;按照剩余匹配特征点数量从高到低的顺序对前L个的第一图像进行排序,计算排序最靠前的第一图像的剩余匹配特征点的数量count,计算最终的相似度得分similarity=count/t,其中,t为预设***,t值大可以根据实际情况而定,例如可以是10或100或1000等,当similarity大于或等于第三预设阈值的情况下,确定该第一图像为与第二图像相匹配的图像,其中,第三预设阈值可以根据实际情况而定,例如可以是0.5、0.6或0.9等,如图3是第一图像和第二图像相匹配的示意图,图4是第一图像和第二图像不匹配的示意图。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种图像的匹配装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图5是根据本发明实施例的图像的匹配装置的结构框图,如图5所示,该装置包括:匹配模块52,用于将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个所述第一图像与所述第二图像匹配特征点的数量;确定模块54,用于确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像。
作为一个可选实施例,所述装置还包括:第一提取模块,用于在所述将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配之前,对所述至少两个第一图像中的每个第一图像进行特征点提取,在每个所述第一图像中提取出N个第一特征点,并为每个所述第一图像中提取出的每个第一特征点建立索引;第二提取模块,用于在第二图像中提取出M个第二特征点,其中,M大于或等于1。
作为一个可选实施例,所述匹配模块包括:确定单元,用于确定所述N个第一特征点中的每个特征点分别与所述M个第二特征点中的每个特征点之间的相似度;处理单元,用于将所述N个第一特征点中相似度大于或等于第二预设阈值的特征点作为所述匹配特征点;统计单元,用于统计所述匹配特征点的数量。
作为一个可选实施例,上述统计单元用于通过如下方式统计所述匹配特征点的数量,根据所述匹配特征点的索引确定与所述匹配特征点相对应的第一图像;统计所述至少两个第一图像中的每个所述第一图像的匹配特征点的数量。
作为一个可选实施例,上述确定模块用于通过如下方式确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像,按照所述匹配特征点的数量由高到低的顺序对所述至少两个第一图像进行排序;确定排序最靠前的第一图像为所述匹配图像。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种存储介质,该存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个所述第一图像与所述第二图像匹配特征点的数量;
S2,确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像。
可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个所述第一图像与所述第二图像匹配特征点的数量;
S2,确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像。
可选地,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像的匹配方法,其特征在于,包括:
将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个所述第一图像与所述第二图像匹配特征点的数量;
确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像。
2.根据权利要求1所述的方法,其特征在于,在所述将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配之前,所述方法包括:
对所述至少两个第一图像中的每个第一图像进行特征点提取,在每个所述第一图像中提取出N个第一特征点,并为每个所述第一图像中提取出的每个所述第一特征点建立索引;
在第二图像中提取出M个第二特征点,其中,M大于或等于1。
3.根据权利要求2所述的方法,其特征在于,所述确定每个所述第一图像与所述第二图像匹配特征点的数量,包括:
确定所述N个第一特征点中的每个特征点分别与所述M个第二特征点中的每个特征点之间的相似度;
将所述N个第一特征点中相似度大于或等于第二预设阈值的特征点作为所述匹配特征点;
统计所述匹配特征点的数量。
4.根据权利要求3所述的方法,其特征在于,统计所述匹配特征点的数量,包括:
根据所述匹配特征点的索引确定与所述匹配特征点相对应的第一图像;
统计所述至少两个第一图像中的每个所述第一图像的匹配特征点的数量。
5.根据权利要求4所述的方法,其特征在于,确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像,包括:
按照所述匹配特征点的数量由高到低的顺序对所述至少两个第一图像进行排序;
确定排序最靠前的第一图像为所述匹配图像。
6.一种图像的匹配装置,其特征在于,包括:
匹配模块,用于将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配,确定每个所述第一图像与所述第二图像匹配特征点的数量;
确定模块,用于确定匹配特征点的数量大于或等于第一预设阈值的第一图像为匹配图像。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第一提取模块,用于在所述将至少两个第一图像中的每个第一图像分别与第二图像进行特征点匹配之前,对所述至少两个第一图像中的每个第一图像进行特征点提取,在每个所述第一图像中提取出N个第一特征点,并为每个所述第一图像中提取出的每个第一特征点建立索引;
第二提取模块,用于在第二图像中提取出M个第二特征点,其中,M大于或等于1。
8.根据权利要求7所述的装置,其特征在于,所述匹配模块包括:
确定单元,用于确定所述N个第一特征点中的每个特征点分别与所述M个第二特征点中的每个特征点之间的相似度;
处理单元,用于将所述N个第一特征点中相似度大于或等于第二预设阈值的特征点作为所述匹配特征点;
统计单元,用于统计所述匹配特征点的数量。
9.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121649.4A CN111340114A (zh) | 2020-02-26 | 2020-02-26 | 图像的匹配方法及装置、存储介质和电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121649.4A CN111340114A (zh) | 2020-02-26 | 2020-02-26 | 图像的匹配方法及装置、存储介质和电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111340114A true CN111340114A (zh) | 2020-06-26 |
Family
ID=71185619
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010121649.4A Pending CN111340114A (zh) | 2020-02-26 | 2020-02-26 | 图像的匹配方法及装置、存储介质和电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111340114A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507951A (zh) * | 2020-12-21 | 2021-03-16 | 北京百度网讯科技有限公司 | 指示灯识别方法、装置、设备、路侧设备和云控平台 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578093A (zh) * | 2012-07-18 | 2014-02-12 | 成都理想境界科技有限公司 | 图像配准方法、装置及增强现实*** |
CN103927513A (zh) * | 2014-03-26 | 2014-07-16 | 广州品唯软件有限公司 | Logo识别方法和装置 |
CN106844381A (zh) * | 2015-12-04 | 2017-06-13 | 富士通株式会社 | 图像处理装置及方法 |
-
2020
- 2020-02-26 CN CN202010121649.4A patent/CN111340114A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103578093A (zh) * | 2012-07-18 | 2014-02-12 | 成都理想境界科技有限公司 | 图像配准方法、装置及增强现实*** |
CN103927513A (zh) * | 2014-03-26 | 2014-07-16 | 广州品唯软件有限公司 | Logo识别方法和装置 |
CN106844381A (zh) * | 2015-12-04 | 2017-06-13 | 富士通株式会社 | 图像处理装置及方法 |
Non-Patent Citations (1)
Title |
---|
李涛 等: "数据挖掘的应用与实践 大数据时代的案例分析", 31 October 2013, 厦门大学出版社, pages: 259 - 261 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112507951A (zh) * | 2020-12-21 | 2021-03-16 | 北京百度网讯科技有限公司 | 指示灯识别方法、装置、设备、路侧设备和云控平台 |
CN112507951B (zh) * | 2020-12-21 | 2023-12-12 | 阿波罗智联(北京)科技有限公司 | 指示灯识别方法、装置、设备、路侧设备和云控平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112199375A (zh) | 跨模态的数据处理方法、装置、存储介质以及电子装置 | |
CN109409377B (zh) | 图像中文字的检测方法及装置 | |
CN110019876B (zh) | 数据查询方法、电子设备及存储介质 | |
CN111091106B (zh) | 图像聚类方法及装置、存储介质、电子装置 | |
CN111428273A (zh) | 基于机器学习的动态脱敏方法及装置 | |
CN110378249B (zh) | 文本图像倾斜角度识别方法、装置及设备 | |
WO2017101652A1 (zh) | 网站页面间访问路径的确定方法及装置 | |
CN111598176B (zh) | 一种图像匹配处理方法及装置 | |
CN111553215A (zh) | 人员关联方法及其装置、图卷积网络训练方法及其装置 | |
CN110457704B (zh) | 目标字段的确定方法、装置、存储介质及电子装置 | |
CN109241392A (zh) | 目标词的识别方法、装置、***及存储介质 | |
CN111309946B (zh) | 一种已建立档案优化方法及装置 | |
CN111651624A (zh) | 一种图像检索方法及装置 | |
CN113157962B (zh) | 图像检索方法、电子装置和存储介质 | |
CN111340114A (zh) | 图像的匹配方法及装置、存储介质和电子装置 | |
CN110609924A (zh) | 基于图数据的全量关系计算方法、装置、设备及存储介质 | |
CN112434049A (zh) | 表格数据存储方法、装置、存储介质及电子装置 | |
CN113377998A (zh) | 数据加载的方法、装置、电子设备及存储介质 | |
CN111191065A (zh) | 一种同源图像确定方法及装置 | |
CN115830342A (zh) | 检测框的确定方法、装置、存储介质及电子装置 | |
CN109840535B (zh) | 实现地形分类的方法和装置 | |
CN111832559B (zh) | 目标检测方法及装置、存储介质、电子装置 | |
CN109583453B (zh) | 图像的识别方法和装置、数据的识别方法、终端 | |
CN111860344A (zh) | 确定图像中目标对象数量的方法及装置 | |
CN110532561B (zh) | 数据检测方法及装置、存储介质、电子装置 |
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 |