CN112131417A - 图像标签生成方法及装置 - Google Patents
图像标签生成方法及装置 Download PDFInfo
- Publication number
- CN112131417A CN112131417A CN201910553653.5A CN201910553653A CN112131417A CN 112131417 A CN112131417 A CN 112131417A CN 201910553653 A CN201910553653 A CN 201910553653A CN 112131417 A CN112131417 A CN 112131417A
- Authority
- CN
- China
- Prior art keywords
- image
- user
- attribute
- attribute information
- attribute 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000004590 computer program Methods 0.000 claims description 14
- 238000002372 labelling Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000009418 renovation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提出一种图像标签生成方法及装置,其中方法包括:获取待生成标签的图像;对图像进行图像识别,获取图像的实体内容;根据实体内容确定图像所属的类别,以及类别对应的图像集合;获取搜索浏览图像集合中图像的用户的共性属性信息;采用实体内容和共性属性信息,为待生成标签的图像打标签,该方法可以给予图像以丰富、与人交互的特征,使图像基本信息更加丰富,同时可以结合图像中与人交互的特征,对用户进行个性化图像推荐和提供个性化的搜索结果,提高了用户的图像搜索体验。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种图像标签生成方法及装置。
背景技术
通常,图像相对于文本更具视觉效果,随着人工智能的发展,智能化图像识别技术被广泛的应用到我国工业的各行业中,通过智能化图像识别可得到图像的基本信息。
但是,目前图像的标签一般为图像的尺寸、实体内容等基本信息,不涉及用户信息。向用户推荐图像时,针对不同用户推荐的图像相同,难以对用户提供个性化的推荐。在用户搜索图像时,针对不同用户的相同搜索词,提供相同的搜索结果,难以为用户提供个性化的搜索结果。
发明内容
本申请的目的旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种图像标签生成方法,该方法可以给予图像以丰富、与人交互的特征,使图像基本信息更加丰富,同时可以结合图像中与人交互的特征,对用户进行个性化图像推荐和提供个性化的搜索结果,提高了用户的图像搜索体验。
本申请的第二个目的在于提出一种图像标签生成装置。
本申请的第三个目的在于提出另一种图像标签生成装置。
本申请的第四个目的在于提出一种计算机可读存储介质。
本申请的第五个目的在于提出一种计算机程序产品。
为达上述目的,本申请第一方面实施例提出了一种图像标签生成方法,包括:获取待生成标签的图像;对所述图像进行图像识别,获取所述图像的实体内容;根据所述实体内容确定所述图像所属的类别,以及所述类别对应的图像集合;获取搜索浏览所述图像集合中图像的用户的共性属性信息;采用所述实体内容和所述共性属性信息,为所述待生成标签的图像打标签。
本申请实施例的图像标签生成方法,通过获取待生成标签的图像;对所述图像进行图像识别,获取所述图像的实体内容;根据所述实体内容确定所述图像所属的类别,以及所述类别对应的图像集合;获取搜索浏览所述图像集合中图像的用户的共性属性信息;采用所述实体内容和所述共性属性信息,为所述待生成标签的图像打标签,该方法可以给予图像以丰富、与人交互的特征,使图像基本信息更加丰富,同时可以结合图像中与人交互的特征,对用户进行个性化图像推荐和提供个性化的搜索结果,提高了用户的图像搜索体验。
为达上述目的,本申请第二方面实施例提出了一种图像标签生成装置,包括:获取模块,用于获取待生成标签的图像;图像识别模块,用于对所述图像进行图像识别,获取所述图像的实体内容;确定模块,用于根据所述实体内容确定所述图像所属的类别,以及所述类别对应的图像集合;所述获取模块,还用于获取搜索浏览所述图像集合中图像的用户的共性属性信息;打标签模块,用于采用所述实体内容和所述共性属性信息,为所述待生成标签的图像打标签。
本申请实施例的图像标签生成装置,通过获取待生成标签的图像;对所述图像进行图像识别,获取所述图像的实体内容;根据所述实体内容确定所述图像所属的类别,以及所述类别对应的图像集合;获取搜索浏览所述图像集合中图像的用户的共性属性信息;采用所述实体内容和所述共性属性信息,为所述待生成标签的图像打标签,该装置可实现给予图像以丰富、与人交互的特征,使图像基本信息更加丰富,同时可以结合图像中与人交互的特征,对用户进行个性化图像推荐和提供个性化的搜索结果,提高了用户的图像搜索体验。
为达上述目的,本申请第三方面实施例提出了另一种图像标签生成装置,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如上所述的图像标签生成方法。
为了实现上述目的,本申请第四方面实施例提出了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的图像标签生成方法。
为了实现上述目的,本申请第五方面实施例提出了一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,实现如上所述的图像标签生成方法。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本申请一个实施例提供的一种图像标签生成方法的流程示意图;
图2是本申请一个图像示意图;
图3是根据本申请另一个实施例提供的一种图像标签生成方法的流程示意图;
图4是根据本申请第一个实施例提供的一种图像标签生成装置的结构示意图;
图5是根据本申请第二个实施例提供的一种图像标签生成装置的结构示意图;
图6是根据本申请第三个实施例提供的一种图像标签生成装置的结构示意图;
图7是根据本申请第四个实施例的一种图像标签生成装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的图像标签生成方法及装置。
图1为本申请实施例提供的一种图像标签生成方法的流程示意图。如图1所示,该图像标签生成方法包括以下步骤:
步骤101,获取待生成标签的图像。
在本申请实施例中,待生成标签的图像可以为应用程序上的图像,也可以为需要生成标签的任意图像,实践中,待生成标签的图像可以由技术人员指定,也可以根据一定的条件筛选。
步骤102,对图像进行图像识别,获取图像的实体内容。
在本申请实施例中,获取到待生成标签的图像之后,可采用预设算法对图像进行图像特征提取,获取图像的实体内容。其中,需要说明的是,预设算法可以是但不限于百度识图。如图2所示,该图像根据百度识图进行特征提取,获得实体内容为汽车内饰翻新。
步骤103,根据实体内容确定图像所属的类别,以及类别对应的图像集合。
在本申请实施例中,根据预设算法提取图像特征进行图像识别后,获取到图像的实体内容,根据实体内容可确定图像所属的类别,再根据所属类别确定对应的图像集合。
举例而言,如图2所示,该图像实体内容为汽车内饰翻新,可确定该图像的所属类别为汽车类,汽车类的图像构成的图像集合为汽车类图像集合。
步骤104,获取搜索浏览图像集合中图像的用户的共性属性信息。
在本申请实施例中,获取到图像所属类别对应的图像集合之后,如图3所示,获取搜索浏览图像集合中图像的用户的共性属性信息,具体步骤如下:
步骤201,获取图像集合对应的用户集合,用户集合包括:搜索浏览图像集合中图像的各个用户的属性信息;属性信息包括:多个属性名,以及对应的属性值。
具体地,可以在用户搜索浏览图像集合中图像时,获取各个用户的属性信息,其中属性信息包括:多个属性名,以及对应的属性值,另外,属性名可以为以下属性名中的任意一个或多个:性别、年龄、消费水平、行业、兴趣。其中,需要说明的是,用户搜索浏览时,可预先进行属性信息的注册,也可借助用户允许访问其他应用程序以获取用户的属性信息,例如,QQ,微信等,本申请不做限制。
步骤202,针对每个属性名,根据各个用户的与属性名对应的属性值,统计各个属性值对应的用户数量,根据各个属性值对应的用户数量确定属性名对应的共性属性值。
在本申请实施例中,在获取到各个用户的属性信息之后,可选地,针对每个属性名,根据各个用户的与属性名对应的属性值,统计各个属性值对应的用户数量;根据各个属性值对应的用户数量,以及用户集合中的总用户数量,确定各个属性值对应的用户数量占比;判断是否存在对应的用户数量占比大于预设占比阈值的第一属性值;若存在第一属性值,则将第一属性值确定为属性名对应的共性属性值;若不存在第一属性值,则确定属性名不存在对应的共性属性值。
举例而言,对于汽车类的图像集合,获取到浏览汽车类的图像集合的用户属性,对用户属性进行统计,例如,用户总数量为20人,以属性名为性别为例,其中男性15人,女性5人,则男性占比为75%,女性占比为25%,男性占比大于预设占比阈值,因此,性别对应的共性属性值为男性。以属性名为年龄为例,其中年龄40岁以上5人,40岁以下15人,则年龄对应的共性属性值为40岁以下。以行业为例,其中司机类15人,则行业对应的共性属性值为司机类。
步骤203,根据各个属性名以及对应的共性属性值,确定共性属性信息。
可以理解的是,共性属性值为属性名中对应的用户数量占比较高的属性值,共性属性信息可根据各个属性名以及对应的共性属性值以确定。例如,共性属性信息包括:年龄段为40岁以上、兴趣为汽车等。
步骤105,采用实体内容和共性属性信息,为待生成标签的图像打标签。
在本申请实施例中,在获取到搜索浏览该图像的用户的共性属性信息后,根据图像的实体内容和用户的共性属性信息,可生成该图像的标签。例如,图2所示图像,该图像的实体内容为汽车内饰翻新,浏览该图像的用户的共性属性信息为高消费男性,则该图像的标签例如可以为高消费男性喜爱浏览汽车内饰翻新类的图像。
在本申请实施例中,为了更好的提升用户的体验,在图像生成标签之后,可选地,获取待进行图像推荐的第一用户的属性信息;将第一用户的属性信息,与各个图像对应的共性属性信息进行比对,获取与第一用户的属性信息匹配的共性属性信息;将匹配的共性属性信息对应的图像作为待推荐的图像,并推荐给第一用户。
也就是说,在图像生成标签之后,获取第一用户的属性信息,将获取到的属性信息与各个图像对应的共性属性信息进行比对,若属性信息与各个图像对应的共性属性信息一致,将共性属性信息对应的图像作为待推荐的图像,并将该图像推荐给该用户。
另外,在本申请实施例中,为了更好的提升用户的体验,在图像生成标签之后,当第二用户进行图像搜索时,可获取该用户的图像搜索请求,其中,该搜索请求可包括:该用户的属性信息以及搜索关键词,将该用户的属性信息以及搜索关键词,与各个图像对应的共性属性信息以及实体内容进行比对,判断是否存在共性属性信息与该用户的属性信息一致的第一图像,且第一图像的实体内容与该用户的搜索关键词一致;若存在第一图像,则将第一图像作为图像搜索请求对应的搜索结果。
其中,需要说明的是,共性属性信息包含的属性名可能不包括所有属性名,有些属性名没有对应的共性属性值,因此,只要用户的属性名对应的属性值与相应的共性属性值一致即匹配成功。例如,共性属性信息包括:年龄段、兴趣,用户的年龄段和兴趣与共性属性信息一致即匹配成功。
本申请实施例的图像标签生成方法,通过获取待生成标签的图像;对图像进行图像识别,获取图像的实体内容;根据实体内容确定图像所属的类别,以及类别对应的图像集合;获取搜索浏览所述图像集合中图像的用户的共性属性信息;采用实体内容和共性属性信息,为待生成标签的图像打标签,该方法可以给予图像以丰富、与人交互的特征,使图像基本信息更加丰富,同时可以结合图像中与人交互的特征,对用户进行个性化图像推荐和提供个性化的搜索结果,提高了用户的图像搜索体验。
与上述实施例提供的图像标签生成方法相对应,本申请的一种实施例还提供一种图像标签生成装置,由于本申请实施例提供的图像标签生成装置与上述实施例提供的图像标签生成方法相对应,因此在前述图像标签生成方法的实施方式也适用于本实施例提供的图像标签生成装置,在本实施例中不再详细描述。图4为本申请实施例提供的一种图像标签生成装置的结构示意图。如图4所示,该图像标签生成装置400包括:获取模块410、图像识别模块420、确定模块430,打标签模块440。
具体地,获取模块410,用于获取待生成标签的图像;图像识别模块420,用于对图像进行图像识别,获取图像的实体内容;确定模块430,用于根据实体内容确定图像所属的类别,以及类别对应的图像集合;获取模块410,还用于获取搜索浏览图像集合中图像的用户的共性属性信息;打标签模块440,用于采用实体内容和共性属性信息,为待生成标签的图像打标签。
作为本申请实施例的一种可能的实现方式,获取模块410具体用于,获取图像集合对应的用户集合,用户集合包括:搜索浏览图像集合中图像的各个用户的属性信息;属性信息包括:多个属性名,以及对应的属性值;针对每个属性名,根据各个用户的与属性名对应的属性值,统计各个属性值对应的用户数量,根据各个属性值对应的用户数量确定属性名对应的共性属性值;根据各个属性名以及对应的共性属性值,确定共性属性信息。
作为本申请实施例的一种可能的实现方式,获取模块410具体用于针对每个属性名,根据各个用户的与属性名对应的属性值,统计各个属性值对应的用户数量;根据各个属性值对应的用户数量,以及用户集合中的总用户数量,确定各个属性值对应的用户数量占比;判断是否存在对应的用户数量占比大于预设占比阈值的第一属性值;若存在第一属性值,则将第一属性值确定为属性名对应的共性属性值;若不存在第一属性值,则确定属性名不存在对应的共性属性值。
作为本申请实施例的一种可能的实现方式,属性名可包括以下属性名中的任意一个或者多个:性别、年龄、消费水平、行业、兴趣。
作为本申请实施例的一种可能的实现方式,如图5所示,在图4基础上,该图像标签生成装置还可包括第一比对模块450和推荐模块460。
具体地,获取模块410,还用于获取待进行图像推荐的第一用户的属性信息;第一比对模块450,用于将第一用户的属性信息,与各个图像对应的共性属性信息进行比对,获取与第一用户的属性信息匹配的共性属性信息;推荐模块460,用于将匹配的共性属性信息对应的图像作为待推荐的图像,并推荐给第一用户。
作为本申请实施例的一种可能的实现方式,如图6所示,在图4基础上,该图像标签生成装置还可包括第二对比模块470。
具体地,获取模块410,还用于获取第二用户的图像搜索请求,搜索请求包括:第二用户的属性信息以及搜索关键词;第二比对模块470,用于将第二用户的属性信息以及搜索关键词,与各个图像对应的共性属性信息以及实体内容进行比对,判断是否存在第一图像;第一图像的共性属性信息与第二用户的属性信息匹配,且第一图像的实体内容与第二用户的搜索关键词匹配;确定模块430,用于在存在第一图像时,将第一图像作为图像搜索请求对应的搜索结果。
本申请实施例的图像标签生成装置,通过获取待生成标签的图像;对图像进行图像识别,获取图像的实体内容;根据实体内容确定图像所属的类别,以及类别对应的图像集合;获取搜索浏览所述图像集合中图像的用户的共性属性信息;采用实体内容和共性属性信息,为待生成标签的图像打标签,该装置可实现给予图像以丰富、与人交互的特征,使图像基本信息更加丰富,同时可以结合图像中与人交互的特征,对用户进行个性化图像推荐和提供个性化的搜索结果,提高了用户的图像搜索体验。
为了实现上述实施例,本申请还提出另一种图像标签生成装置,如图7所示,该图像标签生成装置包括:
存储器1001、处理器1002及存储在存储器1001上并可在处理器1002上运行的计算机程序。
处理器1002执行所述程序时实现上述实施例中提供的图像标签生成方法。
进一步地,图像标签生成装置还包括:
通信接口1003,用于存储器1001和处理器1002之间的通信。
存储器1001,用于存放可在处理器1002上运行的计算机程序。
存储器1001可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
处理器1002,用于执行所述程序时实现上述实施例所述的图像标签生成方法。
如果存储器1001、处理器1002和通信接口1003独立实现,则通信接口1003、存储器1001和处理器1002可以通过总线相互连接并完成相互间的通信。所述总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(Peripheral Component,简称为PCI)总线或扩展工业标准体系结构(Extended IndustryStandard Architecture,简称为EISA)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图7中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器1001、处理器1002及通信接口1003,集成在一块芯片上实现,则存储器1001、处理器1002及通信接口1003可以通过内部接口完成相互间的通信。
处理器1002可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的图像标签生成方法。
本申请还提供一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,实现如上所述的图像标签生成方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (15)
1.一种图像标签生成方法,其特征在于,包括:
获取待生成标签的图像;
对所述图像进行图像识别,获取所述图像的实体内容;
根据所述实体内容确定所述图像所属的类别,以及所述类别对应的图像集合;
获取搜索浏览所述图像集合中图像的用户的共性属性信息;
采用所述实体内容和所述共性属性信息,为所述待生成标签的图像打标签。
2.根据权利要求1所述的方法,其特征在于,所述获取搜索浏览所述图像集合中图像的用户的共性属性信息,包括:
获取所述图像集合对应的用户集合,所述用户集合包括:搜索浏览所述图像集合中图像的各个用户的属性信息;所述属性信息包括:多个属性名,以及对应的属性值;
针对每个属性名,根据所述各个用户的与所述属性名对应的属性值,统计各个属性值对应的用户数量,根据各个属性值对应的用户数量确定所述属性名对应的共性属性值;
根据各个属性名以及对应的共性属性值,确定所述共性属性信息。
3.根据权利要求2所述的方法,其特征在于,所述针对每个属性名,根据所述各个用户的与所述属性名对应的属性值,统计各个属性值对应的用户数量,根据各个属性值对应的用户数量确定所述属性名对应的共性属性值,包括:
针对每个属性名,根据所述各个用户的与所述属性名对应的属性值,统计各个属性值对应的用户数量;
根据各个属性值对应的用户数量,以及所述用户集合中的总用户数量,确定各个属性值对应的用户数量占比;
判断是否存在对应的用户数量占比大于预设占比阈值的第一属性值;
若存在所述第一属性值,则将所述第一属性值确定为所述属性名对应的共性属性值;
若不存在所述第一属性值,则确定所述属性名不存在对应的共性属性值。
4.根据权利要求2所述的方法,其特征在于,所述属性名包括以下属性名中的任意一个或者多个:性别、年龄、消费水平、行业、兴趣。
5.根据权利要求1所述的方法,其特征在于,所述采用所述实体内容和所述共性属性信息,为所述待生成标签的图像打标签之后,还包括:
获取待进行图像推荐的第一用户的属性信息;
将所述第一用户的属性信息,与各个图像对应的共性属性信息进行比对,获取与所述第一用户的属性信息匹配的共性属性信息;
将所述匹配的共性属性信息对应的图像作为待推荐的图像,并推荐给所述第一用户。
6.根据权利要求1所述的方法,其特征在于,所述采用所述实体内容和所述共性属性信息,为所述待生成标签的图像打标签之后,还包括:
获取第二用户的图像搜索请求,所述搜索请求包括:所述第二用户的属性信息以及搜索关键词;
将所述第二用户的属性信息以及搜索关键词,与各个图像对应的共性属性信息以及实体内容进行比对,判断是否存在第一图像;所述第一图像的共性属性信息与所述第二用户的属性信息匹配,且所述第一图像的实体内容与所述第二用户的搜索关键词匹配;
若存在所述第一图像,则将所述第一图像作为所述图像搜索请求对应的搜索结果。
7.一种图像标签生成装置,其特征在于,包括:
获取模块,用于获取待生成标签的图像;
图像识别模块,用于对所述图像进行图像识别,获取所述图像的实体内容;
确定模块,用于根据所述实体内容确定所述图像所属的类别,以及所述类别对应的图像集合;
所述获取模块,还用于获取搜索浏览所述图像集合中图像的用户的共性属性信息;
打标签模块,用于采用所述实体内容和所述共性属性信息,为所述待生成标签的图像打标签。
8.根据权利要求7所述的装置,其特征在于,所述获取模块具体用于,
获取所述图像集合对应的用户集合,所述用户集合包括:搜索浏览所述图像集合中图像的各个用户的属性信息;所述属性信息包括:多个属性名,以及对应的属性值;
针对每个属性名,根据所述各个用户的与所述属性名对应的属性值,统计各个属性值对应的用户数量,根据各个属性值对应的用户数量确定所述属性名对应的共性属性值;
根据各个属性名以及对应的共性属性值,确定所述共性属性信息。
9.根据权利要求8所述的装置,其特征在于,所述获取模块具体用于,
针对每个属性名,根据所述各个用户的与所述属性名对应的属性值,统计各个属性值对应的用户数量;
根据各个属性值对应的用户数量,以及所述用户集合中的总用户数量,确定各个属性值对应的用户数量占比;
判断是否存在对应的用户数量占比大于预设占比阈值的第一属性值;
若存在所述第一属性值,则将所述第一属性值确定为所述属性名对应的共性属性值;
若不存在所述第一属性值,则确定所述属性名不存在对应的共性属性值。
10.根据权利要求8所述的装置,其特征在于,所述属性名包括以下属性名中的任意一个或者多个:性别、年龄、消费水平、行业、兴趣。
11.根据权利要求7所述的装置,其特征在于,还包括:第一比对模块和推荐模块;
所述获取模块,还用于获取待进行图像推荐的第一用户的属性信息;
所述第一比对模块,用于将所述第一用户的属性信息,与各个图像对应的共性属性信息进行比对,获取与所述第一用户的属性信息匹配的共性属性信息;
所述推荐模块,用于将所述匹配的共性属性信息对应的图像作为待推荐的图像,并推荐给所述第一用户。
12.根据权利要求7所述的装置,其特征在于,还包括:第二比对模块;
所述获取模块,还用于获取第二用户的图像搜索请求,所述搜索请求包括:所述第二用户的属性信息以及搜索关键词;
所述第二比对模块,用于将所述第二用户的属性信息以及搜索关键词,与各个图像对应的共性属性信息以及实体内容进行比对,判断是否存在第一图像;所述第一图像的共性属性信息与所述第二用户的属性信息匹配,且所述第一图像的实体内容与所述第二用户的搜索关键词匹配;
所述确定模块,用于在存在所述第一图像时,将所述第一图像作为所述图像搜索请求对应的搜索结果。
13.一种图像标签生成装置,其特征在于,包括:
存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一所述的图像标签生成方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6任一所述的图像标签生成方法。
15.一种计算机程序产品,当所述计算机程序产品中的指令处理器执行时,实现如权利要求1-6任一所述的图像标签生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910553653.5A CN112131417B (zh) | 2019-06-25 | 2019-06-25 | 图像标签生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910553653.5A CN112131417B (zh) | 2019-06-25 | 2019-06-25 | 图像标签生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112131417A true CN112131417A (zh) | 2020-12-25 |
CN112131417B CN112131417B (zh) | 2024-04-02 |
Family
ID=73849994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910553653.5A Active CN112131417B (zh) | 2019-06-25 | 2019-06-25 | 图像标签生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112131417B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362105A (zh) * | 2021-06-01 | 2021-09-07 | 北京十一贝科技有限公司 | 用户标签形成方法、装置及计算机可读存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136228A (zh) * | 2011-11-25 | 2013-06-05 | 阿里巴巴集团控股有限公司 | 一种图片搜索方法以及图片搜索装置 |
CN106294730A (zh) * | 2016-08-09 | 2017-01-04 | 百度在线网络技术(北京)有限公司 | 资讯信息的推荐方法及装置 |
WO2017167088A1 (en) * | 2016-03-30 | 2017-10-05 | Le Holdings (Beijing) Co., Ltd. | A user relationship based multimedia recommendation method and apparatus |
CN108062377A (zh) * | 2017-12-12 | 2018-05-22 | 百度在线网络技术(北京)有限公司 | 标签图片集的建立、标签的确定方法、装置、设备及介质 |
CN108429816A (zh) * | 2018-03-27 | 2018-08-21 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN108829764A (zh) * | 2018-05-28 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 推荐信息获取方法、装置、***、服务器及存储介质 |
CN108959304A (zh) * | 2017-05-22 | 2018-12-07 | 阿里巴巴集团控股有限公司 | 一种标签预测方法及装置 |
CN109359244A (zh) * | 2018-10-30 | 2019-02-19 | 中国科学院计算技术研究所 | 一种个性化信息推荐方法和装置 |
CN109740019A (zh) * | 2018-12-14 | 2019-05-10 | 上海众源网络有限公司 | 一种对短视频打标签的方法、装置及电子设备 |
-
2019
- 2019-06-25 CN CN201910553653.5A patent/CN112131417B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103136228A (zh) * | 2011-11-25 | 2013-06-05 | 阿里巴巴集团控股有限公司 | 一种图片搜索方法以及图片搜索装置 |
WO2017167088A1 (en) * | 2016-03-30 | 2017-10-05 | Le Holdings (Beijing) Co., Ltd. | A user relationship based multimedia recommendation method and apparatus |
CN106294730A (zh) * | 2016-08-09 | 2017-01-04 | 百度在线网络技术(北京)有限公司 | 资讯信息的推荐方法及装置 |
CN108959304A (zh) * | 2017-05-22 | 2018-12-07 | 阿里巴巴集团控股有限公司 | 一种标签预测方法及装置 |
CN108062377A (zh) * | 2017-12-12 | 2018-05-22 | 百度在线网络技术(北京)有限公司 | 标签图片集的建立、标签的确定方法、装置、设备及介质 |
CN108429816A (zh) * | 2018-03-27 | 2018-08-21 | 百度在线网络技术(北京)有限公司 | 用于生成信息的方法和装置 |
CN108829764A (zh) * | 2018-05-28 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 推荐信息获取方法、装置、***、服务器及存储介质 |
CN109359244A (zh) * | 2018-10-30 | 2019-02-19 | 中国科学院计算技术研究所 | 一种个性化信息推荐方法和装置 |
CN109740019A (zh) * | 2018-12-14 | 2019-05-10 | 上海众源网络有限公司 | 一种对短视频打标签的方法、装置及电子设备 |
Non-Patent Citations (3)
Title |
---|
MINJE PARK: "JGAN: a joint Formulation of GAN for Synthesizing Images and Labels", 《ARXIV》, 27 May 2019 (2019-05-27) * |
崔超然等: "一种结合相关性和多样性的图像标签推荐方法", 《计算机学报》, no. 03, 15 March 2013 (2013-03-15) * |
顾广华等: "基于语义标签生成和形式概念偏序结构的图像层级分类", 《软件学报》, 22 January 2019 (2019-01-22) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362105A (zh) * | 2021-06-01 | 2021-09-07 | 北京十一贝科技有限公司 | 用户标签形成方法、装置及计算机可读存储介质 |
CN113362105B (zh) * | 2021-06-01 | 2024-02-02 | 北京十一贝科技有限公司 | 用户标签形成方法、装置及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112131417B (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108733779B (zh) | 文本配图的方法和装置 | |
US20170351934A1 (en) | Object recognition device, object recognition method, and program | |
CN112257422B (zh) | 命名实体归一化处理方法、装置、电子设备及存储介质 | |
CN110188350B (zh) | 文本一致性计算方法及装置 | |
CN110472082B (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN108897871B (zh) | 文档推荐方法、装置、设备及计算机可读介质 | |
CN108090211B (zh) | 热点新闻推送方法和装置 | |
CN111144370B (zh) | 单据要素抽取方法、装置、设备及存储介质 | |
CN109743589B (zh) | 文章生成方法及装置 | |
WO2017173801A1 (zh) | 一种个性化多媒体推荐方法和装置 | |
CN112948575B (zh) | 文本数据处理方法、装置和计算机可读存储介质 | |
WO2019052430A1 (zh) | 移动终端的自助服务方法及装置 | |
CN108170845B (zh) | 多媒体数据处理方法、装置及存储介质 | |
CN114330335A (zh) | 关键词抽取方法、装置、设备及存储介质 | |
CN111782946A (zh) | 书友推荐方法、计算设备及计算机存储介质 | |
CN112131417A (zh) | 图像标签生成方法及装置 | |
CN113704623A (zh) | 一种数据推荐方法、装置、设备及存储介质 | |
CN112905810A (zh) | 一种跨模态图文检索方法 | |
CN114996360B (zh) | 数据分析方法、***、可读存储介质及计算机设备 | |
CN116844711A (zh) | 基于深度学习的疾病辅助识别方法及装置 | |
CN116304104A (zh) | 知识图谱构建方法、知识图谱构建装置、介质与电子设备 | |
CN115587244A (zh) | 一种用户兴趣维度采集与推荐方法、装置、设备及存储介质 | |
CN111971686A (zh) | 自动生成用于对象识别的训练数据集 | |
CN109947947B (zh) | 一种文本分类方法、装置及计算机可读存储介质 | |
Chen et al. | Segmentation tree based multiple object image retrieval |
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 |