CN112199572B - 一种京族图案收集整理*** - Google Patents

一种京族图案收集整理*** Download PDF

Info

Publication number
CN112199572B
CN112199572B CN202011239453.1A CN202011239453A CN112199572B CN 112199572 B CN112199572 B CN 112199572B CN 202011239453 A CN202011239453 A CN 202011239453A CN 112199572 B CN112199572 B CN 112199572B
Authority
CN
China
Prior art keywords
beijing
pattern
patterns
module
kyoto
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
Application number
CN202011239453.1A
Other languages
English (en)
Other versions
CN112199572A (zh
Inventor
张彰
邓莉萍
任慧敏
刘浩然
陈亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangxi Vocational and Technical College
Original Assignee
Guangxi Vocational and Technical College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangxi Vocational and Technical College filed Critical Guangxi Vocational and Technical College
Priority to CN202011239453.1A priority Critical patent/CN112199572B/zh
Publication of CN112199572A publication Critical patent/CN112199572A/zh
Application granted granted Critical
Publication of CN112199572B publication Critical patent/CN112199572B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • 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
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • 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
    • G06F16/55—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种京族图案收集整理***，包括：京族图案因素汇总分类模块，用于实现京族图案因素的汇总、分类，生成京族图案因素集；识别模型构建模块，用于基于所述京族图案谱因素集分别训练获取对应的京族图案爬取模型，生成京族图案识别模型集；京族图案爬虫模块，用于基于Hadoop同步运行所述京族图案识别模型集在各网络基站上分别挖取对应的京族图案数据，生成京族图案数据集；京族图案整理模块，用于实现京族图案的整理，清除内载的重复的京族图案，并实现各京族图案之间关联关系的构建。本发明实现了京族图案的自动收集和分类，在可以大大降低人为工作量的同时，可以很好的避免数据的错误和遗漏。

Description

一种京族图案收集整理***
技术领域
本发明涉及京族图案领域，具体涉及一种京族图案收集整理***。
背景技术
目前，对于京族图案的整理普遍依赖人为进行，费时费力的同时，容易造成数据的错误和遗漏。
发明内容
为解决上述问题，本发明提供了一种京族图案收集整理***，实现了京族图案的自动采集、整理、分类储存，在可以大大降低人为工作量的同时，可以很好的避免数据的错误和遗漏。
为实现上述目的，本发明采取的技术方案为：
一种京族图案收集整理***，包括：
京族图案因素汇总分类模块，用于实现京族图案因素的汇总、分类，生成京族图案因素集；
识别模型构建模块，用于基于所述京族图案谱因素集分别训练获取对应的京族图案爬取模型，生成京族图案识别模型集；
京族图案爬虫模块，用于基于Hadoop同步运行所述京族图案识别模型集在各网络基站上分别挖取对应的京族图案数据，生成京族图案数据集；
京族图案整理模块，用于实现京族图案的整理，清除内载的重复的京族图案，并实现各京族图案之间关联关系的构建。
进一步地，所述京族图案因素汇总分类模块通过人为圈定的方式实现京族图案因素的汇总，通过提取京族图案因素的特征参数，基于特征参数的相似度实现京族图案因素的分类。
进一步地，所述京族图案识别模型采用 Faster R-CNN模型，基于京族图案因素集训练所得，一个京族图案识别模型对应一个独立的数据储存文件夹。
进一步地，每一个京族图案因素集的每一次更新均会自动生成一个新的京族图案识别模型，新的京族图案识别模型基于新的京族图案因素构建。
进一步地，所述京族图案数据集内每一张京族图案均携带有可隐形的京族图案因素标记框，通过点击京族图案即可实现京族图案因素标记框的显现。
进一步地，所述京族图案整理模块采用基于轻量级分组注意力模块(LGAM)的图像分类算法根据各京族图案内载的京族图案因素实现各京族图案之间关联关系的构建，剔除重复的京族图案谱数据。
进一步地，还包括：
京族图案检测模块，用于实现目标图像、视频内载京族图案的检测，以携带有京族图案因素标记框的图像的形式反馈检测结果。
本发明具有以下有益效果：
1）通过互联网技术+ Faster R-CNN模型集，实现了京族图案的自动收集和分类，在可以大大降低人为工作量的同时，可以很好的避免数据的错误和遗漏。
2）基于京族图案因素的分类实现不同的Faster R-CNN模型的构建，然后基于Hadoop同步运行所述京族图案识别模型集在各网络基站上分别挖取对应的京族图案数据，在实现京族图案采集的同时即可完成京族图案的分类，从而大大提高了京族图案的采集分类效率。
3）每一个京族图案因素集的每一次更新均会自动生成一个新的京族图案识别模型，从而可以实现京族图案数据库的自动更新。
附图说明
图1为本发明实施例一种京族图案收集整理***的***框图。
具体实施方式
为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
实施例
如图1所示，本发明实施例提供了一种京族图案收集整理***，包括：
京族图案因素汇总分类模块，用于实现京族图案因素的汇总、分类，生成京族图案因素集；
识别模型构建模块，用于基于所述京族图案谱因素集分别训练获取对应的京族图案爬取模型，生成京族图案识别模型集；
京族图案爬虫模块，用于基于Hadoop同步运行所述京族图案识别模型集在各网络基站上分别挖取对应的京族图案数据，生成京族图案数据集；
京族图案整理模块，用于实现京族图案的整理，清除内载的重复的京族图案，并实现各京族图案之间关联关系的构建；
京族图案检测模块，用于实现目标图像、视频内载京族图案的检测，以携带有京族图案因素标记框的图像的形式反馈检测结果。使用时，用户通过上传的方式实现目标图像、目标视频的上传，上传完毕后，点击“检测”，京族图案检测模块启动，唤醒所述京族图案识别模型集实现目标图像、目标视频内载京族图案因素的识别，其中，针对目标视频，***配置一视频取帧脚本，每隔一定帧数获取一张图像。该模块还可以用于京族图案的预检测，即当用户发现一个看似新的京族图案因素时，可以通过该模块确认目前***中是否存在该京族图案因素，若识别结果为空白，则证明该京族图案因素为新的因素。
本实施例中，所述京族图案因素汇总分类模块通过人为圈定的方式实现京族图案因素的汇总，通过提取京族图案因素的特征参数，基于特征参数的相似度实现京族图案因素的分类。具体的，首先通过京族图案/视频上传模块上传现有的京族图案集，然后通过遍历每一副京族图案的方式进行每一副京族图案上京族图案因素的圈定，圈定的京族图案区域自动生成京族图案因素图像，从而实现京族图案因素的汇总；基于BP神经网络模型实现京族图案因素图像特征参数的提取，基于特征参数的相似度实现京族图案因素的分类。
本实施例中，所述京族图案识别模型采用 Faster R-CNN模型，基于京族图案因素集训练所得，一个京族图案识别模型对应一个独立的数据储存文件夹。
本实施例中，每一个京族图案因素集的每一次更新均会自动生成一个新的京族图案识别模型，新的京族图案识别模型基于新的京族图案因素构建，新的京族图案识别模型生成后，京族图案爬虫模块自动启动，基于新的京族图案识别模型在各网络基站上分别挖取对应的京族图案数据；值得注意的是，新的京族图案识别模型所采集到的京族图案自动规整到其原始京族图案因素集构建的京族图案识别模型所对应的数据储存文件夹。
本实施中，所述京族图案数据集内每一张京族图案均携带有可隐形的京族图案因素标记框，通过点击京族图案即可实现京族图案因素标记框的显现，便于工作人员进行每一张京族图案上京族图案因素的直接查看。
本实施例中，所述京族图案整理模块采用基于轻量级分组注意力模块(LGAM)的图像分类算法根据各京族图案内载的京族图案因素实现各京族图案之间关联关系的构建，剔除重复的京族图案谱数据。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种京族图案收集整理***，其特征在于，包括：
京族图案因素汇总分类模块，用于实现京族图案因素的汇总、分类，生成京族图案因素集；
识别模型构建模块，用于基于所述京族图案因素集分别训练获取对应的京族图案识别模型，生成京族图案识别模型集；
京族图案爬虫模块，用于基于Hadoop同步运行所述京族图案识别模型集在各网络基站上分别挖取对应的京族图案数据，生成京族图案数据集；
京族图案整理模块，用于实现京族图案的整理，清除内载的重复的京族图案，并实现各京族图案之间关联关系的构建。
2.如权利要求1所述的一种京族图案收集整理***，其特征在于，所述京族图案因素汇总分类模块通过人为圈定的方式实现京族图案因素的汇总，通过提取京族图案因素的特征参数，基于特征参数的相似度实现京族图案因素的分类。
3.如权利要求1所述的一种京族图案收集整理***，其特征在于，所述京族图案识别模型采用 Faster R-CNN模型，基于京族图案因素集训练所得，一个京族图案识别模型对应一个独立的数据储存文件夹。
4.如权利要求1所述的一种京族图案收集整理***，其特征在于，京族图案因素集的每一次更新均会自动生成一个新的京族图案识别模型，新的京族图案识别模型基于新的京族图案因素构建。
5.如权利要求1所述的一种京族图案收集整理***，其特征在于，所述京族图案数据集内每一张京族图案均携带有可隐形的京族图案因素标记框，通过点击京族图案即可实现京族图案因素标记框的显现。
6.如权利要求1所述的一种京族图案收集整理***，其特征在于，所述京族图案整理模块采用基于轻量级分组注意力模块的图像分类算法根据各京族图案内载的京族图案因素实现各京族图案之间关联关系的构建，剔除重复的京族图案谱数据。
7.如权利要求1所述的一种京族图案收集整理***，其特征在于，还包括：
京族图案检测模块，用于实现目标图像、视频内载京族图案的检测，以携带有京族图案因素标记框的图像的形式反馈检测结果。
CN202011239453.1A 2020-11-09 2020-11-09 一种京族图案收集整理*** Active CN112199572B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011239453.1A CN112199572B (zh) 2020-11-09 2020-11-09 一种京族图案收集整理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011239453.1A CN112199572B (zh) 2020-11-09 2020-11-09 一种京族图案收集整理***

Publications (2)

Publication Number Publication Date
CN112199572A CN112199572A (zh) 2021-01-08
CN112199572B true CN112199572B (zh) 2023-06-06

Family

ID=74033103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011239453.1A Active CN112199572B (zh) 2020-11-09 2020-11-09 一种京族图案收集整理***

Country Status (1)

Country Link
CN (1) CN112199572B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529564A (zh) * 2016-09-26 2017-03-22 浙江工业大学 一种基于卷积神经网络的食物图像自动分类方法
CN107437099A (zh) * 2017-08-03 2017-12-05 哈尔滨工业大学 一种基于机器学习的特定服饰图像识别与检测方法
CN110020674A (zh) * 2019-03-13 2019-07-16 清华大学 一种提升局部类别区分度的跨领域自适应图像分类方法
CN110059672A (zh) * 2019-04-30 2019-07-26 福州大学 一种利用增量学习对显微镜细胞图像检测模型进行增类学习的方法
CN110853052A (zh) * 2019-10-25 2020-02-28 湖北民族大学 一种基于深度学习的土家织锦图案图元的分割方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013186793A (ja) * 2012-03-09 2013-09-19 Toshiba Corp 情報処理装置、イメージファイル作成方法およびプログラム
IL241863A0 (en) * 2015-10-06 2016-11-30 Agent Video Intelligence Ltd A method and system for classifying objects from a sequence of images

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529564A (zh) * 2016-09-26 2017-03-22 浙江工业大学 一种基于卷积神经网络的食物图像自动分类方法
CN107437099A (zh) * 2017-08-03 2017-12-05 哈尔滨工业大学 一种基于机器学习的特定服饰图像识别与检测方法
CN110020674A (zh) * 2019-03-13 2019-07-16 清华大学 一种提升局部类别区分度的跨领域自适应图像分类方法
CN110059672A (zh) * 2019-04-30 2019-07-26 福州大学 一种利用增量学习对显微镜细胞图像检测模型进行增类学习的方法
CN110853052A (zh) * 2019-10-25 2020-02-28 湖北民族大学 一种基于深度学习的土家织锦图案图元的分割方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Vehicle Detection Based on Drone Images with the Improved Faster R-CNN;Lixin Wang等;《Proceedings of the 2019 11th International Conference on Machine Learning and Computing》;第466–471页 *
融合优选图案的深度学习目标识别及定位技术;王立鹏等;《哈尔滨工程大学学报》;第549-555页 *

Also Published As

Publication number Publication date
CN112199572A (zh) 2021-01-08

Similar Documents

Publication Publication Date Title
CN109389161B (zh) 基于深度学习的垃圾识别进化学习方法、装置、***及介质
CN103824053B (zh) 一种人脸图像的性别标注方法及人脸性别检测方法
CN111444848A (zh) 一种基于联邦学习的特定场景模型升级方法和***
CN102346847B (zh) 一种支持向量机的车牌字符识别方法
CN109063649B (zh) 基于孪生行人对齐残差网络的行人重识别方法
CN108090406B (zh) 人脸识别方法及***
Huang et al. Detection of human faces using decision trees
CN101187927A (zh) 一种刑事案件的串并案智能分析方法
CN110929760A (zh) 一种基于计算机视觉的垃圾分类软件
CN102880729A (zh) 基于人脸检测与识别的人物图片索引方法及装置
CN111488917A (zh) 一种基于增量学习的垃圾图像细粒度分类方法
CN110348505B (zh) 车辆颜色分类模型训练方法、装置和车辆颜色识别方法
CN102034096A (zh) 基于自顶向下运动注意机制的视频事件识别方法
CN112367273B (zh) 基于知识蒸馏的深度神经网络模型的流量分类方法及装置
CN106407369A (zh) 一种基于深度学习人脸识别的照片管理方法和***
CN112733936A (zh) 一种基于图像识别的可回收垃圾分类方法
CN113158891B (zh) 一种基于全局特征匹配的跨摄像头行人重识别方法
CN111461000A (zh) 一种基于cnn和小波分析的办公室垃圾智能分类方法
CN110443181A (zh) 人脸识别方法及装置
CN109583375A (zh) 一种多特征融合的人脸图像光照识别方法及***
CN107577994A (zh) 一种基于深度学习的行人、车辆附属品识别及检索方法
CN113761242A (zh) 一种基于人工智能的大数据图像识别***及方法
CN111897993A (zh) 一种基于行人再识别的高效目标人物轨迹生成方法
CN114140696A (zh) 商品识别***优化方法、装置、设备及存储介质
CN114445691A (zh) 模型训练方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant