CN111480158B - 文件管理方法及电子设备 - Google Patents
文件管理方法及电子设备 Download PDFInfo
- Publication number
- CN111480158B CN111480158B CN201880081385.5A CN201880081385A CN111480158B CN 111480158 B CN111480158 B CN 111480158B CN 201880081385 A CN201880081385 A CN 201880081385A CN 111480158 B CN111480158 B CN 111480158B
- Authority
- CN
- China
- Prior art keywords
- picture
- pictures
- feature
- score
- value
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 94
- 238000005457 optimization Methods 0.000 claims description 61
- 238000012217 deletion Methods 0.000 claims description 48
- 230000037430 deletion Effects 0.000 claims description 48
- 230000004044 response Effects 0.000 claims description 26
- 238000004891 communication Methods 0.000 claims description 24
- 238000010295 mobile communication Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 23
- 230000006399 behavior Effects 0.000 description 22
- 230000006870 function Effects 0.000 description 20
- 239000010410 layer Substances 0.000 description 18
- 238000013507 mapping Methods 0.000 description 18
- 238000004364 calculation method Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 12
- 239000010813 municipal solid waste Substances 0.000 description 10
- 230000008901 benefit Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 5
- 230000002441 reversible effect Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000013529 biological neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001960 triggered 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
- G06F16/54—Browsing; Visualisation therefor
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
一种图片管理方法及电子设备,能够提高查找图片的效率。该方法包括:获取电子设备中存储的和/或云相册存储的至少两张图片中每张图片的场景特征;根据场景特征确定每张图片的第一特征及其打分标准、第二特征及其打分标准;根据每张图片的第一特征的值和第二特征的值计算得到其分值,其中第一特征对该图片的分值的影响大于第二特征对该图片的分值的影响;检测用户的第一操作;响应于第一操作,显示至少两张图片中的S张第二图片,其中,S为大于或者等于1的整数,S张第二图片的分值高于至少两张图片中除S张第二图片之外的其他图片的分值。
Description
技术领域
本申请涉及电子设备领域,尤其涉及一种文件管理方法及电子设备。
背景技术
目前,电子设备的存储容量越来越大,可存储的文件(例如图片、音频、视频等)也越来越多,因此,需要对文件进行有效管理。
电子设备对图片进行管理包括对图片的展示以及图片的删除。现有技术中可以通过对图片打分,并根据分值对图片进行展示或者删除。但是现有技术中的打分机制不合理,得到的图片的分值往往与用户的心理预期有差距,导致用户无法快速查找图片,或者删除了用户不想删除的图片,影响操作效率。
发明内容
本申请实施例提供了一种图片管理方法及电子设备,可以使打分机制更合理,得到的图片的分值更加符合用户的心理预期,使用户可以快速查找图片,或者提高删除图片的准确性,提高操作效率。
第一方面,本申请实施例提供了一种图片管理方法,该方法由电子设备执行,该方法可以包括:获取电子设备中存储的和/或云相册存储的至少两张图片中每张图片的场景特征;根据每张图片的场景特征确定每张图片的第一特征、第二特征、第一特征的打分标准、和第二特征的打分标准;根据每张图片的第一特征的值,和每张图片的第二特征的值计算得到每张图片的分值;其中,第一特征对每张图片的分值的影响大于第二特征对每张图片的分值的影响;检测用户的第一操作;响应于第一操作,显示至少两张图片中的S张第二图片;其中,S为大于或等于1的整数,S张第二图片的分值高于至少两张图片中除S张第二图片之外的其他图片的分值。
本申请实施例提供的技术方案,电子设备可以根据场景特征,确定其存储的和/或云相册中存储的每张图片的第一特征及其打分标准、第二特征及其打分标准,根据第一特征的值和第二特征的值计算出每张图片的分值,显示分值高的S张第二图片。图片分值的高低可以用来确定用户对该图片的喜爱程度,分值越高,喜爱程度越高。因此,显示分值高的第二图片可以使用户更加容易查看到自己喜爱的图片,提高用户查找图片的效率。
在一种可能的实现方式中,上述场景特征包括以下一个或任意组合:是否被收藏、是否被备注、是否关联壁纸、是否上传云端、存储位置;上述第一特征包括以下一个或任意组合:是否被收藏、是否被备注;上述第二特征包括以下一个或任意组合:是否被分享、拍摄模式、图片内容分类、浏览次数、拍摄时间、最后浏览时间、图片大小、美学评分。
本申请实施例提供的技术方案,根据上述场景特征可以初步判断用户是否可能喜欢某张图片,再根据判断的结果提取图片的特征进行计算。不同的判读结果对应不同的参与计算图片分值的特征以及该特征的打分标准,可以更加准确的计算图片的分值,使图片的分值更加符合用户的心理预期,减少用户的操作,提高操作效率。
在一种可能的实现方式中,上述检测用户的第一操作之前,该方法还包括:电子设备显示状态栏、导航栏、时间组件图标及一个或多个应用程序的图标,上述相机应用的图标属于上述一个或多个应用程序的图标,上述第一操作为用户对相册应用的图标的操作;上述检测用户的第一操作后,该方法还包括:响应于第一操作,显示至少两张图片中除S张第二图片之外的其他图片,上述S张第二图片的分值高于上述除S张第二图片之外的其他图片的分值;上述S张第二图片在上述除所述S张第二图片之外的其他图片之前显示,或者上述S张第二图片被特殊标记以与上述除S张第二图片之外的其他图片区别显示。
本申请实施例提供的技术方案,可以将分值高的第二图片在分值低的其他图片前面显示,或者将分值高的第二图片增加特殊标记以与其他分值低的图片区别显示,可以使用户更加容易查看到自己喜爱的图片,提高用户查找图片的效率。
在一种可能的实现方式中,上述S张第二图片按照分值从高到低顺序排列,上述除S张第二图片之外的其他图片按照分值从高到低排列。
本申请实施例提供的技术方案,将图片按照分值高低顺序排列,将用户可能喜爱的图片排在最前面,可以使用户更加容易查看到自己喜爱的图片,提高用户查找图片的效率。
在一种可能的实现方式中,上述S张第二图片被特殊标记的方式包括以下一种或任意组合:增大显示、增加边框显示、增加标记显示、特殊颜色显示、特殊透明度显示。
本申请实施例提供的技术方案,对分值高的第二图片增加特殊标记,使用户可以更加容易地查看到自己喜爱的图片,提高用户查找图片的效率。
在一种可能的实现方式中,上述检测用户的第一操作后,该方法还包括:响应于上述第一操作,按照分类显示文件夹,并显示搜索控件、第一菜单控件、第二菜单控件、第三菜单控件;其中,上述第一操作为用户对上述第三菜单控件的操作,上述分类的方式包括以下一个或任意组合:地点、时间、人物;每个文件夹包括一张或者多张图片,上述一张或多张图片属于上述至少两张图片;上述按照分类显示文件夹,并显示搜索控件、第一菜单控件、第二菜单控件、第三菜单控件后,该方法还包括:响应于用户对该搜索控件的第二操作,显示搜索栏、按照分类显示的文件夹和所述S张第二图片。
本申请实施例提供的技术方案,将分值高的第二图片与其他按照分类显示的文件夹一起显示,使用户可以更加容易地查看到自己喜爱的图片,提高用户查找图片的效率。
在一种可能的实现方式中,上述根据每张图片的第一特征的值,和每张图片的第二特征的值计算得到每张图片的分值之前,还包括:判断满足优化条件,该优化条件包括以下一个或任意组合:电子设备的剩余存储空间低于第一设定值,已达到设定的时间,电子设备的剩余电量低于第二设定值,电子设备正在充电,电子设备处于熄屏状态。
本申请实施例提供的技术方案,可以在判断出满足优化条件的情况下再计算每张图片的分值。由于分值计算过程会占用电子设备的运行内存,消耗电子设备的电量,本申请实施例提供的技术方案可以保证图片分值的计算过程不影响用户的正常使用。
在一种可能的实现方式中,上述显示至少两张图片中的S张第二图片之后,该方法还包括:接收用户取消上述S张第二图片中至少一张第二图片的特殊标记的第三操作,响应于上述第三操作,重新计算上述至少一张第二图片的分值;或者接收用户为上述除上述S张第二图片之外的其他图片中的至少一张图片增加特殊标记的第四操作,响应于上述第四操作,重新计算上述至少一张图片的分值;或者接收用户将上述S张第二图片中的至少一张第二图片移动至上述除上述S张第二图片之外的其他图片中的至少一张图片之后显示的第五操作,响应于上述第五操作,重新计算上述S张第二图片中的至少一张第二图片的分值;或者接收用户将上述除所述S张第二图片之外的其他图片中的至少一张图片移动至上述S张第二图片中的至少一张第二图片之前显示的第六操作,响应于上述第六操作,重新计算上述除上述S张第二图片之外的其他图片中的至少一张图片的分值。本申请实施例提供的技术方案,可以根据用户对部分图片的反馈行为重新计算这部分图片的分值,使计算的结果更加符合用户的心理预期,从而使显示的结果更加准确,进一步提高用户查找图片的效率。
第二方面,本申请实施例提供了一种图片管理方法,由电子设备执行,包括:获取电子设备中存储的和/或云相册存储的至少两张图片中每张图片的场景特征;根据每张图片的场景特征确定每张图片的第三特征、第四特征、第三特征的打分标准、和第四特征的打分标准;根据每张图片的第三特征的值,和每张图片的第四特征的值计算得到每张图片的分值;其中,第三特征对每张图片的分值的影响大于第四特征对每张图片的分值的影响;检测用户的第一操作;响应于第一操作,显示第一文件夹;其中,第一文件夹包括至少两张图片中的M张第一图片;其中,M为大于或等于1的整数,M张第一图片的分值低于至少两张图片中除M张第一图片之外的其他图片的分值。
本申请实施例提供的技术方案,电子设备可以根据场景特征,确定其存储的和/或云相册中存储的每张图片的第三特征及其打分标准、第四特征及其打分标准,根据第三特征的值和第四特征的值计算出每张图片的分值,显示包括分值低的M张第一图片的文件夹。图片分值的高低可以用来确定用户对该图片的不喜爱程度,分值越低,不喜爱程度越高。因此,将分值低的M张第一图片置于第一文件夹内,无需用户逐个选择不喜爱的图片,减少用户操作,提升操作效率。
在一种可能的实现方式中,上述显示第一文件夹之后,还包括:检测用户的第二操作;响应于上述第二操作,删除上述M张第一图片。
本申请实施例提供的技术方案,用户可以一键删除该文件夹内所有的M张第一图片,无需用户逐个删除不喜爱的图片,减少删除图片的操作,提高用户删除图片的效率。
在一种可能的实现方式中,上述场景特征包括以下一个或任意组合:是否被收藏、是否被备注、是否关联壁纸,是否上传云端,存储位置;上述第三特征包括以下一个或任意组合:是否被置于垃圾箱;上述第四特征包括以下一个或任意组合:拍摄模式、图片内容分类、浏览次数、拍摄时间、最后浏览时间、图片大小、美学评分。
本申请实施例提供的技术方案,根据上述场景特征可以初步判断用户是否可能喜欢某张图片,再根据判断的结果提取图片的特征进行计算。不同的判读结果对应不同的参与计算图片分值的特征以及该特征的打分标准,可以更加准确的计算图片的分值,使图片的分值更加符合用户的心理预期,减少用户的操作,提高操作效率。
在一种可能的实现方式中,上述根据每张图片的第三特征的值,和每张图片的第四特征的值计算得到每张图片的分值之前,还包括:判断满足优化条件;其中,优化条件包括以下一个或任意组合:电子设备的剩余存储空间低于第一设定值,已到达设定的时间,电子设备的剩余电量低于第二设定值,电子设备正在充电,电子设备处于熄屏状态。
本申请实施例提供的技术方案,可以在判断出满足优化条件的情况下再计算每张图片的分值。由于分值计算过程会占用电子设备的运行内存,消耗电子设备的电量,本申请实施例提供的技术方案可以保证图片分值的计算过程不影响用户的正常使用。
在一种可能的实现方式中,上述显示第一文件夹之后,还包括:接收用户将上述M张第一图片中的至少一张第一图片移出上述第一文件夹的第三操作,响应于上述第三操作,重新计算上述至少一张第一的分值;或者接收用户将上述除上述M张第一图片之外的其他图片中的至少一张图片移入上述第一文件夹的第四操作,响应于上述第四操作,重新计算上述至少一张图片的分值。
本申请实施例提供的技术方案,可以根据用户对部分图片的反馈行为重新计算这部分图片的分值,使计算的结果更加符合用户的心理预期,从而使显示的结果更加准确,进一步提高用户删除图片的效率。
第三方面,本申请实施例提供了一种图片管理方法,由电子设备执行,包括:获取电子设备中存储的和/或云相册存储的至少两张图片中每张图片的场景特征;根据每张图片的场景特征确定每张图片的第三特征及第三特征的打分标准、第四特征及第四特征的打分标准;根据每张图片的第三特征的值,和每张图片的第四特征的值计算得到每张图片的分值;其中,第三特征对每张图片的分值的影响大于第四特征对每张图片的分值的影响;删除上述至少两张图片中M张第一图片;其中,M为大于或者等于1的整数,M张第一图片的分值低于至少两张图片中除M张第一图片之外的其他图片。
本申请实施例提供的技术方案,电子设备可以根据场景特征,确定其存储的和/或云相册中存储的每张图片的第三特征及其打分标准、第四特征及其打分标准,根据第三特征的值和第四特征的值计算出每张图片的分值,根据分值删除分值低的第一图片。图片分值的高低可以用来确定用户对该图片的不喜爱程度,分值越低,不喜爱程度越高。因此,删除分值低的第一图片可以减少用户删除图片的操作,提升删除图片的效率。
在一种可能的实现方式中,上述场景特征包括以下一个或任意组合:是否被收藏、是否被备注、是否关联壁纸,是否上传云端,存储位置;上述第三特征包括:是否被置于垃圾箱;上述第四特征包括以下一个或任意组合:拍摄模式、图片内容分类、浏览次数、拍摄时间、最后浏览时间、图片大小、美学评分。
本申请实施例提供的技术方案,根据上述场景特征可以初步判断用户是否可能喜欢某张图片,再根据判断的结果提取图片的特征进行计算。不同的判读结果对应不同的参与计算图片分值的特征以及该特征的打分标准,可以更加准确的计算图片的分值,使图片的分值更加符合用户的心理预期,减少用户的操作,提高操作效率。
在一种可能的实现方式中,上述根据所述每张图片的第三特征的值,和所述每张图片的第四特征的值计算得到所述每张图片的分值之前,还包括:判断满足优化条件,所述优化条件包括以下一个或任意组合:所述电子设备的剩余存储空间低于第一设定值,已到达设定的时间,所述电子设备的剩余电量低于第二设定值,所述电子设备正在充电,所述电子设备处于熄屏状态。
本申请实施例提供的技术方案,可以在判断出满足优化条件的情况下再计算每张图片的分值。由于分值计算过程会占用电子设备的运行内存,消耗电子设备的电量,本申请实施例提供的技术方案可以保证图片分值的计算过程不影响用户的正常使用。
在一种可能的实现方式中,上述删除上述至少两张图片中M张第一图片之后,还包括:接收用户下载上述M张第一图片中的至少一张第一图片的第一操作,响应于该第一操作,重新计算上述至少一张第一图片的分值;或者接收用户删除上述除上述M张第一图片之外的其他图片中的至少一张图片的第二操作,响应于该第二操作,重新计算上述至少一张图片的分值。
本申请实施例提供的技术方案,可以根据用户对部分图片的反馈行为重新计算这部分图片的分值,使计算的结果更加符合用户的心理预期,从而使显示的结果更加准确,进一步提高用户查找图片的效率。
第四方面,本申请实施例提供了一种图片分值计算方法,由电子设备执行,应用于本申请实施例第一方面或第一方面的任意一种实现方式的任意一种实现方式的任意一种实现方式提供的图片管理方法,该分值计算方法包括:获取电子设备中存储的和/或云相册存储的至少两张图片的场景特征;根据每张图片的场景特征确定每张图片的第一特征及第一特征的打分标准、第二特征及第二特征的打分标准;第一特征对应第一值和第二值,第一值大于第二值,第二特征对应两个或多个值;根据每张图片的第一特征的值,和每张图片的第二特征的值计算得到每张图片的分值;该分值与第一特征的值成正比,该分值与第二特征加权求和的值成正比,第一特征的第一值大于第二特征取最大值时加权求和的值;第一特征的第一值大于第二特征取最大值时加权求个的值。
本申请实施例提供的技术方案,图片的分值与第一特征的值成正比,图片的分值与第二特征加权求和的值成正比,且第一特征的第一值大于第二特征取最大值时加权求和的值,可以保证图片的分值由第一特征的值主要影响,由第二特征加权求和的值次要影响,突出第一特征的重要性,使打分机制更加合理,更加符合用户的心理预期。
第五方面,本申请实施例提供了一种图片分值计算方法,由电子设备执行,应用于本申请实施例第二方面或第二方面的任意一种实现方式、第三方面或第三方的任意一种实现方式提供的图片管理方法,该分值计算方法包括:获取电子设备中存储的和/或云相册存储的至少两张图片的场景特征;根据每张图片的场景特征确定每张图片的第三特征及第三特征的打分标准、第四特征及第四特征的打分标准;第三特征对应第一值和第二值,第一值大于第二值,第四特征对应两个或多个值;根据每张图片的第三特征的值,和每张图片的第四特征的值计算得到每张图片的分值;该分值与第三特征的值成反比,该分值与第四特征加权求和的值成正比,第四特征加权求和的值为负数,第三特征的第一值大于第四特征取最小值时加权求和的值的绝对值。
本申请实施例提供的技术方案,图片的分值与第三特征的值成反比,图片的分值与第四特征加权求和的值成正比。在第四特征加权求和的值为负数的情况下,第三特征的第一值大于第四特征取最小值时加权求和的值的绝对值,可以保证图片的分值由第三特征的值主要影响,由第四特征加权求和的值次要影响,突出第三特征的重要性,使打分机制更加合理,更加符合用户的心理预期。
第六方面,本申请实施例提供了一种图片分值计算方法,由电子设备执行,应用于本申请实施例第二方面或第二方面的任意一种实现方式、第三方面或第三方的任意一种实现方式提供的图片管理方法,该分值计算方法包括:获取电子设备中存储的和/或云相册存储的至少两张图片的场景特征;根据每张图片的场景特征确定每张图片的第三特征及第三特征的打分标准、第四特征及第四特征的打分标准;第三特征对应第一值和第二值,第一值大于第二值,第四特征对应两个或多个值;根据每张图片的第三特征的值,和每张图片的第四特征的值计算得到每张图片的分值;该分值与第三特征的值成反比,该分值与第四特征加权求和的值成正比,第四特征加权求和的值为非负数,第三特征的第一值小于第四特征取最大值时加权求和的值的倒数。
本申请实施例提供的技术方案,图片的分值与第三特征的值成反比,图片的分值与第四特征加权求和的值成正比。在第四特征加权求和的值为非负数的情况下,第三特征的第一值小于第四特征取最大值时加权求和的值的倒数,可以保证图片的分值由第三特征的值主要影响,由第四特征加权求和的值次要影响,突出第三特征的重要性,使打分机制更加合理,更加符合用户的心理预期。
第七方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器、存储器、显示屏、无线通信模块以及移动通信模块;上述存储器、显示屏、无线通信模块以及移动通信模块与一个或多个处理器耦合,上述存储器用于存储计算机程序代码,上述计算机程序代码包括计算机指令,当上述一个或多个处理器执行上述计算机指令时,电子设备执行如第一方面或第一方面的任意一种实现方式、或者第二方面或第二方面的任意一种实现方式、或者第三方面或第三方面的任意一种实现方式提供的图片管理方法。
第八方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器、存储器;上述存储器与一个或多个处理器耦合,上述存储器用于存储计算机程序代码,上述计算机程序代码包括计算机指令,当上述一个或多个处理器执行上述计算机指令时,电子设备执行如第四方面或第四方面的任意一种实现方式、或者第五方面或第五方面的任意一种实现方式、或者第六方面或第六方面的任意一种实现方式提供的图片分值计算方法。
第九方面,本申请实施例提供了一种计算机存储介质,包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行如第一方面或第一方面的任意一种实现方式、或者第二方面或第二方面的任意一种实现方式、或者第三方面或第三方面提供的图片管理方法。
第十方面,本申请实施例提供了一种计算机存储介质,包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行如第四方面或第四方面的任意一种实现方式、或者第五方面或第五方面的任意一种实现方式、或者第六方面或第六方面的任意一种实现方式提供的图片分值计算方法。
第十一方面,本申请实施例提供一种计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行如第一方面或第一方面的任意一种实现方式、或者第二方面或第二方面的任意一种实现方式、或者第三方面或第三方面的任意一种实现方式提供的图片管理方法。
第十二方面,本申请实施例提供一种计算机程序产品,当计算机程序产品在计算机上运行时,使得计算机执行如第四方面或第四方面的任意一种实现方式、或者第五方面或第五方面的任意一种实现方式、或者第六方面或第六方面的任意一种实现方式提供的图片分值计算方法。
可以理解地,上述提供的第七方面所述的电子设备、第九方面所述的计算机存储介质或者第十一方面所述的计算机程序产品均用于执行第一方面、或第二方面、或第三方面中任一所提供的图片管理方法。因此,其所能达到的有益效果可参考对应方法中的有益效果,此处不再赘述。
可以理解地,上述提供的第八方面所述的电子设备、第十方面所述的计算机存储介质或者第十二方面所述的计算机程序产品均用于执行第四方面、或第五方面、或第六方面中任一所提供的图片分值计算方法。因此,其所能达到的有益效果可参考对应方法中的有益效果,此处不再赘述。
附图说明
图1为本申请实施例提供的一种电子设备的结构示意图;
图2为本申请实施例提供的一种电子设备的软件结构框图;
图3为本申请实施例提供的图片管理方法流程示意图;
图4A为本申请实施例提供的人机交互界面图一;
图4B为本申请实施例提供的人机交互界面图二;
图5A为本申请实施例提供的电子设备界面示意图一;
图5B为本申请实施例提供的电子设备界面示意图二;
图6A为本申请实施例提供的图片管理场景图一;
图6B为本申请实施例提供的人机交互界面图三;
图7为本申请实施例提供的人机交互界面图四;
图8为本申请实施例提供的优化前后的对比图一;
图9为本申请实施例提供的优化前后的对比图二;
图10为本申请实施例提供的展示场景下的图片分值排序示意图;
图11A为本申请实施例提供的图片展示示意图一;
图11B为本申请实施例提供的图片展示示意图二;
图11C为本申请实施例提供的图片展示示意图三;
图12为本申请实施例提供的图片展示示意图四;
图13为本申请实施例提供的图片展示示意图五;
图14为本申请实施例提供的删除场景下的图片分值排序示意图;
图15为本申请实施例提供的图片删除示意图;
图16为本申请实施例提供的用户反馈示意图一;
图17为本申请实施例提供的用户反馈示意图二。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行描述。
为了便于理解,示例的给出了部分与本申请实施例相关概念的说明以供参考。如下所示:
第一图片:根据打分算法模型对图片打分后,分值最低的一张或几张图片。其中,打分算法模型用于接收输入的图片的特征,并输出该图片的分值。图片为电子设备存储器(包括内部存储器及外部存储卡)中存储的图片。第一图片的张数可以根据删除条件得到,删除条件用于确定需要删除的图片的张数。在一种可能的实施例中,删除条件为电子设备的剩余存储容量为X1。若电子设备当前的剩余存储容量为X2,其中X2<X1,则需要删除的图片占用的存储容量为ΔX=X1-X2。若第一图片的张数为M,则分值最低的M张图片占用的存储容量大于或者等于ΔX,且分值最低的M-1张图片占用的存储容量小于ΔX。在另一种可能的实施例中,删除条件为删除电子设备存储的图片总数量的Y%。若电子设备当前存储的图片总数量为100,则需要删除的图片的数量为100×Y%,即M=100×Y%。
第二图片:根据打分算法模型对图片打分后,分值最高的一张或几张图片。在一种可能的实施例中,第二图片的张数可以是绝对值也可以是相对值,可以为出厂设置或者手机厂商推荐,也可以是用户设置。前述的相对值为电子设备存储器和该电子设备对应的云相册中存储的图片总数量的百分比。例如,相对值为S,电子设备存储器和该电子设备对应的云相册中存储的图片总数量为100,则第二图片的张数为100×S。
第一特征:可能直接表征用户对图片的喜爱程度的特征,对图片打分结果有相对主要影响。第一特征可以包含至少两个状态,不同的状态表征用户对图片不同的喜爱程度,每个状态分别对应一个值。
第二特征:可能间接表征用户对图片的喜爱程度的特征,对图片的打分结果有相对次要影响。第二特征可以包含至少两个状态,不同的状态表征用户对图片不同的喜爱程度,每个状态分别对应一个值,值越高的状态表征用户的喜爱程度越高。每张图片可以包含一个或多个第一特征,及一个或多个第二特征,当两张图片的第一特征的状态相同时,通过第二特征来区分用户对这两张图片的喜爱程度。
第三特征:可能直接表征用户对图片的不喜爱程度的特征,对图片打分结果有相对主要影响。第三特征可以包含至少两个状态,不同的状态表征用户对图片不同的不喜爱程度,每个状态分别对应一个值。
第四特征:可能间接表征用户对图片的不喜爱程度的特征,对图片打分结果有相对次要影响的特征。第四特征可以包含至少两个状态,不同的状态表征用户对图片不同的不喜爱程度,每个状态分别对应一个值,值越低的状态表征用户的不喜爱程度越高。每张图片可以包含一个或多个第三特征,及一个或多个第四特征,当两张图片的第三特征的状态相同时,通过第四特征来区分用户对这两张图片的不喜爱程度。
正向反馈行为:用户对管理后的图片的操作行为,该操作行为可能表明与用户的心理预期相比,根据打分算法模型计算的分值偏低。
反向反馈行为:用户为管理后的图片的操作行为,该操作行为可能表明与用户的心理预期相比,根据打分算法模型计算的分值偏高。
本申请实施例提供的文件管理方法可以应用于电子设备对图片、音频文件、视频文件、文档、应用程序等的管理,接下来的实施例中将以对图片的管理为例进行说明。
本申请实施例中涉及的电子设备可以是手机、平板电脑、桌面型、膝上型、笔记本电脑、超级移动个人计算机(Ultra-mobile Personal Computer,UMPC)、手持计算机、上网本、个人数字助理(Personal Digital Assistant,PDA)、可穿戴电子设备、虚拟现实设备等。
请参考图1,示出了电子设备10的结构示意图。
电子设备10可以包括处理器110,外部存储器接口120,内部存储器121,通用串行总线(universal serial bus,USB)接口130,充电管理模块140,电源管理模块141,电池142,天线1,天线2,移动通信模块150,无线通信模块160,音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,传感器模块180,按键190,马达191,指示器192,摄像头193,显示屏194,以及用户标识模块(subscriber identification module,SIM)卡接口195等。其中传感器模块180可以包括压力传感器180A,陀螺仪传感器180B,气压传感器180C,磁传感器180D,加速度传感器180E,距离传感器180F,接近光传感器180G,指纹传感器180H,温度传感器180J,触摸传感器180K,环境光传感器180L,骨传导传感器180M等。
可以理解的是,本申请实施例示意的结构并不构成对电子设备10的具体限定。在本申请另一些实施例中,电子设备10可以包括比图示更多或更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件,软件或软件和硬件的组合实现。
处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(application processor,AP),调制解调处理器,图形处理器(graphics processingunit,GPU),图像信号处理器(image signal processor,ISP),控制器,存储器,视频编解码器,数字信号处理器(digital signal processor,DSP),基带处理器,和/或神经网络处理器(neural-network processing unit,NPU)等。其中,不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
其中,控制器可以是电子设备10的神经中枢和指挥中心。控制器可以根据指令操作码和时序信号,产生操作控制信号,完成取指令和执行指令的控制。
处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口,集成电路内置音频(inter-integrated circuitsound,I2S)接口,脉冲编码调制(pulse code modulation,PCM)接口,通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口,移动产业处理器接口(mobile industry processor interface,MIPI),通用输入输出(general-purposeinput/output,GPIO)接口,用户标识模块(subscriber identity module,SIM)接口,和/或通用串行总线(universal serial bus,USB)接口等。
可以理解的是,本申请实施例示意的各模块间的接口连接关系,只是示意性说明,并不构成对电子设备10的结构限定。在本申请另一些实施例中,电子设备10也可以采用上述实施例中不同的接口连接方式,或多种接口连接方式的组合。
充电管理模块140用于从充电器接收充电输入。充电管理模块140为电池142充电的同时,还可以通过电源管理模块141为终端供电。
电源管理模块141用于连接电池142,充电管理模块140与处理器110。电源管理模块141接收电池142和/或充电管理模块140的输入,为处理器110,内部存储器121,外部存储器,显示屏194,摄像头193,和无线通信模块160等供电。电源管理模块141还可以用于监测电池容量,电池循环次数,电池健康状态(漏电,阻抗)等参数。在其他一些实施例中,电源管理模块141也可以设置于处理器110中。在另一些实施例中,电源管理模块141和充电管理模块140也可以设置于同一个器件中。
电子设备10的无线通信功能可以通过天线1,天线2,移动通信模块150,无线通信模块160,调制解调处理器以及基带处理器等实现。
天线1和天线2用于发射和接收电磁波信号。例如,本申请实施例中,天线1和天线2可以用于向云服务器发送数据,以将保存在电子设备10存储器内的图片备份至云端。天线1和天线2还可以用于向云服务器发送下载请求,下载请求用于获取备份在云端的图片。天线1和天线2还可以用于接收云服务器响应于电子设备10发送的下载请求而发送的数据。
移动通信模块150可以提供应用在电子设备10上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器,开关,功率放大器,低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
调制解调处理器可以包括调制器和解调器。在一些实施例中,调制解调处理器可以是独立的器件。在另一些实施例中,调制解调处理器可以独立于处理器110,与移动通信模块150或其他功能模块设置在同一个器件中。
无线通信模块160可以提供应用在电子设备10上的包括无线局域网(wirelesslocal area networks,WLAN)(如无线保真(wireless fidelity,Wi-Fi)网络),蓝牙(bluetooth,BT),全球导航卫星***(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC),红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频,放大,经天线2转为电磁波辐射出去。
在一些实施例中,电子设备10的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得电子设备10可以通过无线通信技术与网络以及其他设备通信。所述无线通信技术可以包括全球移动通讯***(global system for mobile communications,GSM),通用分组无线服务(general packet radio service,GPRS),码分多址接入(codedivision multiple access,CDMA),宽带码分多址(wideband code division multipleaccess,WCDMA),时分码分多址(time-division code division multiple access,TD-SCDMA),长期演进(long term evolution,LTE),BT,GNSS,WLAN,NFC,FM,和/或IR技术等。所述GNSS可以包括全球卫星定位***(global positioning system,GPS),全球导航卫星***(global navigation satellite system,GLONASS),北斗卫星导航***(beidounavigation satellite system,BDS),准天顶卫星***(quasi-zenith satellitesystem,QZSS)和/或星基增强***(satellite based augmentation systems,SBAS)。
电子设备10通过GPU,显示屏194,以及应用处理器等实现显示功能。GPU为图像处理的微处理器,连接显示屏194和应用处理器。处理器110可包括一个或多个GPU,其执行程序指令以生成或改变显示信息。
显示屏194用于显示图像,视频等。显示屏194包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD),有机发光二极管(organic light-emittingdiode,OLED),有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrixorganic light emitting diode的,AMOLED),柔性发光二极管(flex light-emittingdiode,FLED),Miniled,MicroLed,Micro-oLed,量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备10可以包括1个或N个显示屏194,N为大于1的正整数。例如,在本申请实施例中,显示屏194可以用于显示图片。
电子设备10可以通过ISP,摄像头193,视频编解码器,GPU,显示屏194以及应用处理器等实现拍摄功能。
ISP用于处理摄像头193反馈的数据。例如,拍照时,打开快门,光线通过镜头被传递到摄像头感光元件上,光信号转换为电信号,摄像头感光元件将所述电信号传递给ISP处理,转化为肉眼可见的图像。ISP还可以对图像的噪点,亮度,肤色进行算法优化。ISP还可以对拍摄场景的曝光,色温等参数优化。在一些实施例中,ISP可以设置在摄像头193中。
摄像头193用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给ISP转换成数字图像信号。ISP将数字图像信号输出到DSP加工处理。DSP将数字图像信号转换成标准的RGB,YUV等格式的图像信号。在一些实施例中,电子设备10可以包括1个或N个摄像头193,N为大于1的正整数。
数字信号处理器用于处理数字信号,除了可以处理数字图像信号,还可以处理其他数字信号。例如,当电子设备10在频点选择时,数字信号处理器用于对频点能量进行傅里叶变换等。
视频编解码器用于对数字视频压缩或解压缩。电子设备10可以支持一种或多种视频编解码器。这样,电子设备10可以播放或录制多种编码格式的视频,例如:动态图像专家组(moving picture experts group,MPEG)1,MPEG2,MPEG3,MPEG4等。
NPU为神经网络(neural-network,NN)计算处理器,通过借鉴生物神经网络结构,例如借鉴人脑神经元之间传递模式,对输入信息快速处理,还可以不断的自学习。通过NPU可以实现电子设备10的智能认知等应用,例如:图像识别,人脸识别,语音识别,文本理解等。
外部存储器接口120可以用于连接外部存储卡,例如Micro SD卡,实现扩展终端201的存储能力。外部存储卡通过外部存储器接口120与处理器110通信,实现数据存储功能。例如,本申请实施例中可以将图片保存在外部存储卡中,电子设备10的处理器110可以通过外部存储器接口120获取保存在外部存储卡中的图片。
内部存储器121可以用于存储计算机可执行程序代码,所述可执行程序代码包括指令。处理器110通过运行存储在内部存储器121的指令,从而执行电子设备10的各种功能应用以及数据处理。内部存储器121可以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。存储数据区可存储电子设备10使用过程中所创建的数据(比如音频数据,电话本,图片等)等。此外,内部存储器121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,例如至少一个磁盘存储器件,闪存器件,通用闪存存储器(universal flash storage,UFS)等。例如,在本申请实施例中,内部存储器121可以用于存储多张图片,这多张图片可以是电子设备10通过摄像头193拍摄得到的,也可以是电子设备10通过天线1和天线2从其他应用(例如微信、微博、Facebook等)中接收后并下载得到的。
电子设备10可以通过音频模块170,扬声器170A,受话器170B,麦克风170C,耳机接口170D,以及应用处理器等实现音频功能。例如音乐播放,录音等。
压力传感器180A用于感受压力信号,可以将压力信号转换成电信号。在一些实施例中,压力传感器180A可以设置于显示屏194。
陀螺仪传感器180B可以用于确定电子设备10的运动姿态。陀螺仪传感器180B还可以用于导航,体感游戏场景。气压传感器180C用于测量气压。磁传感器180D包括霍尔传感器。加速度传感器180E可检测电子设备10在各个方向上(一般为三轴)加速度的大小。距离传感器180F,用于测量距离。接近光传感器180G可以包括例如发光二极管(LED)和光检测器,例如光电二极管。电子设备10可以利用接近光传感器180G检测用户手持电子设备10贴近耳朵通话,以便自动熄灭屏幕达到省电的目的。接近光传感器180G也可用于皮套模式,口袋模式自动解锁与锁屏。环境光传感器180L用于感知环境光亮度。环境光传感器180L也可用于拍照时自动调节白平衡。
指纹传感器180H用于采集指纹。电子设备10可以利用采集的指纹特性实现指纹解锁,访问应用锁,指纹拍照,指纹接听来电等。
温度传感器180J用于检测温度。
触摸传感器180K,也称“触控面板”。触摸传感器180K可以设置于显示屏194,由触摸传感器180K与显示屏194组成触摸屏,也称“触控屏”。触摸传感器180K用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏194提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器180K也可以设置于电子设备10的表面,与显示屏194所处的位置不同。例如,在本申请实施例中,触摸传感器180K可以用于检测用户对相册内包含的第一图片的触摸操作,并将检测到的触摸操作传递给应用处理器,以便显示与第一图片对应的第二图片。其中,第一图片的尺寸小于第二图片的尺寸,第一图片包含的像素点的个数小于第二图片包含的像素点的个数。
骨传导传感器180M可以获取振动信号。骨传导传感器180M也可以接触人体脉搏,接收血压跳动信号。
按键190包括开机键,音量键等。按键190可以是机械按键。也可以是触摸式按键。电子设备10可以接收按键输入,产生与电子设备10的用户设置以及功能控制有关的键信号输入。
马达191可以产生振动提示。马达191可以用于来电振动提示,也可以用于触摸振动反馈。
指示器192可以是指示灯,可以用于指示充电状态,电量变化,也可以用于指示消息,未接来电,通知等。
SIM卡接口195用于连接SIM卡。SIM卡可以通过***SIM卡接口195,或从SIM卡接口195拔出,实现和电子设备10的接触和分离。电子设备10可以支持1个或N个SIM卡接口,N为大于1的正整数。电子设备10通过SIM卡和网络交互,实现通话以及数据通信等功能。
电子设备10的软件***可以采用分层架构,事件驱动架构,微核架构,微服务架构,或云架构。本申请实施例以分层架构的Android***为例,示例性说明电子设备10的软件结构。
图2是本申请实施例的电子设备10的软件结构框图。
分层架构将软件分成若干个层,层与层之间通过软件接口通信。在一些实施例中,将Android***分为四层,从上至下分别为应用程序层,应用程序框架层,安卓运行时(Android runtime)和***库,以及内核层。
应用程序层可以包括一系列应用程序包。
如图2所示,应用程序包可以包括,短信息,Facebook,QQ,地图,相册,日历,WLAN,推特(Twitter),音乐播放器,亚马逊等应用程序。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。
如图2所示,应用程序框架层可以包括窗口管理器,内容提供器,视图***,电话管理器,资源管理器,通知管理器等。
窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。
内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。所述数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。
视图***包括可视控件,例如显示文字的控件,显示图片的控件等。视图***可用于构建应用程序。显示界面可以由一个或多个视图组成的。
电话管理器用于提供电子设备10的通信功能。例如通话状态的管理(包括接通,挂断等)。
资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。
通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。
Android Runtime包括核心库和虚拟机。Android runtime负责安卓***的调度和管理。
核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
***库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(Media Libraries),三维图形处理库(例如:OpenGL ES),2D图形引擎(例如:SGL)等。
表面管理器用于对显示子***进行管理,并且为多个应用程序提供了2D和3D图层的融合。
媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如:MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。
三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。
2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
示例性的,以下实施例中所涉及的技术方案均可以在具有上述硬件架构和软件架构的电子设备10中实现。以下结合附图和应用场景对本申请实施例提供的文件管理方法进行详细介绍。接下来将结合图3-图8示例性介绍对图片进行管理的过程。本申请实施例中图片管理可以包括图片的展示和删除等。以下实施例中以电子设备10是手机为例进行说明。
首先,请参阅图3。图3为本申请实施例提供的一种图片管理方法示意图。如图3所示,图片管理方法至少可以包括以下几个步骤:
S301:电子设备10的触摸传感器180K检测用户的第一操作。
可选地,上述第一操作是用户对显示屏194上显示的相机应用的拍摄按钮的操作。如图4A所示,显示屏194中显示的界面20,该界面20包括状态栏204、导航栏205、时间组件图标和天气组件图标、多个应用程序的图标例如相机图标201、微信图标202、设置图标203、相册图标、微博图标、支付宝图标等。其中,状态栏204中可以包括运营商的名称(例如***)、时间WIFI图标、信号强度和当前剩余电量。导航栏306可以包括返回控件、主屏幕控件和显示任务窗口的控件等。当电子设备10基于界面20中的相机图标201检测到用户的点击操作时,显示屏194显示拍摄界面a1,如图4B所示,拍摄界面a1至少可以包括显示待拍摄的画面的取景框b1及拍摄按钮c1。第一操作可以是单击,还可以是双击、长按等操作。此外,拍摄界面a1还可以包括用于打开相册的控件d1及用于切换摄像头的控件e1。
S302:响应于上述第一操作,电子设备10的摄像头193获取一张图片,保存至内部存储器121中。
具体地,进入拍摄界面a1或者拍摄界面a2后,摄像头193开启,实时获取待拍摄的画面,当触摸传感器180K接收到用户的第一操作后,响应于该第一操作,摄像头193获取取景框内的拍摄画面,将该拍摄画面转换成图片,并保存至内部存储器121中。
此外,图片还可以是电子设备10通过天线1或天线2从其他应用的应用服务器下载得到,例如可以是电子设备10通过天线1从微博的应用服务器下载得到,又例如可以是电子设备通过天线2从谷歌浏览器的应用服务器下载得到。电子设备10可以将从其他应用的应用服务器下载得到的图片保存至内部存储器121中。
此外,图片还可以是与电子设备10连接的外部存储卡中存储的图片,电子设备10可以通过外部存储器接口120读取外部存储卡中存储的图片。
S303:电子设备10的触摸传感器180K检测用户的第二操作。
具体地,第二操作是用户对电子设备10的***设置应用或相册应用中的设置项的操作。该设置项用于设置优化模式的开启和关闭。当优化模式开启后,电子设备10的处理器110可以判断是否满足优化条件,若满足优化条件,则获取内部存储器121中存储的图片及电子设备10对应的云相册的图片,并计算各个图片的分值,根据分值对图片进行优化的显示或者建议删除。
接下来以***设置应用为例进行说明。当电子设备10检测到用户对设置控件203的操作时,电子设备10的显示屏194可以显示***设置界面40,如图5A所示,***设置界面40可以包括多个应用和组件的设置入口,当电子设备10检测到用户对某个应用的设置入口的操作时,电子设备10的显示屏194可以显示该应用的设置界面,设置界面中可以包括该应用相关的各种设置项。图5A中示出的应用程序及组件的设置入口包括:相册的设置入口401、微博的设置入口、支付宝的设置入口、微信的设置入口、相机的设置入口、电话的设置入口、短信的设置入口、通讯录的设置入口、天气的设置入口等。设置界面40还可以包括其他应用程序或组件的设置入口,当电子设备10检测到用户的上滑或者下滑操作时,显示屏194可以显示更多的应用的设置入口或者组件的设置入口。例如当电子设备10检测到用户对相册的设置入口401的操作时,电子设备10的显示屏194可以显示相册的设置界面50,如图5B所示。设置界面50中可以包括云端账户设置项501、云相册设置项502、其他需要同步的相册设置项503、优化模式设置项504、拍摄时间设置项505、拍摄地点设置项506。其中,云端账户设置项501用于设置云端账户,电子设备10可以将存储在内部存储器121中的图片上传至该云端账户对应的相册以备份,电子设备10也可以从该云端账户对应的相册(称为云相册)下载图片保存至内部存储器121中。云相册设置项502可以用于开启或关闭云相册。当云相册的功能被开启时,电子设备10可以与上述云相册进行数据交互,包括:电子设备10将存储在内部存储器121中的图片上传至云相册中以备份,以及电子设备10从上述云相册中下载图片保存至内部存储器121中。当云相册被关闭时,电子设备10无法与云相册进行数据交互。其他需要同步的相册设置项503用于设置需要将相册中的哪些相册上传至云相册中。优化模式设置项504用于开启或关闭优化模式,在优化模式开启的情况下,电子设备10的处理器110运行本发明实施例的图片展示和删除方法(参考后续的具体描述)。具体地,可以通过滑动优化模式设置项504包含的控件5041中的滑动按钮开启或关闭优化模式。当滑动按钮从左往右滑动时,可以将优化模式从关闭切换为开启,当滑动按钮从右往左滑动时,可以将优化模式从开启切换为关闭。优化模式的开启和关闭方式不限于通过上述滑动按钮来实现,还可以存在其他形式,本申请实施例对此不做限制。拍摄时间设置项405用于使显示屏194显示相册中的图片时在图片中显示拍摄时间。拍摄地点设置项506用于使显示屏194显示相册中的图片时在图片中显示拍摄地点。图5B示出的设置界面50中包括的设置项仅为示例性说明,在具体实现中还可以包括其他的设置项,本申请实施例对此不作限定。
S304:响应于上述第二操作,电子设备10的处理器110开启优化模式。
具体地,优化模式开启后,电子设备10的处理器110开始判断是否满足优化条件,若满足则获取内部存储器121中存储的图片、通过外部存储器接口120获取外部存储卡中存储的图片及电子设备10对应的云相册中存储的图片的特征,并计算各个图片的分值,根据分值对图片进行优化的显示或者建议删除。
S305:电子设备10的处理器110判断是否满足优化条件,若满足,执行步骤S306,若不满足,继续执行步骤S305。
在一种具体的实施例中,当电子设备10的内部存储器121中的剩余存储空间不足时,即为满足优化条件。例如,当电子设备10的内部存储器121中的剩余存储空间不足200M时,即为满足优化条件。又例如,当电子设备10的内部存储器121中的剩余存储空间不足总存储空间的10%时,即为满足优化条件。上述剩余存储空间的值(200M)及上述剩余存储空间与总存储空间的比值(10%)仅为示例性说明,在具体实现中还可以有其他的值,本申请实施例对此不作限定。
在另一种具体的实施例中,当电子设备10的处理器110检测到当前时间为22:00时,判断是否满足优化条件,若不满足则延时1小时到23:00再次判断是否满足优化条件,直至满足优化条件,则执行步骤S306。其中,优化条件可以包括以下的一项或任意组合:电子设备10的电池142内的剩余电量高于总电量的20%、电子设备10的充电管理模块140正从充电器接收充电输入、电子设备10的显示屏194处于熄屏状态、电子设备10通过无线通信模块160已接入WiFi网络。上述判断是否满足优化条件的起始时间(22:00)、上述剩余电量与总电量的比值(20%)及上述延时时长(1小时)均为示例性说明,在实际实现中还可以有其他的值,本申请实施例对此不作限定。
示例性地,如图6A所示,当满足优化条件,则开始优化(即后续步骤S306-步骤S308)。此外,还可以在判断出满足优化条件后,显示提示框701提示用户“开始优化”,并提供取消优化控件702供用户在一段时间内输入取消优化的指令,如图6B所示。上述一段时间可以以倒计时的形式在取消优化控件702内展示,当倒计时结束后未接收到用户的取消优化指令,则开始优化。上述一段时间例如可以是10s、15s、30s等。
此外,当电子设备10的处理器110开启优化模式后,也可以无需执行步骤S305来判断是否满足优化条件,实际上可以直接在开启优化模式后,对内部存储器121中存储的图片、外部存储卡中存储的图片以及电子设备10对应的云相册中存储的图片执行一次步骤S306-步骤S308。
S306:电子设备10的处理器110获取内部存储器121中存储的图片、外部存储卡中存储的图片以及电子设备10对应的云相册中存储的图片的特征,并将特征输入打分算法模型,计算图片的分值。
具体地,每张图片可以包含很多特征,可以将图片包含的特征分为以下四类:使用习惯记录的特征、用户画像特征、图片本身的特征及电子设备存储情况。
使用习惯记录的特征可以包括但不限于:点击次数、浏览次数、缩放次数、是否被编辑、是否被分享或者被分享的次数、是否关联壁纸(例如与电话联系人关联、或者被设置为电子设备10主屏幕壁纸等)、是否被搜索或者被搜索的次数、是否被置于垃圾箱(被用户手动移入“垃圾箱”文件夹内,且依然保存在内部存储器121中)、是否被收藏、是否被备注(例如用户可以在某张图片的菜单选项中选择添加备注,可以记录拍摄图片时的心情,或者记录拍摄图片的内容等)、是否被标记(例如某张图片中包括多种水果,可以在该图片中给每种水果添加标记表明该水果的名称)、是否被下载(保存在云相册中且被下载至电子设备10的内部存储器121中)、最后浏览时间等。上述点击次数、浏览次数、缩放次数、是否被编辑、是否被分享或者分享的次数、是否被搜索或者被搜索的次数是否被置于垃圾箱、是否被收藏、是否被备注、是否被标记、是否被下载、最后浏览时间等特征都可以通过记录用户在一段时间内的操作获取界面。例如,若通过触摸传感器180K检测用户的操作为单击,且该操作的坐标位置为(x,y),处理器110获取显示屏194当前显示的界面为60,如图7所示,则处理器110可以分析出在当前显示界面坐标为(x,y)的单击操作对应的事件为浏览P1,则处理器110使显示屏194显示P1的展示界面70,供用户浏览P1。处理器110可以将针对P1的“浏览”事件保存至内部存储器121中,另外还可以将该浏览时间也保存至内部存储器121中。当处理器110再一次分析出针对P1的“浏览”事件时,可以将此次的“浏览”事件及浏览时间保存至内部存储器121中。当处理器110判断出满足优化条件时,处理器110可以从内部存储器121中获取P1的“浏览”事件的次数,并获取最后一次记录的浏览时间(最后浏览时间)。在另外一种可能的实施例中,可以只记录针对P1的浏览次数及当前浏览的时间至内部存储器中。例如在第m次分析出针对P1的“浏览”事件后,可以只保存浏览次数的值m及浏览时间至内部存储器121中,在下一次分析出针对P1的“浏览”事件后,只需在内部存储器121中将浏览次数的值更新为m+1,并更新浏览时间即可。当处理器110判断出满足优化条件时,处理器110可以从内部存储器121中获取P1的浏览次数及浏览时间(最后浏览时间)。需要说明的是,图7中对于“浏览”事件发生的演示仅为示例性说明,实际上还可以在某图片的展示界面中接收用户的左滑或者右滑操作使“浏览”事件发生,还可以通过在第三方应用(例如微信、QQ、微博)中进入相册,选择图片分享时使“浏览”事件发生。
用户画像特征可以包括但不限于:用户分类、用户喜好。例如用户分类可以是用户的性别、年龄段等。用户喜好可以是用户是美食摄影爱好者还是风景摄影爱好者等。在一种可能实施例中,用户分类可以是电子设备10从***账号(例如华为终端的华为账号中心、苹果终端的苹果账号中心(Apple ID)等)的个人信息中获取到用户之前填写的性别和出生日期等。在另一种可能的实施例中,用户分类可以是电子设备10调用第三方应用(例如QQ、微信、Youtube等)提供访问权限的数据访问接口,从第三方应用的服务器上获取用户的性别及出生日期等。电子设备10的处理器110可以根据获取到的出生日期计算该用户的年龄,从而确定该用户的年龄段。上述用户分类的获取方式仅为示例性说明,在具体实现中还可以有其他的获取方式,本申请实施例对此不作限定。在一种可能的实施例中,用户喜好可以是电子设备根据内部存储器121及通过外部存储器接口120获取的外置存储卡中保存的多张图片分析得到。例如100张图片其中70张图片的内容为美食,则电子设备10认为该用户为美食摄影爱好者。在另一种可能的实施例中,电子设备10可以通过第三方应用(例如谷歌浏览器、知乎、百度论坛等)提供访问权限的数据访问接口,从第三方应用的服务器上获取用户的浏览记录,得到用户经常浏览的内容与美食摄影类相关,则电子设备10认为该用户为美食摄影爱好者。上述用户分类及用户喜好的获取方式仅为示例性说明,在具体实现中还可以有其他的获取方式,本申请实施例对此不作限定。
图片本身的特征可以包括但不限于是:拍摄时间、图片名字、拍摄手法(例如拍摄角度是俯拍还是仰拍、拍摄镜头是近景还是远景等)、拍摄模式(例如高动态范围成像(highdynamic range imaging,HDR)模式、大光圈模式、夜景模式、全景模式、黑白模式、慢动作模式、流光快门模式等等)、图片格式(例如是JPG格式、PNG格式还是BMP格式等)、色彩、构图(例如三分法构图、对角线构图、对称构图、黄金螺旋构图等)、美学评分、图片内容分类、地理位置、图片大小、分辨率、存储位置、设备类型(即拍摄该图片的设备的类型,例如可以是Huawei P20等)、与其他图片是否相似、是否模糊。上述存储位置为处理器110获取图片时该图片的存储位置。上述拍摄时间、图片名字、拍摄模式、图片格式、地理位置、图片大小、分辨率、设备类型等特征是图片本身的参数,这些参数可以与该图片一起存储在内部存储器121或者外部存储卡中,处理器110在获取图片时可从内部存储器121或者外部存储卡中获取这些特征。上述拍摄手法、色彩、构图、美学评分、图片内容分类、与其他图片是否相似、是否模糊等都可以通过电子设备10的处理器110对图片的内容,或者图片的参数,或者拍摄时的参数进行分析得到。
电子设备存储情况可以包括但不限于是:电子设备总存储容量、剩余可用存储容量、图片已占用存储容量。上述电子设备存储情况可以由处理器110查询内部存储器121的状态获得。
具体地,上述计算图片分值的过程可以是每天最多一次,具体触发分值计算的条件可以参考步骤S305中的描述,可设置为每天晚上22:00判断优化条件是否满足,若不满足则延时1小时至23:00再次判断是否满足,直至满足优化条件,触发分值计算。分值计算完毕后,可以将各个图片的分值保存至内部存储器121中,并将每个分值与其对应的图片关联起来,具体可以通过图片的标识将该图片与其对应的分值关联起来。在内部存储器121中已保存了各个图片分值的情况下,分值计算完毕后,可以更新各个图片的分值。上述图片的标识可以是电子设备10通过摄像头193拍摄时自动生成的。图片的标识还可以是从其他应用的服务器下载图片时携带的,或者是处理器110通过外部存储器接口120从外部存储卡中获取图片时该图片携带的。每张图片存在一个唯一的标识,用于使电子设备10通过标识识别图片。上述计算分值的频率(每天最多一次)仅为示例性说明,在具体实现中计算分值的频率可以更高或者更低,本申请实施例可以不作限定。
S307:电子设备10的处理器110根据分值展示图片。
具体地,根据各图片的分值,将第二图片优先展示,或者放大展示。如图8所示,界面80为相册的显示界面,该界面可以包括三种菜单控件(照片、相册、发现),这三种菜单下图片的显示方式不同。图8中示出的当前选择的菜单种类即为“照片”。当电子设备10检测到用户针对“照片”菜单控件的操作时,界面80可以展示多张图片,电子设备10可以在界面80中接收用户的滑动操作浏览更多的图片,“照片”菜单控件可以称为第一菜单控件。当电子设备10检测到用户针对“相册”菜单控件的操作时,界面80可以展示一个或多个文件夹(文件集合),每个文件夹可以包含多张具有共同特征的图片,“相册”菜单控件可以称为第二菜单控件。例如,可以将同一拍摄模式(例如全景模式、HDR模式等)的图片归属于文件夹一,可以将同一来源(例如微博、微信、QQ、Facebook等)的图片归属于文件夹二,用户也可以自定义文件夹三,将多个图片归属于文件夹三。当电子设备10检测到用户针对“发现”菜单控件的操作时,界面80可以按照不同的分类展示多个文件夹,每个分类包含一个或多个文件夹,每个文件夹包含一个或多个图片,“发现”菜单控件可以称为第三菜单控件。例如可以按照地点和时间分类展示多个文件夹。地点分类下,可以具体根据拍摄地点(例如北京市、上海市、NewYork、Tokyo等)将图片归属于不同的文件夹。时间分类下,可以具体根据拍摄时间(例如2018年、2017年、2016年等)将图片归属于不同的文件夹。
图8左图的中照片可以是按照拍摄时间的先后等顺序排列,这种顺序排列方式,没有考虑本发明实施例中计算得到的分值。图8左图所示,分值低的(picture,P)P1位置在所有图片的最前面,分值高的P16位置靠后。经过优化后,图8右图中,分值高的P16已经被移动到所有图片的最前面优先展示,分值低的P1被往后移。
S308:电子设备10的处理器110根据分值删除图片。
可选地,根据各图片的分值,将第一图片集合展示,使用户可以一键删除多张第一图片。如图9所示,优化后将分值低的P1、P9、P12、P20都归类于第一文件夹,通过点击第一文件夹,用户可以查看该文件夹内包含的第一图片,电子设备10可以基于控件901一键删除第一文件夹中所有的第一图片。
可选地,可以根据各图片的分值,对第一图片区别显示,例如可以将第一图片的色度值降低,或增加外框,或打上特定的标记,以使其区别于其他图片。
具体地,上述根据分值删除图片的过程可以是每周最多一次,可以在每周日晚上22:00判断是否满足步骤S305中描述的优化条件,若不满足,则延时1小时至23:00再次判断是否满足,直至满足优化条件则触发每周最多一次的删除过程,以保证图片删除过程中不会影响用户正常使用,既提升删除效率,又提升用户体验。
上述删除频率(每周最多一次)仅为示例性说明,在具体实现中,删除频率可以更高也可以更低,本申请实施例对此不作限定。
此外,除了上述在满足优化条件的情况下自动执行删除过程之外,实际上还可以根据用户对第一文件夹的操作来删除其中的图片。此时图片的删除频率不限于上述每周最多一次。
此外,S307和S308可以是两个独立的步骤,本发明实施例对这两个步骤的先后顺序没有限定。
S309:电子设备10的触摸传感器180K检测用户的第三操作。
具体地,上述第三操作可以是触摸传感器180K检测到的用户对优化后的图片的操作,该操作例如可以是将放大显示的图片取消放大显示,该操作例如可以是将“建议删除”的文件夹里的第一图片移出,使其显示在“照片”菜单下的界面80中,或者使其按照其特征分类归属于相册菜单下的其他文件夹内。
S310:响应于上述第三操作,电子设备10的处理器110调整上述打分算法模型。
具体地,根据第三操作判断图片分值与用户心理预期相比是偏低还是偏高,根据判断结果调整打分算法模型,使图片分值接近用户心理预期,从而使图片展示和删除的结果更加符合用户意图,提升图片展示和删除的结果的准确性。
此外,还可以在Beta用户测试中搜集不同的用户针对不同电子设备10的相册中图片的反馈数据,从而根据反馈数据对算法模型进行调整。
进一步地,可以收集用户大数据,引入人工智能(artificial intelligence,AI)算法对打分算法模型进行调整。通过对打分算法模型进行调整,可以使其输出的图片的分值更接近用户心理预期,从而使图片展示和删除的结果更加符合用户意图,提升图片展示和删除的准确性。
接下来结合具体实例详细介绍本申请实施例提供的图片展示和删除的方法。
具体地,电子设备10的处理器110可以获取其内部存储器121及外部存储卡中的所有图片以及电子设备10对应的云相册中存储的图片。电子设备10的处理器110还可以获取各个图片的特征。在获取各个图片的特征后,首先可以根据图片的至少一个特征确定该图片可用的场景为展示场景或者删除场景。前述至少一个特征用于初步判断某张图片可能是第一图片或者可能是第二图片。若根据前述至少一个特征判断出该图片可能是第一图片,则确定该图片可用于删除场景;若根据前述至少一个特征判断出该图片可能是第二图片,则确定该图片可用于展示场景。此处用于确定图片可用的场景的至少一个特征可称为场景特征。确定图片可用的场景的目的在于确定提取图片的哪些特征以及这些特征的打分标准用于计算该图片的分值。根据不同的特征以及这些特征的打分标准来计算图片的分值可以使最终的分值更加符合用户的心理预期,提高分值的准确性,从而使图片的展示或者删除更加准确,减少用户的操作,提升操作效率。
若该图片可用的场景为展示场景,则提取图片的第一特征及第二特征。根据第一特征及第二特征计算每张图片的分值。再根据分值对图片进行展示。若该图片可用的场景为删除场景,则提取图片的第三特征及第四特征。根据第三特征及第四特征计算每张图片的分值。再根据分值对图片进行删除。以下实施例根据可用的场景分别介绍图片展示方法以及图片删除方法。
具体地,图片Pi的分值Si计算公式如下:
展示场景下,公式(1)中,k、m、j、n为正整数,m为第一特征的个数,k=1,…,m,k不同的值分别对应一个第一特征。αk为k值对应的第一特征的值;n为第二特征的个数,j=1,…,n,j不同的值分别对应一个第二特征。xj为j值对应的第二特征的值。ωj为j值对应的第二特征的权重。f(xj)为j值对应的第二特征的特征函数,用于将第二特征的值进行归一化。本申请实施例中,初始算法中各第二特征的权重ωj的值均相同,设置为1,后续可根据测试反馈结果,针对某些特征调整权重,为用户提供各权重配置功能。在实际实现中,各第二特征的权重ωj可以不同,ωj的取值也不限于为1。本申请实施例对此不作限制。
上述k值对应的第一特征可以通过查找映射关系表获得。映射关系表可以保存在内部存储器121中,用于表明k值与第一特征的映射关系。例如,k值为1时,对应的第一特征可以是收藏,k值为2时,对应的第一特征可以是备注等。类似的,j值对应的第二特征也可以通过查找映射关系表获得。
删除场景下,公式(1)中,k、m、j、n为正整数,m为第三特征的个数,k=1,…,m,k不同的值分别对应一个第三特征。αk为k值对应的第三特征的值;n为第四特征的个数,j=1,…,n,j不同的值分别对应一个第四特征。xj为j值对应的第四特征的值。ωj为j值对应的第四特征的权重。f(xj)为j值对应的第四特征的特征函数,用于将第四特征的值进行归一化。本申请实施例中,初始算法中各第四特征的权重ωj的值均相同,设置为1,后续可根据测试反馈结果,针对某些特征调整权重,为用户提供各权重配置功能。在实际实现中,各第四特征的权重ωj可以不同,ωj的取值也不限于为1。本申请实施例对此不作限制。
与展示场景下类似的,k值对应的第三特征、j值对应的第四特征均可通过查找映射关系表获得,在此不详述。
接下来将结合表1,示例性列举了20张图片(P1-P20)包含的各个特征对应的状态,后续实施例将以这20张图片为基础进行说明。
表1P1-P20各特征状态表
/>
表1列出了P1-P20,每张图片包含的各个特征的状态。表1中第一列用于表示图片的编号。表1中的第一行用于表示图片的各个特征。
接下来介绍表1中各个特征的含义以及各个特征对应的状态的含义。
“上传云端”指的是某张保存在内部存储器121中的图片,是否已被上传至云端。若某张图片已被上传至云端,则确定用户可能不喜欢这张图片;若某张图片未被上传至云端,则确定用户可能喜欢这张图片。若已被上传至云端,则“上传云端”的状态为是;若未被上传至云端,则“上传云端”的状态为否。
若处理器110从内部存储器121中获取某图片,则该图片的存储位置为内置,确定用户可能不喜欢这张图片,“存储位置”的状态为内置;若处理器110通过外部存储器接口120从外部存储卡中获取某图片,则该图片的存储位置为外置,确定用户可能喜欢这张图片,则“存储位置”的状态为外置。
若某张图片被关联壁纸,则确定用户可能喜欢这张图片,“关联壁纸”的状态为是;若某张图片未被关联壁纸,则确定用户可能不喜欢这张图片“关联壁纸”的状态为否。
若某张图片被收藏,则确定用户可能喜欢这张图片,“收藏”的状态为是;若某张图片未被收藏,则确定用户可能不喜欢这张图片,“收藏”的状态为否。
若某张图片被备注,则确定用户可能喜欢这张图片,“备注”的状态为是;若某张图片未被备注,则确定用户可能不喜欢这张图片,“备注”的状态为否。
若某张图片被分享,则确定用户可能喜欢这张图片,“分享”的状态为是;若某张图片未被分享,则确定用户可能不喜欢这张图片,“分享”的状态为否。
若某张图片是在某种拍摄模式下拍摄的,则确定用户可能喜欢这张图片,“拍摄模式”的状态为是;若某张图片不是在任意一种拍摄模式下拍摄的,则确定用户可能不喜欢这张图片,“拍摄模式”的状态为否。
若某张图片的内容属于某种分类,则确定用户可能喜欢这张图片,“图片内容分类”的状态为是;若某张图片的内容不属于任意一种分类,则确定用户可能不喜欢这张图片,“图片内容分类”的状态为否。
若某张图片被浏览的次数大于某阈值,确定用户可能喜爱该图片;若某张图片被浏览的次数不大于该阈值,确定用户可能不喜爱该图片。该阈值例如可以是5。若某张图片被浏览的次数大于5次,“浏览次数”的状态为>5;若某张图片被浏览的次数不大于5次,“浏览次数”的状态为≤5。
若某张图片的拍摄时间大于某阈值,确定用户可能不喜爱该图片;若某张图片的拍摄时间不大于该阈值,确定用户可能喜爱该图片。该阈值例如可以是30。若某张图片的拍摄时间大于30天,“拍摄时间”的状态为>30;若某张图片的拍摄时间不大于30天,“拍摄时间”的状态为≤30。
“最后浏览时间”指的是图片上一次被浏览的时间。可以通过某张图片上一次被浏览的时间确定用户是否喜爱该图片。若某张图片上一次被浏览的时间大于某阈值,确定用户可能不喜爱该图片;若某张图片上一次被浏览的时间不大于该阈值,确定用户可能喜爱该图片。该阈值例如可以是30。若某张图片上一次被浏览的时间大于30天,“最后浏览时间”的状态为>30;若某张图片上一次被浏览的时间不大于30天,“最后浏览时间”的状态为≤30。
“图片大小”指的是图片占用的存储空间。可以通过某张图片占用的存储空间的大小确定用户是否喜爱该图片。若某张图片占用的存储空间大于某阈值,确定用户可能不喜爱该图片;若某张图片占用的存储空间不大于该阈值,确定用户可能喜爱该图片。该阈值例如可以是5兆(M)。若某张图片占用的存储空间大于5M,“图片大小”的状态为>5;若某张图片占用的存储空间不大于5M,“图片大小”的状态为≤5。
“美学评分”指的是根据图片的结构、色彩等计算的分值。可以通过某张图片的美学评分确定用户是否喜爱该图片。若某张图片的美学评分大于某阈值,确定用户可能喜爱该图片;若某张图片的美学评分不大于该阈值,确定用户可能不喜爱该图片。该阈值例如可以是5分。若某张图片的美学评分大于5分,“美学评分”的状态为>5;若某张图片的美学评分不大于5分,“美学评分”的状态为≤5。
“垃圾箱”指的是图片的一种分类,可以以文件夹的形式存在,“垃圾箱”文件夹内包含的图片均为用户不喜欢的且想要删除的图片,此时归属于“垃圾箱”文件夹的图片依然保存在内部存储器121中,当图片从“垃圾箱”文件夹中被清理或者被删除时,该图片会从内部存储器121中删除。若某张图片被归属于“垃圾箱”文件夹,“垃圾箱”的状态为是;若某张图片未被归属于“垃圾箱”文件夹时,“垃圾箱”的状态为否。此外,用户不喜欢且想要删除的图片归属的文件夹不限定于命名为“垃圾箱”,还可以是“回收站”、“最近删除”等,本申请实施例对此不作限定。
具体地,可能是第二图片的图片可用于展示场景,可能是第一图片的图片可用于删除场景。上述用于确定图片可用的场景为展示场景或者删除场景的至少一个特征可以表示某图片可能是第一图片或者是第二图片,上述至少一个特征可以包括:收藏、备注、关联壁纸、存储位置、上传云端。若某张图片没有被收藏、没有被备注、没有被关联壁纸、存储位置为内置且为已上传云端,则确定该图片可能是第一图片,该图片可用于删除场景。若某张图片被收藏,则代表用户可能喜爱这张图片,则该图片可能是第二图片,可用于展示场景;若某张图片的存储位置为外置,则代表用户可能喜爱这张图片,则该图片可能是第二图片,可用于展示场景;若某张图片被关联壁纸,则代表用户可能喜爱这张图片,则该图片可能是第二图片,可用于展示场景;若某张图片被备注,则代表用户可能喜爱这张图片,则该图片可能是第二图片,可用于展示场景;若某张图片未被上传至云端,则代表用户可能喜爱这张图片,则该图片可能是第二图片,可用于展示场景。即若某一张图片被收藏,或者被备注,或者被关联壁纸,或者存储位置为外置,或者为未被上传至云端,则该图片可能的第二图片,可用于展示场景。上述用于确定使用场景的特征不限于上述列出的五种,还可以包括其他特征,例如是否被分享,若被分享则可能是第二图片,可用于展示场景。在具体实现中,用于确定使用场景的特征可以是上述列举的几种特征的任意组合,也可以包括其他特征,能够用于确定某图片可能是第一图片或者可能的第二图片,确定各个图片的使用场景即可,本申请实施例对此不作限制。
因此,从表1中第二列至第六列的特征(上传云端、存储位置、关联壁纸、收藏、备注)的状态可以看出,P1、P4、P6、P7、P8、P10、P11、P13、P15、P18、P19可用于展示场景,P2、P3、P5、P9、P12、P14、P16、P17、P20可用于删除场景。
接下来针对不同的场景,介绍不同场景下第一特征(或第三特征)及第二特征(或第四特征)的选择及值。首先介绍展示场景,然后介绍删除场景。
在展示场景下:
第一特征和第二特征用于表征用户对图片的喜爱程度。第一特征例如可以包括:收藏和备注。若被收藏或者被备注,则确定用户喜爱这张图片,通过该第一特征的值,提升该图片的分值。结合表1的描述,若根据第一特征的状态确定用户可能喜欢这张图片,则该特征的值为较大的值;若根据第一特征的状态确定用户可能不喜欢这张图片,则该特征的值为较小的值。对于第一特征不同状态对应的值,示例性的可见表2,较大的值为10,较小的值为1。第二特征例如可以包括:分享、拍摄模式、图片内容分类、浏览次数、拍摄时间、最后浏览时间、图片大小、美学评分。结合表1的描述,若根据第二特征的状态确定用户可能喜欢这张图片,则该特征的值为较大的值;若根据第二特征的状态确定用户可能不喜欢这张图片,则该特征的值为较小的值。对于第二特征不同状态对应的值,示例性的可见表3,较大的值为1,较小的值为0。
具体地,分享可以包括通过第三方软件分享至第三方平台,第三方平台例如可以但不限于是微信、微博、腾讯QQ、腾讯微博、Facebook等。分享也可以包括通过短距离无线通信方式分享至其他电子设备。若某张图片被分享过,则第二特征“分享”的值为1;若某张图片未被分享过,则则第二特征“分享”的值为0。若某张图片的在某种拍摄模式下拍摄的,则第二特征“拍摄模式”的值为1;若某张图片不是在任意一种拍摄模式下拍摄的,则第二特征“拍摄模式”的值为0。若某张图片的内容属于某种分类,则第二特征“图片内容分类”的值为1;若某张图片的内容不属于任意一种分类,则第二特征“图片内容分类”的值为0。若某张图片被浏览的次数超过5次,则第二特征“浏览次数”的值为1;若某张图片被浏览的次数不超过5次,则第二特在“浏览次数”的值为0。若某张图片的拍摄时间超过30天,则第二特征“拍摄时间”的为0;若某张图片的拍摄时间不超过30天,则第二特征“拍摄时间”的值为1。若某张图片的上次浏览时间超过30天,则第二特征“上次浏览时间”的值为0;若某张图片的上次浏览时间不超过30天,则第二特征“上次浏览时间”的值为1。若某张图片的大小超过5兆,则第二特征“图片大小”的值为0;若某张图片的大小不超过5兆,则第二特征“图片大小”的值为1。若某张图片的美学评分超过5分,则第二特征“美学评分”的值为1;若某张图片的大小不超过5分,则第二特征“美学评分”的值为0。
具体地,若某张图片被收藏,则第一特征“收藏”的值为10,第二特征加权求和的分值放大十倍,极大程度上提高该图片的分值,确保用户喜欢的图片分值靠前;若某张图片未被收藏,则第一特征“收藏”的值为1,不改变第二特征加权求和的分值。若某张图片被备注,则第一特征“备注”的值为10,将第二特征加权求和的分值放大十倍,极大程度上提高该图片的分值,确保用户喜欢的图片分值靠前;若某张图片未被备注,则第一特征“备注”的值为1,不改变第二特征加权求和的分值。总之需要通过第一特征的较大的值提升图片的分值。
表2展示场景下第一特征的选择及值
第一特征 | 收藏 | 备注 |
是 | 10 | 10 |
否 | 1 | 1 |
表3展示场景下第二特征的选择及值
结合表2和表3可以看出,公式(1)中m=2,n=8。k值与第一特征的映射关系表示例性的如表4所示。j值与第二特征的映射关系表示例性的如表5所示。
表4k值与第一特征的映射关系表
k值 | 第一特征 |
k=1 | 收藏 |
k=2 | 备注 |
表5j值与第二特征的映射关系表
j值 | 第二特征 |
j=1 | 分享 |
j=2 | 拍摄模式 |
j=3 | 图片内容分类 |
j=4 | 浏览次数 |
j=5 | 拍摄时间 |
j=6 | 最后浏览时间 |
j=7 | 图片大小 |
j=8 | 美学评分 |
上述k值与第一特征的映射关系以及j值与第二特征的映射关系仅为示例性说明,实际上还可以存在其他的映射关系,本申请实施例对此不作限定。
具体地,各个第一特征的选择及第二特征的选择不限于表2和表3中示出的选择,在实际使用过程中,还可以有其他的选择,后续可以根据用户的反馈对第一特征及第二特征进行选择,还可以由用户手动选择第一特征及第二特征。此外,各个第一特征及第二特征的较大的值及较小的值也不限于表2和表3中示出的值,在实际使用过程中,还可以有其他选择,本申请实施例对此不作限定。
在一些实施例中,第二特征的值不限于是表3列出的0或1。在一种可能的实现方式中,还可以是0或2、0或10、1或10等。在一种可能的实现方式中,第二特征的值还可以是连续的,例如对于第二特征“浏览次数”的值可以但不限于是>5次时值为1,≤5次时值为0,还可以是随着浏览次数的增加,其值线性增加。如浏览次数为0次,则值为0;浏览次数为1次,则值为0.1;浏览次数为2次,则值为0.2;浏览次数为10次及以上,则值为1。同理可适用于第二特征“分享”、“拍摄时间”、“最后浏览时间”、“图片大小、“美学评分”等,具体赋值的方式可参考第二特征“浏览次数”的赋值方式,在此不再赘述。
在一些实施例中,第一特征的较大值取决于根据第二特征加权求和计算得到的分值S′i:
式(2)中j、n、ωj、f(xj)的含义与式(1)一致,在此不详述。从式(2)可以看出,根据各个第二特征计算得到的分值S′i取决于第二特征的个数及各第二特征的值。若想要通过第一特征的较大的值提升图片的分值,突出第一特征对图片分值的决定性作用,需要使第一特征的较大的值大于各个第二特征加权求和可能的最大值,各个第二特征加权求和可能的最大值即为各个第二特征的值均为较大的值时求得的分值S′i。示例性地,若第二特征的个数为8个,每个第二特征的较大的值均为1,且每个第二特征占的权重ωj均为1,则各个第二特征加权求和可能的最大值为8,第一特征的较大的值需大于8即可。示例性地,若第二特征的个数为10个,每个第二特征的较大的值均为2,且每个第二特征占的权重ωj均为1,则各个第二特征加权求和可能的最大值为20,第一特征的较大的值需大于20即可。
示例性的,图片A的第二特征的的值均为较大的值,但第一特征的值为较小的值,图片B的第一特征的值为较小的值,但第二特征的值不全为较大的值,则图片B的分值一定会大于图片A的分值。从该示例中可以看出,第一特征的值为较大的值时,可以直接使第二特征加权求和的分值放大若干倍,很大程度上提升该图片的分值,体现出该图片的分值优势,从而通过分值体现出用户对该图片的喜爱程度。
具体地,若某些图片被收藏或者被备注,则仅通过第一特征的值即可将其与未被收藏且未被备注的图片的分值拉开差距,体现用户对这些图片喜爱程度的不同。若两张图片同时被收藏或被备注,或者都未被收藏且未被备注,则通过第二特征的值将其分值拉开差距,体现用户对这两张图片喜爱程度的不同。
结合表1、表2及表3可以获得上述适用于推荐场景下的各图片的各个特征的值,并根据公式(1)计算出各个图片的分值Si,如表6所示。
表6展示场景下的图片各个特征的取值及图片的分值
表6中,第一列为各个图片的编号,第一行为图片的各个特征、S′i及Si。
具体地,根据表6中的分值计算结果,可以看出若根据第二特征加权求和的分值S′i对表6中列举的图片进行排序(分值由高到低),与根据第一特征及第二特征共同作用求得的分值Si对表6中列举的图片进行排序(分值由高到低)的对比图如图10所示。结合表6和图10可以看出,仅根据第二特征加权求和的分值排序第6的P11,经过第一特征的较大的值提高分值后,排序提升至第1;仅根据第二特征加权求和的分值排序第7的P15,经过第一特征的较大的值提高分值后,排序提升至第5;仅根据第二特征加权求和的分值排序第8的P7,经过第一特征的较大的值提高分值后,排序提升至第6。可以看出,经过第一特征的较大的值可以直接使第二特征加权求和的分值放大若干倍,很大程度上提升该图片的分值,体现出该图片的分值优势,从而通过分值体现出用户对该图片的喜爱程度。
具体地,在计算得到各图片的分值后,电子设备10可以根据分值对图片进行展示。
在一种可能的实施例中,电子设备10可以在“照片”菜单下的界面80中优先展示分值高的图片。在一种具体地实现方式中,可以将分值最高的图片排在第一,按照分值从高到低的顺序从上到下,先左后右的排列依次图片,排列方式可参考图8右图所示,在此不赘述。
在另一种可能的实施例中,电子设备10可以在“照片”菜单下的界面80中将第二图片的面积变大。示例性的,第二图片可以是指分值最高的1张图片,则分值最高的一张图片为P11,将其在界面80中的面积变大,至少可以使P11在界面80中的面积大于其他非第二图片的面积。如图11A所示,第二图片P11的尺寸为其他非第二图片的面积的至少4倍。
在另一种可能的实施例中,电子设备10可以在“照片”菜单下的界面80中加框显示第二图片,如图11B所示。
在另一种可能的实施例中,电子设备10还可以在“照片”菜单下的界面80中标星显示第二图片,如图11C所示。
在具体实现中,还可以有其他显示方式显示第二图片,例如特殊颜色显示第二图片,或者特殊透明度显示第二图片等,本申请实施例对此不作限制。“照片”菜单下界面80中展示的图片为内部存储器121及外部存储卡中的所有图片。
在另一种可能的实施例中,电子设备10可以集合展示第二图片,如图12和图13所示。图12中,电子设备10检测到用户针对“发现”菜单控件的操作时,界面80中除了包括地点分类、时间分类之外,还可以包括第一分类8021。地点分类中包含多个文件夹,每个文件夹中可以包含多张图片,该文件夹中包含的多张图片的拍摄地点相同,例如可以是北京市、上海市、New York、Tokyo等。时间分类中包含多个文件夹,每个文件夹中可以包含多张图片,该文件夹中包含的多张图片的拍摄时间相同,例如可以是2018年、2017年、2016年、2015年等。第一分类8021中可以包含多张第二图片。“第一分类”在界面80中还可以显示为“猜你喜欢”或者“Favorite”或者“Fav”,不限于此,还可以有其他的类别名称,本申请实施例对此不做限制。以上分类方式除了按照地点分类、时间分类外,还可以有其他的分类方式,例如按照人物分类,本申请实施例对具体的分类方式不做限定。界面80中还可以包括搜索控件804,当电子设备10的触摸传感器180K检测到用户对搜索控件804的操作时,电子设备10的显示屏194显示搜索界面,如图13所示,搜索界面90至少可以包括:搜索栏901、展示界面902及状态栏。其中状态栏与图4A中列出的状态栏204类似,在此不赘述。搜索栏901用于接收用户的搜索指令,用于从电子设备10的内部存储器121、外部存储卡及云相册中搜索图片。当电子设备10的触摸传感器180K检测到用户对搜索栏901的操作后,在展示界面902中显示输入法界面9022,用户可以在输入法界面9022中输入想要搜索的图片,如“蓝天”,则电子设备10可从内部存储器121、外部存储卡及云相册中搜索出内容为“蓝天”的图片。展示界面902中包括多个不同的分类,图13中示出了地点分类及第二分类9021,地点分类中包含的文件夹与图12中地点分类中包含的文件夹类似,第二分类9021中包含第二图片,与图12中第一分类8021中包含的第二图片类似,在此不赘述。
上述对于第二图片的集合展现形式不限于上述列出的分类的形式,在实际实现中还可以有其他的展现形式,本申请实施例对此不作限制。
本申请实施例首先通过部分特征确定图片可用的场景,再通过第一特征及第二特征的共同作用,使得根据本申请实施例提供的算法模型计算的分值更加符合用户的心理预期,可以使用户快速查找图片,与现有技术相比,本申请实施例展示的图片更加符合用户的操作习惯,提升了用户的操作效率。
在删除场景下:
第三特征和第四特征用于表征用户对图片的不喜爱程度。第三特征例如可以包括:垃圾箱。此处包含有“垃圾箱”特征的图片为用户主动删除,当前被归类于“垃圾箱”文件夹中但图片依旧保存在内部存储器121中的图片。若某张图片被归类于“垃圾箱”文件夹,则确定用户不喜爱这张图片,通过该第三特征的值,降低该图片的分值。结合表1的描述,若根据第三特征的状态确定用户可能不喜欢这张图片,则该特征的值为较大的值;若根据第三特征的状态确定用户可能喜欢这张图片,则该特征的值为较小的值。对于第三特征不同状态对应的值,示例性的可见表7,较大的值为10,较小的值为1。第四特征例如可以包括:拍摄模式、图片内容分类、拍摄时间、最后浏览时间、图片大小、美学评分。结合表1的描述,若根据第四特征的状态确定用户可能不喜欢这张图片,则该特征的值为较小的值;若根据第二特征的状态确定用户可能喜欢这张图片,则该特征的值为较大的值。对于第四特征不同状态的值,示例性的可见表8。
具体地,若某张图片被归类于“垃圾箱”文件夹,确定用户很可能不喜欢这张图片,则第三特征“垃圾箱”的较大的值为10,由于在删除场景下各第四特征加权求和的分值可能为负,则通过将第三特征的较大的值为10可以将第四特征加权求和的分值负向放大十倍,极大程度上降低该图片的分值,确保用户不喜欢的图片分值靠后;若某张图片未被归类于“垃圾箱”文件夹,确定用户可能喜欢这张图片,则第三特征“垃圾箱”的较小的值为1,不改变第四特征加权求和的分值。在一种可能的实施例中,若删除场景下各第四特征加权求和的分值不为负,则在根据第三特征的状态确定用户可能不喜欢这张图片的情况下,则该特征的值为较小的值。其中,较小的值可以是小数,也可以是0,还可以是负数。总之需要通过第三特征的值降低图片的分值。本申请实施例主要以在删除场景下各第四特征加权求和的分值可能为负的情况为例进行说明。
表7删除场景下第三特征的选择及值
第三特征 | 垃圾箱 |
是 | 10 |
否 | 1 |
表8删除场景下第四第四特征的选择及值
结合表7和表8可以看出,公式(1)m=1,n=7。k值与第三特征的映射关系表示例性的如表9所示。j值与第四特征的映射关系表示例性的如表10所示。
表9k值与第三特征的映射关系表
k值 | 第三特征 |
k=1 | 垃圾箱 |
表10j值与第四特征的映射关系表
上述j值与第四特征的映射关系仅为示例性说明,实际上还可以存在其他的映射关系,本申请实施例对此不作限定。
具体地,各个第三特征的选择及第四特征的选择不限于表7和表8中示出的选择,在实际使用过程中,还可以有其他的选择,后续可以根据用户的反馈对第三特征及第四特征进行选择,还可以由用户手动选择第三特征及第四特征。此外,各个第三特征及第四特征的较大的值及较小的值也不限于表7和表8中示出的赋值,在实际使用过程中,还可以有其他选择,本申请实施例对此不作限定。
在一些实施例中,第四特征的值不限于是表8列出的几种情况。在一种可能的实现方式中,第四特征的较小的值可以为正数,第四特征的较大的值也为正数。在另一种可能的实现方式中,第四特征的较小的值可以是负数,第四特征的较大的值也为负数。在一种可能的实现方式中,第四特征的赋值还可以是连续的,例如对于第四特征“拍摄时间”的值可以是随着拍摄时间的增加,其值线性降低。如拍摄时间为30天以上时,值为-1分;拍摄时间大于20天且小于等于30天时,值为-0.5;拍摄时间大于10天且小于等于20天时,值为0;拍摄时间大于5天且小于等于10天时,值为0.5;拍摄时间小于等于5天时,值为1。同理可适用于第四特征“浏览此数”、“最后浏览时间”、“图片大小、“美学评分”等,具体赋值方式可参考第四特征“拍摄时间”的赋值方式,在此不再赘述。
在一些实施例中,第三特征的较大的值取决于根据第四特征加权求个计算得到的分值S′i。
从式(2)可以看出,根据各个第四特征计算得到的分值S′i取决于第四特征的个数及各第四特征的值。若想要通过第三特征的较大的值降低图片的分值,突出第三特征对图片分值的决定性作用。
在S′i为负数的情况下,需要使第三特征的较大的值大于各个第四特征加权求和可能的最小值的绝对值,各个第四特征加权求和可能的最小值即为各个第四特征的值均为较小的值时求得的分值S′i。示例性地,若第四特征的个数为8个,每个第四特征的较小的值均为-1,且每个第四特征占的权重ωj均为1,则各个第四特征加权求和可能的最小值为-8,第三特征的较大的值需大于8即可。示例性地,若第四特征的个数为10个,每个第四特征的较小的值均为-2,且每个第四特征占的权重ωj均为1,则各个第四特征加权求和可能的最小值为-20,第三特征的较大的值需大于20即可。
在S′i为非负数的情况下,需要使第三特征的较小的值小于各个第四特征加权求和可能的最大值的倒数,各个第四特征加权求和可能的最大值即为各个第四特征的值均为较大的值时求得的分值S′i。示例性地,若第四特征的个数为8个,每个第四特征的较大的值均为1,且每个第四特征占的权重ωj均为1,则各个第四特征加权求和可能的最大值为8,第三特征的较小的值需小于1/8即可。示例性地,若第四特征的个数为10个,每个第四特征的较大的值均为2,且每个第四特征占的权重ωj均为1,则各个第四特征加权求和可能的最大值为20,第三特征的较小的值需小于1/20即可。
总之,无论在S′i为负数还是S′i为非负数的情况下,需要通过根据第三特征的状态确定用户不喜爱某张图片时该第三特征的值降低图片的分值,保证根据第三特征的状态确定用户不喜爱某张图片且的S′i值较高的图片的分值低于根据第三特征确定用户可能喜爱某张图片且S′i值较低的图片的分值。
示例性的,图片A的第四特征的值均为较小的值,但根据第三特征的状态确定用户可能喜爱某张图片,根据图片B的第三特征确定用户不喜爱某张图片,但第四特征的值不全为较小的值,则图片B的分值一定会小于图片A的分值。从该示例中可以看出,在根据第三特征的状态确定用户不喜爱某张图片的情况下,可以直接使第四特征加权求和的分值负向放大若干倍或者缩小若干倍,很大程度上降低该图片的分值,体现出该图片的分值劣势,从而通过分值体现出用户对该图片的不喜爱程度。
结合表1、表7及表8可以获得上述适用于删除景下的各图片的各个特征的取值,并根据公式(1)计算出各个图片的分值Si,如表11所示。
表11删除场景下的图片各个特征的值及图片的分值
表11中,第一列为各个图片的编号,第一行为图片的各个特征、S′i及Si。
具体地,根据表11中的分值计算结果,可以看出若根据第四特征加权求和的分值S′i对表11中列举的图片进行排序(分值由高到低),与根据第三特征及第四特征共同作用求得的分值Si对表11中列举的图片进行排序(分值由高到低)的对比图如图14所示。结合表11和图14可以看出,仅根据第四特征加权求和的分值排序第2的P3,经过第三特征的较大的值降低分值后,排序降低至第6;仅根据第四特征加权求和的分值排序第4的P12,经过第三特征的较大的值降低分值后,排序降低至第7;仅根据第四特征加权求和的分值排序第6的P20,经过第三特征的较大的值降低分值后,排序降低至第8;仅根据第四特征加权求和的分值排序第8的P14,经过第三特征的较大的值降低分值后,排序降低至第9。可以看出,经过第三特征的较大的值可以直接使第四特征加权求和的分值负向放大若干倍,很大程度上降低该图片的分值,体现出该图片的分值劣势,从而通过分值体现出用户对该图片的不喜爱程度。
具体地,在计算得到各图片的分值后,电子设备10可以根据分值并结合删除条件提示用户删除或者直接自动删除第一图片。删除条件即为电子设备10确定第一图片的依据之一。例如删除条件可以是使电子设备10的内部存储器121的剩余可用容量不低于某阈值,则电子设备10可以根据该删除条件以及各图片的分值,确定需要删除的第一图片,以保证第一图片被删除后,电子设备10的内部存储器121剩余可用容量不低于上述阈值。需要说明的是,本申请实施例中提及的“删除”与将图片归类于“垃圾箱”文件夹中不同,本申请实施例中的“提示用户删除”是指依然保存在内部存储器121或者外部存储卡中,直至接收用户的删除指令,则从内部存储器121中或者外部存储卡中删除。“直接删除”是指将图片从内部存储器121中或者外部存储卡中删除,以释放电子设备10的存储容量。
具体地,可以根据删除条件及各图片的分值确定第一图片,提示用户删除第一图片,或者直接自动删除第一图片。
在一种可能的实施例中,第一图片可以根据用户手机总存储容量Q、可用存储容量Qleft、图片张数N计算确定。
具体地,可以设置目标剩余存储容量:
Qleft.threshold=min(2G,Q×10%) (3)
即当总存储容量Q大于20G时,目标剩余存储容量Q为2G;当总存储容量Q不大于20G时,目标剩余存储容量Qleft.threshold为总存储容量Q的10%。即目标剩余存储容量至多为2G。
待求的可删除分值阈值St可通过公式(5)求得:
其中,Si为图片i的分值,分值小于等于可删除分值阈值St的图片的总容量大于或者等于目标剩余存储容量Qleft.threshold与当前剩余容量Qleft的差值。假设,目标剩余存储容量Qleft.threshold与当前剩余容量Qleft的差值为200兆(M),即待释放的存储空间为200M,则依次选定分值最低的图片为待删除的图片,直至选定的待删除的图片的总容量刚好等于或者大于200M,则这些待删除的图片中分值最高的图片的分值即为可删除分值阈值St的。
此外,可以设置每次删除图片的总容量大小Qdelete.threshold为:
Qdelete.threshold=max(100M,(Qleft.threshold-Qleft)) (5)
即当目标剩余存储容量Qleft.threshold与当前剩余容量Qleft的差值小于100M时,每次删除图片的总容量大小Qdelete.threshold为100M;当目标剩余存储容量Qleft.threshold与当前剩余容量Qleft的差值不小于100M时,每次删除图片的总容量大小Qdelete.threshold为目标剩余存储容量Qleft.threshold与当前剩余容量Qleft的差值。换言之,每次删除图片总容量至少为100M。例如,若根据式(4)计算出的可删除分值阈值St可知需要删除的图片的容量为80M,则可再删除若干张分值最低的图片,直至删除的图片的容量刚好大于或者等于100M。
此外,还可以设置每次图片删除的数量阈值Nthreshold为最多为总数量N的10%,即
Nthreshold≤N×10% (6)
若根据式(4)计算出可删除分值阈值St可知需要删除的图片的数量为20张,而电子设备10内存储的图片的总量为150张,则最终删除的图片的数量为15张,则第一图片即为分值最低的15张图片。
具体地,目标剩余存储容量的最大值不限于上述列举的2G,每次删除图片总容量的最小值也不限于上述列举的100M,每次删除的图片的数量阈值也不限于上述列举的总数量N的10%,在实际的实现过程中还可以是其他值,用户也可以手动设置上述参数,本申请实施例仅为示例性说明,对此不作限定。
示例性地,若电子设备10内部存储器121的当前剩余容量为总容量的10%,而目标剩余容量为总容量的20%,则根据删除策略确定出表11中列举的图片中分值最低的5张图片为第一图片,即确定出P17、P3、P12、P20、P14为第一图片。当电子设备10的触摸传感器180K检测到用户针对“相册”菜单控件的操作时,相册的显示界面80除了显示“微博”文件夹、“微信”文件夹及“Facebook”文件夹之外,还可以显示第一文件夹8022,如图15所示。第一文件夹8022可以包括多张第一图片。第一文件夹在界面80中还可以更直观的显示为建议删除,不限于此,还可以有其他的名称,本申请实施例对此不做限制。电子设备10的触摸传感器180K检测到用户针对第一文件夹8022的操作后,电子设备10的显示屏194可以显示界面100,界面100中可以包括第一图片,控件901以及状态栏。其中,状态栏与图4A中的状态栏204类似,在此不赘述。当电子设备10的触摸传感器180K检测到用户针对控件901的操作将所有第一图片删除后,电子设备10内部存储器121的存储容量即可释放至总容量的20%,删除过程中用户操作简便,且第一图片根据第三特征及第四特征综合决定,删除图片的准确性高,降低用户再次从云端下载图片的概率,提升用户体验。上述集合展示第一图片的方式不限于置于第一文件夹8022内在实际实现过程中还可以有其他集合展示的方式,本申请实施例对此不作限定。
此外,电子设备10在确认第一图片之后,还可以直接删除第一图片,无需用户再手动删除,进一步减少用户操作。
在一种可能的实施例中,上述图片的展示及图片的删除可以分别执行。即在图3示出的图片管理流程中,可以只执行S301-S307进行图片的展示,也可以只执行S301-S306、S308进行图片的删除。例如,上述图片的展示可以是电子设备10对适用于展示场景下的图片每天计算一次分值,当电子设备10接收到用户进入相册应用的指令时,电子设备10的处理器110可以根据分值更新图片的展示,而图片的删除则可以是电子设备10对适用于删除场景下的图片每周计算一次分值,根据分值及删除策略集合展示第一图片以提示用户删除,或者自动删除第一图片。又例如,电子设备10可以对所有其内部存储器121中存储的和/或云相册存储的所有图片进行每天一次的分值计算,然后根据分值更新图片的展示,并根据分值及删除策略进行每周一次的集合展示第一图片以提示用户删除,或者自动删除第一图片。
本申请实施例首先通过部分特征确定图片适用的场景,再通过第三特征及第四特征的共同作用,使得根据本申请实施例提供的算法模型计算的分值更加符合用户的心理预期,可以快速准确地删除图片,与现有技术相比,本申请实施例确定的第一图片更加准确,减少用户操作,提升了用户的操作效率。
此外,在上述展示场景和删除场景下计算出内部存储器121中存储的和/或云相册存储的所有图片的分值后,可以将所有图片的分值整体从高到低顺序排列,并按照从左到右、从上到下的顺序在图8右图中显示。
以上是分场景介绍了通过算法模型对计算图片的分值,并对图片进行管理的过程。接下来将介绍电子设备10对图片进行管理后,通过用户反馈对算法模块进行优化调整的过程。
具体地,用户反馈可以包括用户的正向反馈行为及反向反馈行为。
具体地,正向反馈行为可以包括:将“照片”菜单下的界面80中显示的图片中靠后的图片往前移动、将正常显示的图片放大显示、将正常显示的图片加框显示、将正常显示的图片标星显示、将归类于第一文件夹8022内的图片移出至“照片”菜单下的界面80中。如果发生上述的用户的反馈行为,可以确定该图片的分值应该更高。
具体地,反向反馈行为可以包括:将“照片”菜单下的界面80中显示的图片中靠前的图片往后移动、将放大显示的图片取消放大显示、将加框显示的图片取消加框显示、将标星显示的图片取消标星显示、用户将某张图片归类于“垃圾箱”文件夹中。如果发生上述的用户的反馈行为,确定该图片的分值应该更低。
接下来结合图16和图17介绍如何根据两种反馈行为对算法模型进行优化。其中,图16介绍了根据反向反馈行为优化算法模型,图17介绍了根据正向反馈行为优化算法模型。
从图16中可以看出,用户将图片显示队列中位于第7的图片P8往后移动至第11,确定用户希望P8的分值降低,则可以通过各种方式降低P8的分值,例如:
1、降低P8的第一特征中可以确定用户可能喜爱某张图片的特征的较大的值。
2、降低P8的第二特征中可以确定用户可能喜爱某张图片的特征的权重,增加P8的第二特征中可以确定用户可能不喜爱某张图片的特征的权重。
其次详细介绍如何通过上述两种方式降低P8的分值。
1、从表6中可以看出,P8的第一特征中可以确定用户可能喜欢某张图片的特征为“收藏”,其较大的值为10,可以将其降低,例如降低成5,则此时P8的分值Si从30降低为15。上述将“收藏”的较大的值降低为5仅为示例性说明,本申请实施例对此不作限定。
2、从表6中可以看出,P8的第二特征中可以确定用户可能喜欢某张图片的特征为“分享”、“图片内容分类”及“最后浏览时间”,可以确定用户可能不喜欢某张图片的特征为“拍摄模式”、“浏览次数”、“拍摄时间”、“图片大小”、“美学评分”,且从式(1)的描述中可以看出各个第二特征的权重均为1。为了保证所有图片包含的所有第二特征权重总和为固定值,确保各个图片的评分标准一致,保证各个图片分值的可比性,可以将可以确定用户可能喜欢某张图片的特征为“分享”、“图片内容分类”及“最后浏览时间”的权重均从1降低为0.5,同时将可以确定用户可能不喜欢某张图片的特征为“拍摄模式”、“浏览次数”、“拍摄时间”的权重增加为1.5,则此时P8的分值Si从30降低为15。上述第二特征的权重降低的幅度以及增加的幅度仅为示例性说明,且选择降低权重的可以确定用户可能喜欢某张图片的特征和选择增加权重的可以确定用户可能不喜欢某张图片的特征也为示例性说明,本申请实施例对此均不作限定。
在另外一种可能的实施例中,可以电子设备10可以搜集一段时间(例如一星期、一个月等)内用户针对内部存储器121及外部存储卡中的多张图片的反向反馈行为,再提取这多张图片的第一特征中共同的可以确定用户可能喜欢某张图片的特征,第二特征中共同的可以确定用户可能喜欢某张图片的特征及可以确定用户可能不喜欢某张图片的特征。此处共同的可以确定用户可能喜欢某张图片的特征及共同的可以确定用户可能不喜欢某张图片的特征并不是严格意义上每张图片都有的特征,只需这多张图片中大多数图片存在一致的可以确定用户可能喜欢某张图片的特征或可以确定用户可能不喜欢某张图片的特征即可。例如,电子设备10搜集了一个月内用户针对100张图片的反向反馈行为,则这100张图片的第一特征中有60张图片的可以确定用户可能喜欢某张图片的特征均为“收藏”,则可将“收藏”作为这100张图片的第一特征中共同的可以确定用户可能喜欢某张图片的特征,同理适用于第二特征中的可以确定用户可能喜欢某张图片的特征和可以确定用户可能不喜欢某张图片的特征。通过搜集用户针对多张图片的反向反馈行为提取的共同特征可以更加准确地对算法模型进行优化。
从图17中可以看出,当电子设备10的触摸传感器180K检测到用户针对界面100中P3的操作后,电子设备10的显示屏194可以显示界面200,界面200可以包括图片显示区域2001及恢复控件2002,图片显示区域2001用于显示P3,恢复控件2002用于接收用户的恢复指令,将P3从第一文件夹8022内移出,在将P3从第一文件夹8022内移出后,当电子设备10再次接收用户的查看该“建议删除”文件夹8022的指令时,界面100中不再显示P3,且在电子设备10再次接收到用户针对“相册”菜单控件的操作时,P3可显示在“照片”菜单下的界面80中,确定用户希望P3的分值提高,则可以通过多种方式提高P3的分值,例如:
1、降低P3的第三特征中可以确定用户可能不喜欢某张图片的特征的较大的值。
2、降低P3的第四特征中可以确定用户可能不喜欢某张图片的特征的权重,增大P3的第四特征中可以确定用户可能喜欢某张图片的特征的权重。
其次详细介绍如何通过上述两种方式提高P3的分值。
1、从表7中可以看出,P3的第三特征“垃圾箱”的较大的值为10,可以将其降低,例如降低成5,则此时P3的分值Si从-10提高为-5。上述将“垃圾箱”的较大的值降低为5仅为示例性说明,本申请实施例对此不作限定。
2、从表7中可以看出,P3的第四特征中可以确定用户可能不喜欢某张图片的特征为“拍摄模式”、“拍摄时间”、“最后浏览时间”、“图片大小”,可以确定用户可能喜欢某张图片的特征为“图片内容分类”、“浏览次数”、及“美学评分”,且从式(1)的描述中可以看出各个第四特征的权重均为1。为了保证所有图片包含的所有第四特征权重总和为固定值,确保各个图片的评分标准一致,保证各个图片分值的可比性,可以将可以确定用户可能不喜欢某张图片的特征为“拍摄模式”、“拍摄时间”、“最后浏览时间”、“图片大小”的权重均从1降低为0.5,同时将可以确定用户可能喜欢某张图片的特征为“图片内容分类”、“浏览次数”、及“美学评分”的权重增加为1.5,则此时P3的分值Si从-10提高为15。上述第四特征的权重降低的幅度以及增加的幅度仅为示例性说明,且选择降低权重的可以确定用户可能不喜欢某张图片的特征和选择增加权重的可以确定用户可能喜欢某张图片的特征也为示例性说明,本申请实施例对此均不作限定。
在另外一种可能的实施例中,可以电子设备10可以搜集一段时间(例如一个星期或者一个月等)内用户针对多张图片的正向反馈行为,再提取这多张图片的第三特征中共同的可以确定用户可能不喜欢某张图片的特征,第四特征中共同的可以确定用户可能喜欢某张图片的特征及可以确定用户可能不喜欢某张图片的特征。此处共同的可以确定用户可能喜欢某张图片的特征及共同的可以确定用户可能不喜欢某张图片的特征并不是严格意义上每张图片都有的特征,只需这多张图片中大多数图片存在一致的可以确定用户可能喜欢某张图片的特征或可以确定用户可能不喜欢某张图片的特征即可。例如,电子设备10搜集了一个月内用户针对100张图片的正向反馈行为,则这100张图片中有60张图片的第三特征“垃圾箱”均为可以确定用户可能不喜欢某张图片的特征,则可将“垃圾箱”作为这100张图片的第三特征中共同的可以确定用户可能不喜欢某张图片的特征,同理适用于第四特征中的可以确定用户可能喜欢某张图片的特征或可以确定用户可能不喜欢某张图片的特征。通过搜集用户针对多张图片的正向反馈行为提取的共同特征可以更加准确地对算法模型进行优化。
此外,根据上述两种反馈行为对算法模型进行优化时,还可以通过调整第一特征(第三特征)或者第二特征(或第四特征)来实现。具体可以通过将某个第一特征(第三)调整成第二特征(第四特征),或者将某个第二特征(第四特征)调整成第一特征(第三特征),或者增加第一特征(第三特征),或者减少第一特征(第三特征),或者增加第二特征(第四特征),或者减少第二特征(第四特征)来实现。本申请实施例不详述。
本申请实施例中第一特征(第三特征)的选择、第一特征(第三特征)较大的值及较小的值的调整、各第二特征(第四特征)的选择、第二特征(第四特征)较大的值及较小的值的调整,还可由用户手动选择或者手动输入,用户手动选择的特征及手动输入的各个特征的值可以更加准确表示用户的意图。对于各个特征的选择及各个特征的值,本申请实施例不作限定。
本申请实施例中涉及的算法模型不限于是上述提出的公式(1),实际上还可以是AI机器学习算法模型,比如朴素贝叶斯、支持向量机、深度神经网络等等。AI机器学习算法模型的初始训练样本可以是各种用户对于大量图片的打分,这些图片可以包括以上实施例中列举的各种特征,在此不再列举。模型训练完成后,在接收到新输入的图片i的各个特征数据后,可以根据这些特征数据计算图片的分值,最终输出图片i的分值。电子设备10可以根据输出的分值对图片进行管理。此外,该算法模型可以不断优化,提高输出分值的准确性。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机或处理器上运行时,使得计算机或处理器执行上述任一个方法中的一个或多个步骤。
本申请实施例还提供了一种包含指令的计算机程序产品。当该计算机程序产品在计算机或处理器上运行时,使得计算机或处理器执行上述任一个方法中的一个或多个步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
以上所述,仅为本申请实施例的具体实施方式,但本申请实施例的保护范围并不局限于此,任何在本申请实施例揭露的技术范围内的变化或替换,都应涵盖在本申请实施例的保护范围之内。因此,本申请实施例的保护范围应以所述权利要求的保护范围为准。
Claims (19)
1.一种图片管理方法,由电子设备执行,其特征在于,包括:
获取所述电子设备中存储的和/或云相册存储的至少两张图片中每张图片的场景特征,所述场景特征用于确定所述图片的场景,所述场景包括展示场景或删除场景,所述展示场景对应的图片为初步判定为用户喜欢的图片,所述删除场景对应的图片为初步判定为用户不喜欢的图片;
确定所述展示场景对应的每张图片的第一特征、第二特征、第一特征的打分标准、和第二特征的打分标准,所述第一特征包括以下一个或任意组合:是否被收藏、是否被备注,所述第二特征包括以下一个或任意组合:是否被分享、拍摄模式、图片内容分类、浏览次数、拍摄时间、最后浏览时间、图片大小、美学评分,所述第一特征的打分标准为所述第一特征的不同状态分别对应的取值,所述第二特征的打分标准为所述第二特征的不同状态分别对应的取值;
确定所述删除场景对应的每张图片的第三特征、第四特征、所述第三特征的打分标准、和所述第四特征的打分标准,所述第三特征包括是否被置于垃圾箱,所述第四特征包括以下一个或任意组合:拍摄模式、图片内容分类、拍摄时间、最后浏览时间、图片大小、美学评分;所述第三特征的打分标准为所述第三特征的不同状态分别对应的取值,所述第四特征的打分标准为所述第四特征的不同状态分别对应的取值,同一特征的同一状态对应的取值在所述展示场景和所述删除场景不同;
根据所述展示场景对应的每张图片的第一特征的值,和所述展示场景对应的每张图片的第二特征的值计算得到所述展示场景对应的每张图片的分值;其中,所述第一特征对每张图片的分值的影响大于所述第二特征对每张图片的分值的影响;
根据所述删除场景对应的每张图片的第三特征的值,和所述删除场景对应的每张图片的第四特征的值计算得到所述删除场景对应的每张图片的分值;其中,所述第三特征对每张图片的分值的影响大于所述第四特征对每张图片的分值的影响;
检测用户的第一操作;
响应于所述第一操作,显示所述至少两张图片中的S张第二图片;其中,S为大于或等于1的整数,所述S张第二图片的分值高于所述至少两张图片中除所述S张第二图片之外的其他图片的分值。
2.如权利要求1所述的方法,其特征在于,所述场景特征包括以下一个或任意组合:是否被收藏、是否被备注、是否关联壁纸,是否上传云端,存储位置。
3.如权利要求1所述的方法,其特征在于,
所述检测用户的第一操作之前,所述方法还包括:所述电子设备显示状态栏、导航栏、时间组件图标及一个或多个应用程序的图标,相机应用的图标属于所述一个或多个应用程序的图标,所述第一操作为用户对所述相机应用的图标的操作;
所述检测用户的第一操作后,所述方法还包括:响应于所述第一操作,显示所述至少两张图片中除所述S张第二图片之外的其他图片;其中,所述S张第二图片在所述除所述S张第二图片之外的其他图片之前显示,或者所述S张第二图片被特殊标记以与所述除所述S张第二图片之外的其他图片区别显示。
4.如权利要求3所述的方法,其特征在于,所述S张第二图片按照分值从高到低顺序排列,所述除所述S张第二图片之外的其他图片按照分值从高到低排列。
5.如权利要求3或4所述的方法,其特征在于,所述S张第二图片被特殊标记的方式包括以下一种或任意组合:增大显示、增加边框显示、增加标记显示、特殊颜色显示、特殊透明度显示。
6.如权利要求1或2所述的方法其特征在于,所述检测用户的第一操作后,所述方法还包括:
响应于所述第一操作,按照分类显示文件夹,并显示搜索控件、第一菜单控件、第二菜单控件、第三菜单控件;其中,所述第一操作为用户对所述第三菜单控件的操作,所述分类的方式包括以下一个或任意组合:地点、时间、人物;每个文件夹包括一张或者多张图片,所述一张或多张图片属于所述至少两张图片;
所述按照分类显示文件夹,并显示搜索控件、第一菜单控件、第二菜单控件、第三菜单控件后,所述方法还包括:响应于用户对所述搜索控件的第二操作,显示搜索栏、按照分类显示的文件夹和所述S张第二图片。
7.如权利要求1至4任一项所述的方法,所述根据所述每张图片的第一特征的值,和所述每张图片的第二特征的值计算得到所述每张图片的分值之前,还包括:
判断满足优化条件;其中,所述优化条件包括以下一个或任意组合:所述电子设备的剩余存储空间低于第一设定值,已到达设定的时间,所述电子设备的剩余电量低于第二设定值,所述电子设备正在充电,所述电子设备处于熄屏状态。
8.如权利要求3或4所述的方法,其特征在于,所述显示所述至少两张图片中的S张第二图片之后,所述方法还包括:
接收用户取消所述S张第二图片中至少一张第二图片的特殊标记的第三操作,响应于所述第三操作,重新计算所述至少一张第二图片的分值;或者
接收用户为所述除所述S张第二图片之外的其他图片中的至少一张图片增加特殊标记的第四操作,响应于所述第四操作,重新计算所述至少一张图片的分值;或者
接收用户将所述S张第二图片中的至少一张第二图片移动至所述除所述S张第二图片之外的其他图片中的至少一张图片之后显示的第五操作,响应于所述第五操作,重新计算所述S张第二图片中的至少一张第二图片的分值;或者
接收用户将所述除所述S张第二图片之外的其他图片中的至少一张图片移动至所述S张第二图片中的至少一张第二图片之前显示的第六操作,响应于所述第六操作,重新计算所述除所述S张第二图片之外的其他图片中的至少一张图片的分值。
9.一种图片管理方法,由电子设备执行,其特征在于,包括:
获取所述电子设备中存储的和/或云相册存储的至少两张图片中每张图片的场景特征,所述场景特征用于确定所述图片的场景,所述场景包括展示场景或删除场景,所述展示场景对应的图片为初步判定为用户喜欢的图片,所述删除场景对应的图片为初步判定为用户不喜欢的图片;
确定所述展示场景对应的每张图片的第一特征、第二特征、第一特征的打分标准、和第二特征的打分标准,所述第一特征包括以下一个或任意组合:是否被收藏、是否被备注,所述第二特征包括以下一个或任意组合:是否被分享、拍摄模式、图片内容分类、浏览次数、拍摄时间、最后浏览时间、图片大小、美学评分,所述第一特征的打分标准为所述第一特征的不同状态分别对应的取值,所述第二特征的打分标准为所述第二特征的不同状态分别对应的取值;
确定所述删除场景对应的所述每张图片的第三特征、第四特征、第三特征的打分标准、和第四特征的打分标准,所述第三特征包括是否被置于垃圾箱,所述第四特征包括以下一个或任意组合:拍摄模式、图片内容分类、拍摄时间、最后浏览时间、图片大小、美学评分;同一特征在所述展示场景和所述删除场景的打分标准不同,所述第三特征的打分标准为所述第三特征的不同状态分别对应的取值,所述第四特征的打分标准为所述第四特征的不同状态分别对应的取值,同一特征的同一状态对应的取值在所述展示场景和所述删除场景不同;
根据所述展示场景对应的每张图片的第一特征的值,和所述展示场景对应的每张图片的第二特征的值计算得到所述展示场景对应的每张图片的分值;其中,所述第一特征对每张图片的分值的影响大于所述第二特征对每张图片的分值的影响;
根据所述删除场景对应的每张图片的第三特征的值,和所述删除场景对应的每张图片的第四特征的值计算得到所述删除场景对应的每张图片的分值;其中,所述第三特征对每张图片的分值的影响大于所述第四特征对每张图片的分值的影响;
检测用户的第一操作;
响应于所述第一操作,显示第一文件夹;其中,所述第一文件夹包括所述至少两张图片中的M张第一图片;其中,M为大于或等于1的整数,所述M张第一图片的分值低于所述至少两张图片中除所述M张第一图片之外的其他图片的分值。
10.如权利要求9所述的方法,其特征在于,所述显示第一文件夹之后,还包括:
检测用户的第二操作;
响应于所述第二操作,删除所述M张第一图片。
11.如权利要求9或10所述的方法,由电子设备执行,其特征在于,所述场景特征包括以下一个或任意组合:是否被收藏、是否被备注、是否关联壁纸,是否上传云端,存储位置。
12.如权利要求9或10所述的方法,所述根据所述删除场景对应的每张图片的第三特征的值,和所述删除场景对应的每张图片的第四特征的值计算得到所述删除场景对应的每张图片的分值之前,还包括:
判断满足优化条件;其中,所述优化条件包括以下一个或任意组合:所述电子设备的剩余存储空间低于第一设定值,已到达设定的时间,所述电子设备的剩余电量低于第二设定值,所述电子设备正在充电,所述电子设备处于熄屏状态。
13.如权利要求9或10所述的方法,其特征在于,所述显示第一文件夹之后,还包括:
接收用户将所述M张第一图片中的至少一张第一图片移出所述第一文件夹的第三操作,响应于所述第三操作,重新计算所述至少一张第一图片的分值;或者
接收用户将所述除所述M张第一图片之外的其他图片中的至少一张图片移入所述第一文件夹的第四操作,响应于所述第四操作,重新计算所述至少一张图片的分值。
14.一种图片管理方法,由电子设备执行,其特征在于,包括:
获取所述电子设备中存储的和/或云相册存储的至少两张图片中每张图片的场景特征,所述场景特征用于确定所述图片的场景,所述场景包括展示场景或删除场景,所述展示场景对应的图片为初步判定为用户喜欢的图片,所述删除场景对应的图片为初步判定为用户不喜欢的图片;
确定所述展示场景对应的每张图片的第一特征、第二特征、第一特征的打分标准、和第二特征的打分标准,所述第一特征包括以下一个或任意组合:是否被收藏、是否被备注,所述第二特征包括以下一个或任意组合:是否被分享、拍摄模式、图片内容分类、浏览次数、拍摄时间、最后浏览时间、图片大小、美学评分,所述第一特征的打分标准为所述第一特征的不同状态分别对应的取值,所述第二特征的打分标准为所述第二特征的不同状态分别对应的取值;
确定所述每张图片的第三特征、第四特征、第三特征的打分标准、第四特征的打分标准,所述第三特征包括是否被置于垃圾箱,所述第四特征包括以下一个或任意组合:拍摄模式、图片内容分类、拍摄时间、最后浏览时间、图片大小、美学评分;所述第三特征的打分标准为所述第三特征的不同状态分别对应的取值,所述第四特征的打分标准为所述第四特征的不同状态分别对应的取值,同一特征的同一状态对应的取值在所述展示场景和所述删除场景不同;
根据所述展示场景对应的每张图片的第一特征的值,和所述展示场景对应的每张图片的第二特征的值计算得到所述展示场景对应的每张图片的分值;其中,所述第一特征对每张图片的分值的影响大于所述第二特征对每张图片的分值的影响;
根据所述删除场景对应的每张图片的第三特征的值,和所述删除场景对应的所述每张图片的第四特征的值计算得到所述删除场景对应的每张图片的分值;其中,所述第三特征对每张图片的分值的影响大于所述第四特征对每张图片的分值的影响;
删除所述至少两张图片中M张第一图片;其中,所述M为大于或者等于1的整数,所述M张第一图片的分值低于所述至少两张图片中除所述M张第一图片之外的其他图片。
15.如权利要求14所述的方法,其特征在于,所述场景特征包括以下一个或任意组合:是否被收藏、是否被备注、是否关联壁纸,是否上传云端,存储位置。
16.如权利要求14或15所述的方法,其特征在于,所述根据所述删除场景对应的每张图片的第三特征的值,和所述每张图片的第四特征的值计算得到所述每张图片的分值之前,还包括:判断满足优化条件;其中,所述优化条件包括以下一个或任意组合:所述电子设备的剩余存储空间低于第一设定值,已到达设定的时间,所述电子设备的剩余电量低于第二设定值,所述电子设备正在充电,所述电子设备处于熄屏状态。
17.如权利要求14或15所述的方法,其特征在于,所述删除所述至少两张图片中M张第一图片之后,还包括:
接收用户下载所述M张第一图片中的至少一张第一图片的第一操作,响应于所述第一操作,重新计算所述至少一张第一图片的分值;或者
接收用户删除所述除所述M张第一图片之外的其他图片中的至少一张图片的第二操作,响应于所述第二操作,重新计算所述至少一张图片的分值。
18.一种电子设备,其特征在于,包括:一个或多个处理器、存储器、显示屏、无线通信模块以及移动通信模块;
所述存储器、所述显示屏、所述无线通信模块以及所述移动通信模块与所述一个或多个处理器耦合,所述存储器用于存储计算机程序代码,所述计算机程序代码包括计算机指令,当所述一个或多个处理器执行所述计算机指令时,所述电子设备执行如权利要求1-17中任一项所述的图片管理方法。
19.一种计算机存储介质,其特征在于,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1-17中任一项所述的图片管理方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/110070 WO2020073317A1 (zh) | 2018-10-12 | 2018-10-12 | 文件管理方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111480158A CN111480158A (zh) | 2020-07-31 |
CN111480158B true CN111480158B (zh) | 2024-06-18 |
Family
ID=70164365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880081385.5A Active CN111480158B (zh) | 2018-10-12 | 2018-10-12 | 文件管理方法及电子设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111480158B (zh) |
WO (1) | WO2020073317A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112965776A (zh) * | 2021-03-11 | 2021-06-15 | 广州酷狗计算机科技有限公司 | 屏保图片的显示方法、装置、终端及计算机可读存储介质 |
CN115525610B (zh) * | 2022-02-17 | 2023-05-09 | 荣耀终端有限公司 | 文件删除方法、电子设备及计算机可读存储介质 |
CN115098449B (zh) * | 2022-08-26 | 2023-07-07 | 荣耀终端有限公司 | 一种文件清理方法及电子设备 |
CN117332109A (zh) * | 2023-09-20 | 2024-01-02 | 中移互联网有限公司 | 智能相册的质量优化方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570155A (zh) * | 2016-10-28 | 2017-04-19 | 努比亚技术有限公司 | 图片管理装置及方法 |
CN107480176A (zh) * | 2017-07-01 | 2017-12-15 | 珠海格力电器股份有限公司 | 一种图片的管理方法、装置及终端设备 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5164368B2 (ja) * | 2006-12-07 | 2013-03-21 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
CN102033937A (zh) * | 2010-12-20 | 2011-04-27 | 百度在线网络技术(北京)有限公司 | 视频搜索结果的展示方法及其*** |
JP5577371B2 (ja) * | 2012-03-29 | 2014-08-20 | 楽天株式会社 | 画像検索装置、画像検索方法およびプログラム |
JP5883821B2 (ja) * | 2013-03-28 | 2016-03-15 | 富士フイルム株式会社 | 画像検索装置およびその動作制御方法ならびに画像検索サーバ |
CN104750688A (zh) * | 2013-12-25 | 2015-07-01 | 鸿富锦精密工业(深圳)有限公司 | 照片管理方法及*** |
CN104408077B (zh) * | 2014-11-03 | 2018-07-24 | 宇龙计算机通信科技(深圳)有限公司 | 图片的展现方法、展现***和终端 |
CN105808100A (zh) * | 2016-02-29 | 2016-07-27 | 北京金山安全软件有限公司 | 一种图片排序方法、装置及电子设备 |
CN107291781A (zh) * | 2016-04-12 | 2017-10-24 | 中兴通讯股份有限公司 | 一种图像管理方法和装置 |
US20170364303A1 (en) * | 2016-06-17 | 2017-12-21 | Microsoft Technology Licensing, Llc. | Suggesting image files for deletion based on image file parameters |
CN106155592A (zh) * | 2016-07-26 | 2016-11-23 | 深圳天珑无线科技有限公司 | 一种照片处理方法及终端 |
CN106570110B (zh) * | 2016-10-25 | 2020-09-08 | 北京小米移动软件有限公司 | 图像去重方法及装置 |
CN106528879A (zh) * | 2016-12-14 | 2017-03-22 | 北京小米移动软件有限公司 | 图片处理方法及装置 |
CN106777214B (zh) * | 2016-12-24 | 2020-08-04 | 河南省地质科学研究所 | 一种相册图片排序的方法及移动终端 |
CN108460065B (zh) * | 2017-08-17 | 2020-10-16 | 腾讯科技(深圳)有限公司 | 照片清理方法、装置和终端设备 |
-
2018
- 2018-10-12 CN CN201880081385.5A patent/CN111480158B/zh active Active
- 2018-10-12 WO PCT/CN2018/110070 patent/WO2020073317A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570155A (zh) * | 2016-10-28 | 2017-04-19 | 努比亚技术有限公司 | 图片管理装置及方法 |
CN107480176A (zh) * | 2017-07-01 | 2017-12-15 | 珠海格力电器股份有限公司 | 一种图片的管理方法、装置及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111480158A (zh) | 2020-07-31 |
WO2020073317A1 (zh) | 2020-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021017932A1 (zh) | 一种图像显示方法与电子设备 | |
WO2020238356A1 (zh) | 界面显示方法、装置、终端及存储介质 | |
CN111480158B (zh) | 文件管理方法及电子设备 | |
CN118042262A (zh) | 一种控制方法、电子设备、计算机可读存储介质、芯片 | |
US20220343648A1 (en) | Image selection method and electronic device | |
CN112783379B (zh) | 一种选择图片的方法和电子设备 | |
WO2021000841A1 (zh) | 一种生成用户头像的方法及电子设备 | |
WO2020259554A1 (zh) | 可进行学习的关键词搜索方法和电子设备 | |
CN112269853B (zh) | 检索处理方法、装置及存储介质 | |
US20230056332A1 (en) | Image Processing Method and Related Apparatus | |
CN115115679A (zh) | 一种图像配准方法及相关设备 | |
WO2021196980A1 (zh) | 多屏交互方法、电子设备及计算机可读存储介质 | |
CN115525783B (zh) | 图片显示方法及电子设备 | |
CN111680212B (zh) | 存储内容搜索方法、***和电子设备 | |
CN114594882A (zh) | 一种反馈方法、装置及*** | |
WO2024046162A1 (zh) | 一种图片推荐方法及电子设备 | |
CN115002333B (zh) | 一种图像处理方法及相关装置 | |
WO2023246666A1 (zh) | 一种搜索方法及电子设备 | |
WO2022161058A1 (zh) | 一种全景图像的拍摄方法及电子设备 | |
WO2022228010A1 (zh) | 一种生成封面的方法及电子设备 | |
US20240046504A1 (en) | Image processing method and electronic device | |
CN116414280A (zh) | 图片显示方法及电子设备 | |
CN114579006A (zh) | 应用分类方法、电子设备及芯片*** | |
CN116033063A (zh) | 一种查看消息的方法及电子设备 | |
CN116302297A (zh) | 一种主题生成方法及电子设备 |
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 |