CN114092709B - 一种识别图像中目标轮廓的方法、装置、设备及存储介质 - Google Patents
一种识别图像中目标轮廓的方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114092709B CN114092709B CN202111392551.3A CN202111392551A CN114092709B CN 114092709 B CN114092709 B CN 114092709B CN 202111392551 A CN202111392551 A CN 202111392551A CN 114092709 B CN114092709 B CN 114092709B
- Authority
- CN
- China
- Prior art keywords
- target
- recognition result
- target contour
- contour recognition
- label
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000009877 rendering Methods 0.000 claims abstract description 32
- 238000012790 confirmation Methods 0.000 claims abstract description 30
- 230000000694 effects Effects 0.000 claims abstract description 26
- 238000012986 modification Methods 0.000 claims description 23
- 230000004048 modification Effects 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 20
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 238000007667 floating Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000001960 triggered effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开提供了一种识别图像中目标轮廓的方法、装置、设备及存储介质,涉及图像处理技术领域,尤其涉及图像识别技术领域。具体实现方案为:获得针对待识别图像的第一目标识别区域,第一目标识别区域为待识别图像中的框选区域;对第一目标识别区域执行第一目标轮廓识别处理,获得第一目标轮廓识别结果;获得针对第一目标轮廓识别结果的确认指令,调用与第一目标轮廓识别结果对应的待选标签并通过界面展示;获得针对第一目标轮廓识别结果的标签确认指令,将被选中标签展示在第一目标轮廓识别结果所占区域中,并调用被选中标签对应的渲染规则对第一目标轮廓识别结果进行展示效果的渲染。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及图像识别领域的一种识别图像中目标轮廓的方法、装置、设备及存储介质。
背景技术
近年深度学习引发的人工智能浪潮席卷全球,在海量数据资源和算力资源双重加持下,深度学习深入影响了图像处理的各个方向,极大推动了图像处理的发展。随着图像处理在越来越多的业务场景应用,用户对模型的准确率、召回率的要求也越来越高,为了训练出准确率和召回率都达标的模型,需要依靠大量的、准确的、已标注的图像数据才能实现,单纯依靠算力投入已无法解决本质问题。
对于复杂业务场景的图像数据而言,精准高效的标注目标物体轮廓是训练高质量模型的前提。
发明内容
本公开提供了一种用于精确高效的识别图像中目标轮廓的方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种识别图像中目标轮廓的方法,包括:
获得针对待识别图像的第一目标识别区域,所述第一目标识别区域为所述待识别图像中的框选区域;
对所述第一目标识别区域执行第一目标轮廓识别处理,获得第一目标轮廓识别结果;
获得针对所述第一目标轮廓识别结果的确认指令,调用与所述第一目标轮廓识别结果对应的待选标签并通过界面展示;
获得针对所述第一目标轮廓识别结果的标签确认指令,将被选中标签展示在所述第一目标轮廓识别结果所占区域中,并调用所述被选中标签对应的渲染规则对所述第一目标轮廓识别结果进行展示效果的渲染。
根据本公开的另一方面,提供了一种识别图像中目标轮廓的装置,包括:
获得单元,用于获得针对待识别图像的第一目标识别区域,所述第一目标识别区域为所述待识别图像中的框选区域;
轮廓识别单元,用于对所述第一目标识别区域执行第一目标轮廓识别处理,获得第一目标轮廓识别结果;
标签调用单元,用于获得针对所述第一目标轮廓识别结果的确认指令,调用与所述第一目标轮廓识别结果对应的待选标签并通过界面展示;
展示渲染单元,用于获得针对所述第一目标轮廓识别结果的标签确认指令,将被选中标签展示在所述第一目标轮廓识别结果所占区域中,并调用所述被选中标签对应的渲染规则对所述第一目标轮廓识别结果进行展示效果的渲染。
本公开的又一方面,提供了一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开所述的方法。
本公开的再一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据本公开所述的方法。
本公开的还一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开所述的方法。
本公开提供的一种识别图像中目标轮廓的方法、装置、设备以及存储介质,能够保证准确高效的识别出目标物体轮廓,满足用户快速准确标注图像中目标物体轮廓的需求。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的识别图像中目标轮廓的方法的流程示意图;
图2是根据本公开第一实施例的第一应用操作界面示意图;
图3是根据本公开第一实施例的第二应用操作界面示意图;
图4是根据本公开第一实施例的第三应用操作界面示意图;
图5是根据本公开第一实施例的第四应用操作界面示意图;
图6是根据本公开第一实施例的第五应用操作界面示意图;
图7是根据本公开第二实施例的识别图像中目标轮廓的方法的流程示意图;
图8是根据本公开第二实施例的应用操作界面示意图;
图9是根据本公开第三实施例的识别图像中目标轮廓的方法的流程示意图;
图10是根据本公开第三实施例的第一应用操作界面示意图;
图11是根据本公开第三实施例的第二应用操作界面示意图;
图12是根据本公开第四实施例的识别图像中目标轮廓的方法的流程示意图;
图13是根据本公开第一至第四任一实施例的标签修改操作界面示意图;
图14是根据本公开第五实施例的识别图像中目标轮廓的装置的结构示意图;
图15是用来实现本公开实施例的识别图像中目标轮廓的方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1为本公开第一实施例的识别图像中目标轮廓的方法的流程示意图,如图1所示,该方法主要包括:
步骤S101,获得针对待识别图像的第一目标识别区域,第一目标识别区域为待识别图像中的框选区域。
在本实施例中,首先需要获取针对待识别图像的第一目标识别区域,第一目标识别区域的范围应包含待识别的第一目标物体。具体地,用户可在待识别图像上用鼠标框选出第一目标物体所在的范围,此范围需要覆盖第一目标物体。本实施例支持至少两种框选第一目标识别区域的方式,以适应不同操作习惯的用户。
第一种框选第一目标识别区域的方式为:用户首先鼠标点击产生框的起点,鼠标往任意方向拖动均可看到一个随鼠标移动变化的框形,框形的大小随用户拖动行为发生变化,拖动到合适的位置之后,鼠标再次点击产生框形的终点从而自动生成框形。
第二种框选第一目标识别区域的方式为:用户按住鼠标键拖动,框形的大小随着鼠标的拖动发生变化,拖动到合适的位置之后,松开鼠标键即可确定出框形的范围。
本公开中框形的形状可以是矩形、圆形、椭圆形等,本公开不对框形的形状进行限制。
图2为根据本公开第一实施例的第一应用操作界面示意图,如图2所示,用户框选了待识别图像最右边的轿车所在区域作为第一目标识别区域。
步骤S102,对第一目标识别区域执行第一目标轮廓识别处理,获得第一目标轮廓识别结果。
在本实施例中,获取到第一目标识别区域后,自动在第一目标识别区域中识别第一目标物体的轮廓。
在一可实施方式中,在识别过程中,第一目标识别区域内会展示代表“正在识别中”的进度条,识别出结果后,第一目标识别区域内会展示第一目标物体的轮廓。
图3为根据本公开第一实施例的第二应用操作界面示意图,如图3所示,在用户框选了第一目标识别区域后,在第一目标识别区域内进行目标物体的轮廓识别处理,同时,第一目标识别区域内会展示代表“正在识别中”的进度条。
图4为根据本公开第一实施例的第三应用操作界面示意图,如图4所示,目标物体的轮廓识别完成后,第一目标识别区域内会展示轿车的轮廓,如图4中的轿车***黑色线条轮廓将轿车包围,同时在第一目标识别区域上方弹出“确认轮廓”的按钮。
在一可实施方式中,本实施例中采用以下方式对第一目标识别区域执行第一目标轮廓识别处理:
可以通过GrabCut(图像分割)算法获取第一目标识别区域内的掩码信息,GrabCut算法是一种图像分割算法;
根据掩码信息,采用Concave Hull(凹包)算法计算第一目标物体的轮廓。
步骤S103,获得针对第一目标轮廓识别结果的确认指令,调用与第一目标轮廓识别结果对应的待选标签并通过界面展示。
在本实施例中,获得第一目标轮廓识别结果后,若用户对识别结果满意,则可对识别结果进行确认,确认后界面中会出现与第一目标轮廓识别结果对应的待选标签。
在一可实施方式中,若用户对第一目标轮廓识别结果满意,则点击界面中的“确认轮廓”按钮进行识别结果的确认,确认后会自动生成确认指令,确认指令可调用与第一目标轮廓识别结果对应的待选标签。
在一可实施方式中,待选标签可以以标签浮层的方式显示在界面中,待选标签可以是用户在框选第一目标识别区域前添加的,每一个待选标签具有标签名称,且该标签名称会按照预设的渲染规则进行显示,用户可根据待识别图像在标签栏中添加识别过程中可能涉及到的标签。还可对添加的标签进行编号,不同标签名称对应不同的编号,这样,在标签浮层中还可同时显示同一标签的标签名称和编号,该名称和编号按照该标签对应的渲染规则在标签浮层中显示。
图5为根据本公开第一实施例的第四应用操作界面示意图,如图5所示,在用户点击“确认轮廓”按钮后,待选标签的浮层会出现在轿车旁边,浮层中有包括“卡车”、“轿车”、“公交车”、“车灯”、“电动车”等提前设置好的标签。
步骤S104,获得针对第一目标轮廓识别结果的标签确认指令,将被选中标签展示在第一目标轮廓识别结果所占区域中,并调用被选中标签对应的渲染规则对第一目标轮廓识别结果进行展示效果的渲染。
在本实施例中,用户可在待选标签中选取与第一目标轮廓识别结果对应的第一目标标签,选取的第一目标标签会展示在第一目标轮廓识别结果的中间位置,且第一目标轮廓识别结果会按照第一目标标签对应的渲染规则显示渲染效果,例如:在第一目标轮廓识别结果上覆盖一层与第一目标标签同样颜色的第一目标图层,第一目标图层的形状与第一目标识别轮廓识别结果的形状相同。
在一可实施方式中,用户可通过鼠标点选的方式从待选标签中选择第一目标标签,也可通过点击与第一目标标签上的数字对应的数字快捷键的方式选择第一目标标签。
图6为根据本公开第一实施例的第五应用操作界面示意图,如图6所示,用户在标签浮层中选择了“轿车”标签后,标签会显示在图像中轿车的居中位置。除此之外,整个轿车的轮廓线包围区域内会覆盖与轮廓线颜色相对应的颜色图层。
在本公开第一实施例中,可在框选出的第一目标识别区域中自动识别目标物体的轮廓,并在用户确认轮廓后自动弹出待选标签的浮层,用户可选择目标物体对应的标签,选择完成后,第一目标轮廓识别结果上会显示对应标签的名称,且第一目标轮廓识别结果会变成标签对应的渲染效果。由此,可以实现准确高效的识别出目标物体轮廓、快速高效标注目标物体的效果,从而减少用户标注目标物体的人为操作和工作量。
图7为本公开第二实施例的识别图像中目标轮廓的方法的流程示意图,如图7所示,在步骤S104之后,该方法还包括:
步骤S201,获得针对待识别图像的第二目标识别区域,第二目标识别区域为待识别图像中的框选区域,且第二目标区域的全部或部分区域位于第一目标轮廓识别结果所占区域内。
在本实施例中,用户可以在已经识别出的第一目标轮廓识别结果所占区域内,进行第二目标物体的轮廓识别。
在一可实施方式中,首先需要获取针对待识别图像的第二目标识别区域,第二目标识别区域的范围应包含待识别的第二目标物体。用户可在待识别图像上用鼠标框选出第二目标物体所在的范围,此范围需要大于第二目标物体,且此范围全部或部分区域位于已经识别出的第一目标轮廓识别结果所占区域内。
用户框选第二目标识别区域的方式与步骤S101中用户框选第一目标识别区域的方式相同,此处不再赘述。
步骤S202,对第二目标识别区域执行第二目标轮廓识别处理,获得第二目标轮廓识别结果。
在本实施例中,虽然第二目标识别区域全部或部分位于已经识别出的第一目标轮廓识别结果的区域内,但在执行第二目标轮廓识别处理时,会忽视掉其他的目标轮廓识别结果,只针对待识别图像进行识别,且每次的识别结果都是一个独立的图层,因此每次识别处理的识别结果互不影响。
具体地,步骤S202的其他具体实施细节与步骤S102类似,此处不再赘述。
步骤S203,获得针对第二目标轮廓识别结果的确认指令,调用与第二目标轮廓识别结果对应的待选标签并通过界面展示。
在本实施例中,步骤S203的具体实施细节与步骤S103类似,此处不再赘述。
步骤S204,获得针对第二目标轮廓识别结果的标签确认指令,将被选中标签展示在第二目标轮廓识别结果所占区域中,并调用被选中标签对应的渲染规则对第二目标轮廓识别结果进行展示效果的渲染。
在本实施例中,用户可在待选标签中选取与第二目标轮廓识别结果对应的第二目标标签,选取的第二目标标签会展示在第二目标轮廓识别结果的中间位置,且第二目标轮廓识别结果会变成第二目标标签对应的渲染效果。
在一可实施方式中,第二目标轮廓识别结果变成第二目标标签对应的渲染效果并不影响第一目标轮廓识别结果,两者的颜色图层并不会相互叠加或相互影响。也就是说,第二目标轮廓识别结果的渲染效果和第一目标轮廓识别结果的渲染效果是各自独立的,互不影响。
用户选择第二目标标签的方式与步骤S104类似,此处不再赘述。
图8为本公开第二实施例的应用操作界面示意图,如图8所示,在步骤S204完成后,第二目标识别区域中会出现第二目标物体的轮廓和第二目标标签。
图8中识别的第二目标物体为第一实施例中已经识别出轮廓范围的轿车的车灯,首先需要用户用鼠标框选的方式框选出包含车灯的第二目标识别区域,第二目标识别区域全部或部分位于区域位于轿车轮廓的范围内;然后自动在第二目标识别区域进行轿车车灯的轮廓识别,识别完成后会出现第二目标轮廓识别结果,即会出现轿车车灯的轮廓线。
如果用户对第二目标轮廓识别结果满意,则可通过鼠标点击界面上的“确认轮廓”按钮进行识别结果的确认,确认后界面上会弹出待选标签的浮层,待选标签中包括提前设置好的轿车车灯的标签,用户可通过鼠标点选或数字快捷键的方式选择轿车车灯的标签,选择完成后,轿车车灯的居中位置会显示“车灯”的字样。另外,轿车车灯的轮廓线以及轮廓线包围的区域内的颜色会按照轿车车灯的标签对应的渲染规则显示渲染效果,例如:在第二目标轮廓识别结果上覆盖一层与第二目标标签同样颜色的第一目标图层,第一目标图层的形状与第二目标识别轮廓识别结果的形状相同。
在本公开第二实施例中,可在第一目标轮廓识别结果的区域内进行第二目标物体的轮廓识别,且对目标物体的轮廓识别处理都是针对待识别图像,因此第一目标轮廓识别结果与第二目标轮廓识别结果之间互不影响。由此,可以实现在已经确认的第一目标轮廓识别结果上,再次识别出子目标轮廓的效果,以及标签叠加显示的效果,满足用户快速标注复杂图像中各个目标物体轮廓的需求。
图9为本公开第三实施例的识别图像中目标轮廓的方法的流程示意图,如图9所示,在步骤S102之后,该方法还包括:
步骤S301,获得第一轮廓调整指令。
在本实施例中,获得第一目标轮廓识别结果之后,若用户对识别结果不满意,可对其进行修改。对第一目标轮廓识别结果的修改操作可以由第一轮廓调整指令来触发。
在一可实施方式中,第一轮廓调整指令由用户的鼠标点击操作来触发,鼠标的点击位置位于第一目标物体所占区域内、且位于第一目标轮廓识别结果所占区域之外。也就是说,第一轮廓调整指令中包含第一位置信息,第一位置信息位于第一目标物体所占区域内、且位于第一目标轮廓识别结果所占区域之外,第一位置信息即对应鼠标的点击位置。鼠标点击后会在点击处显示指示第一位置信息的正圆点。
图10为根据本公开第三实施例的第一应用操作界面示意图,如图10所示,经目标轮廓识别处理获得的轿车轮廓相对于一般轿车缺少了一个车轮,即图10中最右侧的车轮不包含在经目标轮廓识别处理获得的轿车轮廓结果内,此时用户可用鼠标对所缺的车轮区域进行点击来触发第一轮廓调整指令,点击位置会显示一个小圆点,即指示第一位置信息的正圆点。
步骤S302,根据第一轮廓调整指令中指示的第一位置执行第三目标轮廓识别处理,获得第三目标轮廓识别结果;第一位置位于第一目标轮廓识别结果所占区域之外。
在本实施例中,在获得第一轮廓调整指令之后,可根据第一轮廓调整指令中的第一位置信息,重新发起一次识别处理。
在一可实施方式中,可将第一位置信息转换成Distance Map(距离图),与第一目标轮廓识别结果合并,经一个新增通道输入轮廓识别模型中进行识别处理。
步骤S303,将第三目标轮廓识别结果与第一目标轮廓识别结果合并,获得更新后的第一目标轮廓识别结果。
本实施例中,在获得第三目标轮廓识别结果之后,可将第三目标轮廓识别结果与第一目标轮廓识别结果合并,得到修改后的第一目标轮廓识别结果。
图11为本公开第三实施例的第二应用操作界面示意图,如图11所示,根据用户的点击重新对轿车进行了识别,得到更新后的轿车的轮廓,此时轿车缺少的车轮区域已经包含至轿车的整体轮廓区域内。
图12为本公开第四实施例的识别图像中目标轮廓的方法的流程示意图,如图12所示,在步骤S102之后,该方法还包括:
步骤S401,获得第二轮廓调整指令。
在本实施例中,获得第一目标轮廓识别结果之后,若用户对识别结果不满意,可对其进行修改。对第一目标轮廓识别结果的修改操作可以由第二轮廓调整指令来触发。
在一可实施方式中,第二轮廓调整指令由用户的鼠标点击操作来触发,鼠标的点击位置位于第一目标轮廓识别结果所占区域内、且位于第一目标物体所占区域之外。第二轮廓调整指令中包含第二位置信息,第二位置信息位于第一目标轮廓识别结果所占区域内、且位于第一目标物体所占区域之外,第二位置信息即对应鼠标的点击位置。鼠标点击后会在点击处显示指示第二位置信息的负圆点。
步骤S402,根据第二轮廓调整指令中指示的第二位置执行第四目标轮廓识别处理,获得第四目标轮廓识别结果;第二位置、及第四目标轮廓识别结果所占区域,位于第一目标轮廓识别结果所占区域之内。
在本实施例中,在获得第二轮廓调整指令之后,可根据第二轮廓调整指令中的第二位置信息,重新发起一次识别处理。
在一可实施方式中,可将第二位置信息转换成Distance Map,与第一目标轮廓识别结果合并,经一个新增通道输入轮廓识别模型中进行识别处理。
步骤S403,在第一目标轮廓识别结果中删除第四目标轮廓识别结果,作为更新后的第一目标轮廓识别结果。
本实施例中,在获得第四目标轮廓识别结果之后,可在第一目标轮廓识别结果中删除第四目标轮廓识别结果,得到修改后的第一目标轮廓识别结果。
在本公开第三实施例和第四实施例中,提供了一种可对第一目标轮廓识别结果进行修正的方法,首先用户点击缺失部分或多余部分得到正负圆点,然后根据正负圆点重新发起对第一目标物体的识别处理,最后根据得到的新的轮廓识别结果对第一目标轮廓识别结果进行修正。由此,可以实现对目标轮廓识别结果的修正,达到准确提取目标物体轮廓的效果。
在一可实施方式中,在本公开第三或第四任一实施例中,获得更新后的第一目标轮廓识别结果之后,该方法还可以包括:
步骤S501,获得撤销调整指令。
若用户在操作过程中不小心对第一目标轮廓识别结果进行了误点击,得到了更新后的第一目标轮廓识别结果,用户可对其进行撤销。撤销调整指令可以由用户操作来触发,如点击鼠标右键。
步骤S502,调用并展示更新前的第一目标轮廓识别结果替换更新后的第一目标轮廓识别结果。
在获得撤销调整指令之后,可根据撤销调整指令将更新后的第一目标轮廓识别结果撤销,此时界面中只展示第一目标轮廓识别结果。由此,可以通过撤销操作防止用户误操作,减少算法进行目标轮廓识别的次数,从而减少计算上的开销。
在一可实施方式中,在本公开第一至第四任一实施例中,在对目标轮廓识别结果添加标签之后,该方法还可以包括:
步骤S601,获得针对所展示标签的修改申请指令。
若用户想要修改已经添加的目标物体轮廓的标签,可通过在对应的目标识别区域内使用鼠标点击的方法,触发对所展示标签的修改申请指令,修改申请指令包含用户想要修改的标签对应的位置信息。
步骤S602,根据修改申请指令指示的位置调用待选标签并通过界面展示。
在获得修改申请指令之后,根据修改指令内的位置信息调用待选标签,且待选标签以浮层的方式显示在界面中。
步骤S603,获得针对所展示标签的修改确认指令,将修改选中标签替换原标签展示,并调用替换后的展示标签所对应的渲染规则对所述替换后的展示标签对应的目标轮廓识别结果进行展示效果的渲染。
图13为根据本公开第一至第四任一实施例的标签修改操作界面示意图,如图13所示,若用户想要对已经添加了轿车的“轿车”标签进行修改,可鼠标点击轿车的识别区域,此时轿车的旁边会出现修改标签的标签浮层,用户可对轿车的标签重新进行选择,例如修改为图13中的“电动汽车”的标签,重新选择后,“电动汽车”字样仍会显示在轿车的居中位置。
由此,可以实现对目标轮廓识别结果的标签修正,可以防止用户误操作选择了错误的标签,方便用户的操作,提高用户体验感。
在一可实施方式中,在本公开第一至第四任一实施例中,其中,目标轮廓识别处理基于设置的识别强度来执行,且识别强度可修改。
在本公开的一实施例中,目标轮廓识别结果是一个矩阵,矩阵内是0-1间的小数,表示每一个像素点的预测分数,用户可通过界面中的阈值调整进度条设置一个0-1间的阈值,算法在进行目标轮廓识别处理时,若结果大于等于阈值的就显示成mask(掩码),结果小于阈值的就忽略。由此,用户可基于对轮廓识别处理效果的实际要求,通过调整界面中的阈值调整进度条来控制算法自动识别目标物体轮廓的强度,可以达到精准识别目标物体的效果。
在本公开的一实施例中,阈值调整进度条可位于界面左上角,阈值调整进度条左右两端分别代表阈值0、1,进度条指针越靠近0,则算法自动识别目标物体轮廓的强度越低,进度条指针越靠近1,则算法自动识别目标物体轮廓的强度越高,用户可根据需要随时调整进度条指针的位置,例如,若识别出的目标物体轮廓不准确,用户可将进度条指针向右调整,增强算法自动识别目标物体轮廓的强度,保证目标轮廓识别结果的精确性。
图14为本公开第五实施例的识别图像中目标轮廓的装置的结构示意图,如图14所示,该装置主要包括:
获得单元10,用于获得针对待识别图像的第一目标识别区域,第一目标识别区域为待识别图像中的框选区域;
轮廓识别单元20,用于对第一目标识别区域执行第一目标轮廓识别处理,获得第一目标轮廓识别结果;
标签调用单元30,用于获得针对第一目标轮廓识别结果的确认指令,调用与第一目标轮廓识别结果对应的待选标签并通过界面展示;
展示渲染单元40,用于获得针对第一目标轮廓识别结果的标签确认指令,将被选中标签展示在第一目标轮廓识别结果所占区域中,并调用被选中标签对应的渲染规则对第一目标轮廓识别结果进行展示效果的渲染。
在一可实施方式中,在展示渲染单元40将被选中标签展示在第一目标轮廓识别结果所占区域中,并调用被选中标签对应的渲染规则对目标轮廓识别结果进行展示效果的渲染后,
获得单元10进一步用于,获得针对待识别图像的第二目标识别区域,第二目标识别区域为待识别图像中的框选区域,且第二目标区域的全部或部分区域位于第一目标轮廓识别结果所占区域内;
轮廓识别单元20进一步用于,对第二目标识别区域执行第二目标轮廓识别处理,获得第二目标轮廓识别结果;
标签调用单元30进一步用于,获得针对第二目标轮廓识别结果的确认指令,调用与第二目标轮廓识别结果对应的待选标签并通过界面展示;
展示渲染单元40进一步用于,获得针对第二目标轮廓识别结果的标签确认指令,将被选中标签展示在第二目标轮廓识别结果所占区域中,并调用被选中标签对应的渲染规则对第二目标轮廓识别结果进行展示效果的渲染。
在一可实施方式中,轮廓识别单元20进一步用于,在获得第一目标轮廓识别结果后,获得第一轮廓调整指令;根据第一轮廓调整指令中指示的第一位置执行第三目标轮廓识别处理,获得第三目标轮廓识别结果;第一位置位于第一目标轮廓识别结果所占区域之外;将第三目标轮廓识别结果与第一目标轮廓识别结果合并,获得更新后的第一目标轮廓识别结果。
在一可实施方式中,轮廓识别单元20进一步用于,在获得第一目标轮廓识别结果后,获得第二轮廓调整指令;根据第二轮廓调整指令中指示的第二位置执行第四目标轮廓识别处理,获得第四目标轮廓识别结果;第二位置、及第四目标轮廓识别结果所占区域,位于第一目标轮廓识别结果所占区域之内;在第一目标轮廓识别结果中删除第四目标轮廓识别结果,作为更新后的第一目标轮廓识别结果。
在一可实施方式中,轮廓识别单元20进一步用于,在获得更新后的第一目标轮廓识别结果后,获得撤销调整指令;调用并展示更新前的第一目标轮廓识别结果替换更新后的第一目标轮廓识别结果。
在一可实施方式中,标签调用单元30进一步用于,获得针对所展示标签的修改申请指令;根据修改指令指示的位置调用待选标签并通过界面展示;获得针对所展示标签的修改确认指令,将修改选中标签替换原标签展示,并调用替换后的展示标签所对应的渲染规则对第二目标轮廓识别结果进行展示效果的渲染。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图15示出了可以用来实施本公开的实施例的示例电子设备1500的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图15所示,设备1500包括计算单元1501,其可以根据存储在只读存储器(ROM)1502中的计算机程序或者从存储单元1508加载到随机访问存储器(RAM)1503中的计算机程序,来执行各种适当的动作和处理。在RAM 1503中,还可存储设备1500操作所需的各种程序和数据。计算单元1501、ROM 1502以及RAM 1503通过总线1504彼此相连。输入/输出(I/O)接口1505也连接至总线1504。
设备1500中的多个部件连接至I/O接口1505,包括:输入单元1506,例如键盘、鼠标等;输出单元1507,例如各种类型的显示器、扬声器等;存储单元1508,例如磁盘、光盘等;以及通信单元1509,例如网卡、调制解调器、无线通信收发机等。通信单元1509允许设备1500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元1501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元1501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元1501执行上文所描述的各个方法和处理,例如识别图像中目标轮廓的方法。例如,在一些实施例中,识别图像中目标轮廓的方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元1508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 1502和/或通信单元1509而被载入和/或安装到设备1500上。当计算机程序加载到RAM 1503并由计算单元1501执行时,可以执行上文描述的识别图像中目标轮廓的方法的一个或多个步骤。备选地,在其他实施例中,计算单元1501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行识别图像中目标轮廓的方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (7)
1.一种识别图像中目标轮廓的方法,包括:
获得针对待识别图像的第一目标识别区域,所述第一目标识别区域为所述待识别图像中的框选区域;
对所述第一目标识别区域执行第一目标轮廓识别处理,获得第一目标轮廓识别结果;
获得针对所述第一目标轮廓识别结果的确认指令,调用与所述第一目标轮廓识别结果对应的待选标签并通过界面展示;
获得针对所述第一目标轮廓识别结果的标签确认指令,将被选中标签展示在所述第一目标轮廓识别结果所占区域中,并调用所述被选中标签对应的渲染规则对所述第一目标轮廓识别结果进行展示效果的渲染;
获得针对所述待识别图像的第二目标识别区域,所述第二目标识别区域为所述待识别图像中的框选区域,且所述第二目标识别区域的全部或部分区域位于所述第一目标轮廓识别结果所占区域内;
对所述第二目标识别区域执行第二目标轮廓识别处理,获得第二目标轮廓识别结果;
获得针对所述第二目标轮廓识别结果的确认指令,调用与所述第二目标轮廓识别结果对应的待选标签并通过界面展示;
获得针对所述第二目标轮廓识别结果的标签确认指令,将被选中标签展示在所述第二目标轮廓识别结果所占区域中,并调用所述被选中标签对应的渲染规则对所述第二目标轮廓识别结果进行展示效果的渲染;
其中,在所述获得第一目标轮廓识别结果后,还包括:
获得第一轮廓调整指令;
根据所述第一轮廓调整指令中指示的第一位置执行第三目标轮廓识别处理,获得第三目标轮廓识别结果;所述第一位置位于所述第一目标轮廓识别结果所占区域之外;
将所述第三目标轮廓识别结果与所述第一目标轮廓识别结果合并,获得更新后的第一目标轮廓识别结果;
获得第二轮廓调整指令;
根据所述第二轮廓调整指令中指示的第二位置执行第四目标轮廓识别处理,获得第四目标轮廓识别结果;所述第二位置、及所述第四目标轮廓识别结果所占区域,位于所述第一目标轮廓识别结果所占区域之内;
在所述第一目标轮廓识别结果中删除所述第四目标轮廓识别结果,作为更新后的第一目标轮廓识别结果。
2.根据权利要求1所述的方法,其中,在获得更新后的第一目标轮廓识别结果后,还包括:
获得撤销调整指令;
调用并展示更新前的第一目标轮廓识别结果替换所述更新后的第一目标轮廓识别结果。
3.根据权利要求1至2任一项所述的方法,其中,还包括:
获得针对所展示标签的修改申请指令;
根据所述修改申请指令指示的位置调用待选标签并通过界面展示;
获得针对所展示标签的修改确认指令,将修改选中标签替换原标签展示,并调用替换后的展示标签所对应的渲染规则对所述替换后的展示标签对应的目标轮廓识别结果进行展示效果的渲染。
4.根据权利要求1至2任一项所述的方法,其中,所述目标轮廓识别处理基于设置的识别强度来执行。
5.一种识别图像中目标轮廓的装置,包括:
获得单元,用于获得针对待识别图像的第一目标识别区域,所述第一目标识别区域为所述待识别图像中的框选区域;
轮廓识别单元,用于对所述第一目标识别区域执行第一目标轮廓识别处理,获得第一目标轮廓识别结果;
标签调用单元,用于获得针对所述第一目标轮廓识别结果的确认指令,调用与所述第一目标轮廓识别结果对应的待选标签并通过界面展示;
展示渲染单元,用于获得针对所述第一目标轮廓识别结果的标签确认指令,将被选中标签展示在所述第一目标轮廓识别结果所占区域中,并调用所述被选中标签对应的渲染规则对所述第一目标轮廓识别结果进行展示效果的渲染;
获得单元,还用于获得针对所述待识别图像的第二目标识别区域,所述第二目标识别区域为所述待识别图像中的框选区域,且所述第二目标识别区域的全部或部分区域位于所述第一目标轮廓识别结果所占区域内;
轮廓识别单元,还用于对所述第二目标识别区域执行第二目标轮廓识别处理,获得第二目标轮廓识别结果;
标签调用单元,还用于获得针对所述第二目标轮廓识别结果的确认指令,调用与所述第二目标轮廓识别结果对应的待选标签并通过界面展示;
展示渲染单元,还用于获得针对所述第二目标轮廓识别结果的标签确认指令,将被选中标签展示在所述第二目标轮廓识别结果所占区域中,并调用所述被选中标签对应的渲染规则对所述第二目标轮廓识别结果进行展示效果的渲染;
轮廓识别单元,还用于获得第一轮廓调整指令;根据所述第一轮廓调整指令中指示的第一位置执行第三目标轮廓识别处理,获得第三目标轮廓识别结果;所述第一位置位于所述第一目标轮廓识别结果所占区域之外;将所述第三目标轮廓识别结果与所述第一目标轮廓识别结果合并,获得更新后的第一目标轮廓识别结果;
轮廓识别单元,还用于获得第二轮廓调整指令;根据所述第二轮廓调整指令中指示的第二位置执行第四目标轮廓识别处理,获得第四目标轮廓识别结果;所述第二位置、及所述第四目标轮廓识别结果所占区域,位于所述第一目标轮廓识别结果所占区域之内;在所述第一目标轮廓识别结果中删除所述第四目标轮廓识别结果,作为更新后的第一目标轮廓识别结果。
6.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
7.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111392551.3A CN114092709B (zh) | 2021-11-23 | 2021-11-23 | 一种识别图像中目标轮廓的方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111392551.3A CN114092709B (zh) | 2021-11-23 | 2021-11-23 | 一种识别图像中目标轮廓的方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114092709A CN114092709A (zh) | 2022-02-25 |
CN114092709B true CN114092709B (zh) | 2023-10-31 |
Family
ID=80303135
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111392551.3A Active CN114092709B (zh) | 2021-11-23 | 2021-11-23 | 一种识别图像中目标轮廓的方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114092709B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108875020A (zh) * | 2018-06-20 | 2018-11-23 | 第四范式(北京)技术有限公司 | 用于实现标注的方法、装置、设备及存储介质 |
CN109309839A (zh) * | 2018-09-30 | 2019-02-05 | Oppo广东移动通信有限公司 | 数据处理方法及装置、电子设备及存储介质 |
CN109359558A (zh) * | 2018-09-26 | 2019-02-19 | 腾讯科技(深圳)有限公司 | 图像标注方法、目标检测方法、装置及存储介质 |
CN109544573A (zh) * | 2017-09-21 | 2019-03-29 | 卡西欧计算机株式会社 | 轮廓检测装置,印刷装置,轮廓检测方法以及记录介质 |
CN110428003A (zh) * | 2019-07-31 | 2019-11-08 | 清华大学 | 样本类别标签的修正方法、装置以及电子设备 |
CN110598705A (zh) * | 2019-09-27 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 图像的语义标注方法及装置 |
CN110865756A (zh) * | 2019-11-12 | 2020-03-06 | 苏州智加科技有限公司 | 图像标注方法、装置、设备及存储介质 |
CN111128323A (zh) * | 2019-12-18 | 2020-05-08 | 中电云脑(天津)科技有限公司 | 医疗电子病例的标注方法、装置、设备及存储介质 |
CN111444746A (zh) * | 2019-01-16 | 2020-07-24 | 北京亮亮视野科技有限公司 | 一种基于神经网络模型的信息标注方法 |
CN112100438A (zh) * | 2020-09-21 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 一种标签抽取方法、设备及计算机可读存储介质 |
CN113360693A (zh) * | 2021-05-31 | 2021-09-07 | 北京百度网讯科技有限公司 | 确定图像标签的方法及其装置、电子设备以及存储介质 |
-
2021
- 2021-11-23 CN CN202111392551.3A patent/CN114092709B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109544573A (zh) * | 2017-09-21 | 2019-03-29 | 卡西欧计算机株式会社 | 轮廓检测装置,印刷装置,轮廓检测方法以及记录介质 |
CN108875020A (zh) * | 2018-06-20 | 2018-11-23 | 第四范式(北京)技术有限公司 | 用于实现标注的方法、装置、设备及存储介质 |
CN109359558A (zh) * | 2018-09-26 | 2019-02-19 | 腾讯科技(深圳)有限公司 | 图像标注方法、目标检测方法、装置及存储介质 |
CN109309839A (zh) * | 2018-09-30 | 2019-02-05 | Oppo广东移动通信有限公司 | 数据处理方法及装置、电子设备及存储介质 |
CN111444746A (zh) * | 2019-01-16 | 2020-07-24 | 北京亮亮视野科技有限公司 | 一种基于神经网络模型的信息标注方法 |
CN110428003A (zh) * | 2019-07-31 | 2019-11-08 | 清华大学 | 样本类别标签的修正方法、装置以及电子设备 |
CN110598705A (zh) * | 2019-09-27 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 图像的语义标注方法及装置 |
CN110865756A (zh) * | 2019-11-12 | 2020-03-06 | 苏州智加科技有限公司 | 图像标注方法、装置、设备及存储介质 |
CN111128323A (zh) * | 2019-12-18 | 2020-05-08 | 中电云脑(天津)科技有限公司 | 医疗电子病例的标注方法、装置、设备及存储介质 |
CN112100438A (zh) * | 2020-09-21 | 2020-12-18 | 腾讯科技(深圳)有限公司 | 一种标签抽取方法、设备及计算机可读存储介质 |
CN113360693A (zh) * | 2021-05-31 | 2021-09-07 | 北京百度网讯科技有限公司 | 确定图像标签的方法及其装置、电子设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
Robust-rotation recognition based on contour matching using CUDA in automation system;SangKwon Sim等;《2015 International Symposium on Consumer Electronics (ISCE)》;第1-2页 * |
多元融合的触觉反馈渲染方法研究;王晓翠;《中国优秀硕士学位论文全文数据库信息科技辑》(第12期);第I138-664页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114092709A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112580623B (zh) | 图像生成方法、模型训练方法、相关装置及电子设备 | |
EP3876197A2 (en) | Portrait extracting method and apparatus, electronic device and storage medium | |
CN112115678B (zh) | 信息展示方法及装置、存储介质及电子设备 | |
CN108830780A (zh) | 图像处理方法及装置、电子设备、存储介质 | |
CN115018805A (zh) | 分割模型训练方法、图像分割方法、装置、设备及介质 | |
JP7379684B2 (ja) | 画像生成方法及び装置並びにコンピュータプログラム | |
JP2022168167A (ja) | 画像処理方法、装置、電子機器及び記憶媒体 | |
JP2023039892A (ja) | 文字生成モデルのトレーニング方法、文字生成方法、装置、機器及び媒体 | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN113608805A (zh) | 掩膜预测方法、图像处理方法、显示方法及设备 | |
CN114495101A (zh) | 文本检测方法、文本检测网络的训练方法及装置 | |
EP2410487B1 (en) | Method for automatically modifying a graphics feature to comply with a resolution limit | |
CN114092709B (zh) | 一种识别图像中目标轮廓的方法、装置、设备及存储介质 | |
CN113657396A (zh) | 训练方法、译文展示方法、装置、电子设备以及存储介质 | |
CN116645678A (zh) | 一种基于矢量图形绘制的图像处理方法及装置 | |
CN114882313B (zh) | 生成图像标注信息的方法、装置、电子设备及存储介质 | |
CN111107264A (zh) | 图像处理方法、装置、存储介质以及终端 | |
CN113780297B (zh) | 图像处理方法、装置、设备以及存储介质 | |
US9905030B2 (en) | Image processing device, image processing method, information storage medium, and program | |
CN113657408B (zh) | 确定图像特征的方法、装置、电子设备和存储介质 | |
CN115797533A (zh) | 模型描边方法、装置、设备及存储介质 | |
CN114937149A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN113127058A (zh) | 数据标注方法、相关装置及计算机程序产品 | |
CN113744278A (zh) | 文本检测方法和装置 | |
CN113126866A (zh) | 对象确定方法、装置、电子设备以及存储介质 |
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 |