CN115578486A - 图像生成方法、装置、电子设备和存储介质 - Google Patents
图像生成方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN115578486A CN115578486A CN202211283368.4A CN202211283368A CN115578486A CN 115578486 A CN115578486 A CN 115578486A CN 202211283368 A CN202211283368 A CN 202211283368A CN 115578486 A CN115578486 A CN 115578486A
- Authority
- CN
- China
- Prior art keywords
- image
- determining
- preset position
- candidate image
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 claims abstract description 105
- 238000004590 computer program Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 10
- 238000013136 deep learning model Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 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
- 230000006872 improvement Effects 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
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种图像生成方法,涉及人工智能技术领域,尤其涉及计算机视觉技术领域和图像处理技术领域。具体实现方案为:对原始图像进行目标检测,得到原始图像中至少一个对象的检测框;根据原始图像的图像边界和至少一个检测框的区域边界,在原始图像中确定第一候选图像区域;根据目标信息的尺寸和预设位置序列中一个预设位置,从至少一个第一候选图像区域中确定出与预设位置相关的第二候选图像区域;根据处于第二候选图像区域的目标信息与检测框之间的第一距离,从至少一个第二候选区域中确定目标图像区域;将目标信息添加至原始图像,得到目标图像。本公开还提供了一种图像生成装置、电子设备和存储介质。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及计算机视觉技术领域和图像处理技术领域,可应用于信息推荐场景下。更具体地,本公开提供了一种图像生成方法、装置、电子设备和存储介质。
背景技术
随着计算机技术和搜索技术的发展,用户可以为图像添加各种信息。例如,用户可以在图像中添加预设的文本或图像,再将添加了这些信息的图像分享给其他用户。
发明内容
本公开提供了一种图像生成方法、装置、设备以及存储介质。
根据本公开的一方面,提供了一种图像生成方法,该方法包括:对原始图像进行目标检测,得到原始图像中至少一个对象的检测框,其中,检测框用于指示对象在原始图像中所处的图像区域;根据原始图像的图像边界和至少一个检测框的区域边界,在原始图像中确定至少一个第一候选图像区域;根据目标信息的尺寸和预设位置序列中一个预设位置,从至少一个第一候选图像区域中确定出与预设位置相关的第二候选图像区域,其中,预设位置序列包括至少一个预设位置;根据处于第二候选图像区域的目标信息与至少一个检测框之间的至少一个第一距离,从至少一个第二候选区域中确定目标图像区域;以及根据与目标图像区域对应的预设位置,将目标信息添加至原始图像,得到目标图像。
根据本公开的另一方面,提供了一种图像生成装置,该装置包括:目标检测模块,用于对原始图像进行目标检测,得到原始图像中至少一个对象的检测框,其中,检测框用于指示对象在原始图像中所处的图像区域;第一确定模块,用于根据原始图像的图像边界和至少一个检测框的区域边界,在原始图像中确定至少一个第一候选图像区域;第二确定模块,用于根据目标信息的尺寸和预设位置序列中一个预设位置,从至少一个第一候选图像区域中确定出与预设位置相关的第二候选图像区域,其中,预设位置序列包括至少一个预设位置;第三确定模块,用于根据处于第二候选图像区域的目标信息与至少一个检测框之间的至少一个第一距离,从至少一个第二候选区域中确定目标图像区域;以及添加模块,用于根据与目标图像区域对应的预设位置,将目标信息添加至原始图像,得到目标图像。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开提供的方法。
根据本公开的另一方面,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,该计算机指令用于使计算机执行根据本公开提供的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现根据本公开提供的方法。
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是根据本公开的一个实施例的可以应用图像生成方法和装置的示例性***架构示意图;
图2是根据本公开的一个实施例的图像生成方法的流程图;
图3A是根据本公开的一个实施例的原始图像的示意图;
图3B是根据本公开的一个实施例的检测框的示意图;
图3C和图3D是根据本公开的一个实施例的候选图像区域的示意图;图3E是根据本公开的一个实施例的目标图像的示意图;
图4是根据本公开的另一个实施例的候选图像区域的示意图;
图5是根据本公开的一个实施例的图像生成装置的框图;以及
图6是根据本公开的一个实施例的可以应用图像生成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。
如上述,可以在图像中添加文本或图像。例如,在添加文本时,可以将文本添加至原始图像中的预设位置(例如图像的左下角或右下角)。在该预设位置,原始图像中可能存在一些信息,导致添加的文本与原始图像中的信息之间可能存在冲突,使得原始图像中的信息难以被识别。
图1是根据本公开一个实施例的可以应用图像生成方法和装置的示例性***架构示意图。需要注意的是,图1所示仅为可以应用本公开实施例的***架构的示例,以帮助本领域技术人员理解本公开的技术内容,但并不意味着本公开实施例不可以用于其他设备、***、环境或场景。
如图1所示,根据该实施例的***架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线和/或无线通信链路等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理,并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
需要说明的是,本公开实施例所提供的图像生成方法一般可以由服务器105执行。相应地,本公开实施例所提供的图像生成装置一般可以设置于服务器105中。本公开实施例所提供的图像生成方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地,本公开实施例所提供的图像生成装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。
图2是根据本公开的一个实施例的图像生成方法的流程图。
如图2所示,该方法200可以包括操作S210至操作S250。
在操作S210,对原始图像进行目标检测,得到原始图像中至少一个对象的检测框。
在本公开实施例中,检测框用于指示对象在原始图像中所处的图像区域。
在本公开实施例中,可以利用深度学习模型对原始图像进行目标检测。例如,可以利用包含类别标签和检测框标签的样本图像训练深度学习模型。将经训练的深度学习模型用于对原始图像进行目标检测。
在本公开实施例中,对原始图像进行目标检测,还可以获得对象的类别。对象的类别可以包括动物、商品、商标、二维码等等。例如,对象的类别可以包括某种商品的代言人、该商品、商品的商标、与该商品相关的二维码等等。
在本公开实施例中,检测框用于指示对象在原始图像中所处的图像区域。例如,检测框可以包括坐标和尺寸。坐标可以是检测框左上顶点的坐标,尺寸可以包括检测框的宽度和高度。
在操作S220,根据原始图像的图像边界和至少一个检测框的区域边界,在原始图像中确定至少一个第一候选图像区域。
例如,可以利用一个图像边界和分别来自于三个检测框的三个区域边界,确定一个矩形的第一候选图像区域。又例如,也可以利用两个图像边界和分别来自于两个检测框的两个区域边界,确定另一个矩形的第一候选图像区域。可以理解,候选图像区域的形状可以矩形,也可以是多边形,本公开对此不进行限制。
在操作S230,根据目标信息的尺寸和预设位置序列中一个预设位置,从至少一个第一候选图像区域中确定出与预设位置相关的第二候选图像区域。
在本公开实施例中,预设位置序列包括至少一个预设位置。例如,预设位置序列可以包括原始图像的左下角、原始图像的右下角、原始图像的右上角和原始图像的左上角等位置。
在本公开实施例中,可以从至少一个第一候选图像区域中确定尺寸大于或等于目标信息的尺寸的一个或多个第一候选图像区域。从这些第一候选图像区域中,可以将包含预设位置的第一候选图像区域作为与预设位置相关的第二候选图像区域。
在操作S240,根据处于第二候选图像区域的目标信息与至少一个检测框之间的至少一个第一距离,从至少一个第二候选区域中确定目标图像区域。
在本公开实施例中,可以将目标信息添加至一个第二候选图像区域中,再确定目标信息与上述的至少一个检测框之间的至少一个第一距离。若这些第一距离均大于或等于第一预设距离阈值,可以将这个第二候选图像区域作为一个目标图像区域。
在本公开实施例中,针对一个预设位置,目标图像区域可以为至少一个。例如,目标图像区域可以为一个。又例如,目标图像区域也可以为两个或两个以上。
在操作S250,根据与目标图像区域对应的预设位置,将目标信息添加至原始图像,得到目标图像。
例如,可以将目标信息添加至目标图像区域。可以将添加了目标信息的原始图像作为目标图像。
通过本公开实施例,识别出了原始图像中的各个对象,使得目标信息可以避让关键信息(例如原始图像中各个对象),可以智能化地完成目标信息的添加,降低目标信息与图像中关键信息产生冲突的可能性。有助于提高相关图像产品的运营效率,使得图像中一些关键信息可以有效传播。也有助于利用人工智能软件工具识别图像中的关键信息,进而提升图像中的关键信息的有效展现次数,间接地提高了使用图像进行识别或搜索的体验,有助于提高相关产品的竞争力。
下面将结合相关实施例对本公开的防伪图像生成方法进行详细说明。
图3A是根据本公开的一个实施例的原始图像的示意图。
如图3A所示,在原始图像300中可以包括对象310、对象320、对象330、对象340和对象350。例如,对象330可以为一个商品。如对象340所示,该商品的品牌可以为“AA”。如对象350所示,该商品的宣传文本可以为“AA的A系列”以及“经典外观”。该商品可以为排球。该商品的代言人如图3A中对象310所示。如对象320所示,代言人的签名可以为“刘某某”。
图3B是根据本公开的一个实施例的检测框的示意图。
在一些实施例中,可以对原始图像300执行上述的操作S210,得到原始图像300中多个对象的检测框和类别。例如,对原始图像300进行目标检测,可以得到对象310的检测框311、对象320的检测框321、对象330的检测框331、对象340的检测框341和对象350的检测框351。又例如,原始图像300的宽度可以为1000,高度可以为600。将原始图像300的左上顶点作为坐标系零点。检测框311的左上顶点坐标可以为(15,2),检测框311的宽度可以为419,高度可以为594。检测框321的左上顶点坐标可以为(365,380),检测框321的宽度可以为157,高度可以为130。检测框331的左上顶点坐标可以为(560,279),检测框331的宽度可以为193,高度可以为251。检测框341的左上顶点坐标可以为(494,69),检测框341的宽度可以为336,高度可以为99。检测框351的左上顶点坐标可以为(485,181),检测框351的宽度可以为352,高度可以为91。
又例如,对象310的类别可以为“商品的代言人”。对象320的类别可以为“代言人的签名”。对象330的类别可以为“商品”。对象340的类别可以为“商品标识”。对象350的类别可以为“商品的宣传文本”。
图3C和图3D是根据本公开的一个实施例的候选图像区域的示意图。
在一些实施例中,在上述的操作S220的一些实施方式中,在原始图像中确定至少一个第一候选图像区域可以包括:根据至少两个图像边界和至少一个区域边界,可以确定第一候选图像区域。在本公开实施例中,第一候选图像区域来自于原始图像中除检测框指示的图像区域之外的图像区域。例如,可以根据原始图像300的左图像边界、下图像边界、上图像边界以及检测框311的左区域边界,确定候选图像区域361。又例如,可以根据原始图像300的右图像边界、下图像边界、检测框331的右区域边界和检测框351的下区域边界,确定候选图像区域362。又例如,可以根据原始图像300的右图像边界、下图像边界、检测框311的右区域边界和检测框331的下区域边界,确定候选图像区域363。可以理解,候选图像区域361至候选图像区域363可以作为第一候选图像区域。也可以理解,候选图像区域361至候选图像区域363仅为示例,还可以确定出其他的候选图像区域,本公开在此不在赘述。
在一些实施例中,至少一个预设位置为I个预设位置。I为大于或等于1的整数。例如,以I=4为示例,第1个预设位置可以为原始图像300的左下角。第2个预设位置可以为原始图像300的右下角。第3个预设位置可以为原始图像300的左上角。第4个预设位置可以为原始图像300的右上角。
在一些实施例中,在上述的操作S230的一些实施方式中,根据目标信息的尺寸和预设位置序列中一个预设位置,从至少一个第一候选图像区域中确定出与预设位置相关的第二候选图像区域可以包括:根据预设位置序列中第i个预设位置与多个图像边界之间的多个第二距离,从多个图像边界中确定与第i个预设位置相关的第一图像边界和第二图像边界。从至少一个第一候选图像区域中确定包括部分第一图像边界和部分第二图像边界的N个初始图像区域。响应于确定初始图像区域的尺寸大于或等于目标信息的尺寸,将初始图像区域确定为一个第二候选图像区域。i为大于或等于1且小于或等于I的整数。N为大于或等于的整数。
在本公开实施例中,第二候选图像区域可以为M个。M为大于或等于1的整数。
例如,目标信息可以为目标文本。目标文本例如可以为“赵某某”。目标文本的包围框的宽度可以为158,高度可以40。
例如,在i=1的情况下,第1个预设位置(原始图像300的左下角)与原始图像300的左图像边界和下图像边界之间的第二距离较小,下图像边界可以作为第1个预设位置相关的第一图像边界,左图像边界可以作为第1个预设位置相关的第二图像边界。在上述的三个候选图像区域中,候选图像区域361是由左图像边界和下图像边界确定的,候选图像区域361可以作为一个初始图像区域。候选图像区域361的宽度例如可以为15。候选图像区域361的宽度小于目标文本的包围框的宽度。候选图像区域361可以不作为一个第二候选图像区域。
又例如,在i=2的情况下,第2个预设位置(原始图像300的右下角)与原始图像300的右图像边界和下图像边界之间的第二距离较小,下图像边界可以作为第2个预设位置相关的第一图像边界,右图像边界可以作为第2个预设位置相关的第二图像边界。在上述的三个候选图像区域中,候选图像区域362是由下图像边界和右图像边界确定的,候选图像区域362可以作为一个初始图像区域。候选图像区域362的宽度例如可以为240,高度可以为315。候选图像区域362的宽度和高度均大于目标文本的包围框。候选图像区域362可以作为一个第二候选图像区域。
又例如,在i=2的情况下,在上述的三个候选图像区域中,候选图像区域363是由下图像边界和右图像边界确定的,候选图像区域363可以作为一个初始图像区域。候选图像区域363的宽度例如可以为560,高度可以为70。候选图像区域363的宽度和高度均大于目标文本的包围框。候选图像区域363可以作为一个第二候选图像区域。
在一些实施例中,在上述的操作S240的一些实施例中,根据处于第二候选图像区域的目标信息与至少一个检测框之间的至少一个第一距离,从至少一个第二候选区域中确定目标图像区域可以包括:将目标信息添加至第m个第二候选图像区域。根据目标信息的包围框与检测框之间的第一距离,确定包围框与检测框之间是否存在重叠区域。响应于确定包围框与至少一个检测框之间均不存在重叠区域,将第m个第二候选图像区域确定为一个目标图像区域。
在本公开实施例中,m为大于或等于1且小于或等于M的整数。例如,对于第2个预设位置,第二候选图像区域的数量可以为2个。可以理解,对于第2个预设位置,M可以为2。m的取值可以为1和2。候选图像区域362可以作为第1个第二候选图像区域。候选图像区域363可以作为第2个第二候选图像区域
例如,可以将目标文本添加至候选图像区域362。接下来,可以确定目标文本的包围框分别与检测框311、检测框321、检测框331、检测框341、检测框351之间的第一距离。根据该第一距离,确定包围框是否与检测框重叠。在一个示例中,针对第2个预设位置,可以计算检测框的右下角到包围框的左上角之间距离,作为第一距离。若确定包围框与检测框不重叠,可以将候选图像区域362作为一个目标图像区域。
又例如,也可以将目标文本添加至候选图像区域363。接下来,可以计算目标文本的包围框分别与检测框311、检测框321、检测框331、检测框341、检测框351之间的第一距离。根据该第一距离,确定包围框是否与检测框重叠。若确定包围框与检测框不重叠,可以将候选图像区域363也作为一个目标图像区域。通过本公开实施例,根据包围框与检测框之间的距离,可以高效地确定包围框是否与检测框重叠。由此,可以提高图像生成的效率。
接下来,可以执行上述的操作S250,得到图3E所示的目标图像。
图3E是根据本公开的一个实施例的目标图像的示意图。
如图3E所示,目标图像包括目标文本370。目标文本370的包围框371与多个检测框之间不存在重叠区域。例如,可以将包围框371的右下顶点与原始图像300的右下顶点对齐,以将目标文本370添加至原始图像300中。
可以理解,上文以目标信息的尺寸小于或等于一个候选图像区域的尺寸为示例,对本公开提供的方法进行了详细说明。但本公开不限于此,下面将进行详细说明。
可以理解,目标信息的尺寸可以大于任一个候选图像区域的尺寸。
基于此,在本公开实施例中,响应于确定目标信息的尺寸大于任一个第一候选图像区域的尺寸,降低目标信息的尺寸,得到调整后的目标信息。根据调整后的目标信息的尺寸和预设位置序列,从至少一个第一候选图像区域中确定出第二候选图像区域。
例如,在目标信息为目标文本的情况下,可以降低目标文本中各个字符的尺寸。又例如,在目标信息为目标图像的情况下,也可以对目标图像进行缩放,以降低目标信息的尺寸。
可以理解,上文以候选图像区域是矩形为示例,对本公开的方法进行了详细说明。但本公开不限于此,在本公开实施例中,候选图像区域也可以为圆形或多边形,下面将进行详细说明。
图4是根据本公开的另一个实施例的候选图像区域的示意图。
如图4所示,根据原始图像400的下图像边界、检测框411的右区域边界、检测框421的多个区域边界、检测框451得到下区域边界和检测框431的左区域边界,可以确定候选图像区域464。候选图像区域464的形状为多边形。
图5是根据本公开的一个实施例的图像生成装置的框图。
如图5所示,该装置500可以包括目标检测模块510、第一确定模块520、第二确定模块530、第三确定模块540和添加模块550。
目标检测模块510,用于对原始图像进行目标检测,得到原始图像中至少一个对象的检测框。例如,检测框用于指示对象在原始图像中所处的图像区域。
第一确定模块520,用于根据原始图像的图像边界和至少一个检测框的区域边界,在原始图像中确定至少一个第一候选图像区域。
第二确定模块530,用于根据目标信息的尺寸和预设位置序列中一个预设位置,从至少一个第一候选图像区域中确定出与预设位置相关的第二候选图像区域。例如,预设位置序列包括至少一个预设位置。
第三确定模块540,用于根据处于第二候选图像区域的目标信息与至少一个检测框之间的至少一个第一距离,从至少一个第二候选区域中确定目标图像区域。
添加模块550,用于根据与目标图像区域对应的预设位置,将目标信息添加至原始图像,得到目标图像。
在一些实施例中,第一确定模块包括:第一确定单元,用于根据至少两个图像边界和至少一个区域边界,确定第一候选图像区域,其中,第一候选图像区域来自于原始图像中除检测框指示的图像区域之外的图像区域。
在一些实施例中,至少一个预设位置为I个预设位置,I为大于或等于1的整数,第二确定模块包括:第二确定单元,用于根据预设位置序列中第i个预设位置与多个图像边界之间的多个第二距离,从多个图像边界中确定与第i个预设位置相关的第一图像边界和第二图像边界,其中,i为大于或等于1且小于或等于I的整数;第三确定单元,用于从至少一个第一候选图像区域中确定与部分第一图像边界和部分第二图像边界相关的N个初始图像区域,其中,N为大于或等于的整数;以及第四确定单元,用于响应于确定初始图像区域的尺寸大于或等于目标信息的尺寸,将初始图像区域确定为一个第二候选图像区域。
在一些实施例中,至少一个第二候选图像区域为M个第二候选图像区域,M为大于或等于1的整数,第三确定模块包括:添加单元,用于将目标信息添加至第m个第二候选图像区域,其中,m为大于或等于1且小于或等于M的整数;第五确定单元,用于根据目标信息的包围框与检测框之间的第一距离,确定包围框与检测框之间是否存在重叠区域;以及第六确定单元,用于响应于确定包围框与至少一个检测框之间均不存在重叠区域,将第m个第二候选图像区域确定为一个目标图像区域。
在一些实施例中,第二确定单元包括:降低单元,用于响应于确定目标信息的尺寸大于任一个第一候选图像区域的尺寸,降低目标信息的尺寸,得到调整后的目标信息;以及第七确定单元,用于根据调整后的目标信息的尺寸和预设位置序列,从至少一个第一候选图像区域中确定出第二候选图像区域。
在一些实施例中,第一候选图像区域的形状为矩形、多边形、圆形中的至少一种。
本公开的技术方案中,所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理,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。
在本公开实施例中,电子设备可以包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开提供的方法。
在本公开实施例中,非瞬时计算机可读存储介质上存储有计算机指令,该计算机指令用于使计算机执行根据本公开提供的方法。
在本公开实施例中,计算机程序产品可以包括计算机程序,计算机程序在被处理器执行时实现根据本公开提供的方法。
图6示出了可以用来实施本公开的实施例的示例电子设备600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6所示,设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理,例如图像生成方法。例如,在一些实施例中,图像生成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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的图像生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像生成方法。
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)、复杂可编程逻辑设备(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。
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 (15)
1.一种图像生成方法,包括:
对原始图像进行目标检测,得到所述原始图像中至少一个对象的检测框,其中,所述检测框用于指示所述对象在所述原始图像中所处的图像区域;
根据所述原始图像的图像边界和至少一个所述检测框的区域边界,在所述原始图像中确定至少一个第一候选图像区域;
根据目标信息的尺寸和预设位置序列中一个预设位置,从至少一个所述第一候选图像区域中确定出与所述预设位置相关的第二候选图像区域,其中,所述预设位置序列包括至少一个预设位置;
根据处于所述第二候选图像区域的所述目标信息与至少一个所述检测框之间的至少一个第一距离,从至少一个所述第二候选区域中确定目标图像区域;以及
根据与所述目标图像区域对应的所述预设位置,将所述目标信息添加至所述原始图像,得到目标图像。
2.根据权利要求1所述的方法,其中,所述在所述原始图像中确定至少一个第一候选图像区域包括:
根据至少两个所述图像边界和至少一个所述区域边界,确定所述第一候选图像区域,其中,所述第一候选图像区域来自于所述原始图像中除所述检测框指示的图像区域之外的图像区域。
3.根据权利要求1所述的方法,其中,至少一个所述预设位置为I个所述预设位置,I为大于或等于1的整数,
所述根据目标信息的尺寸和预设位置序列中一个预设位置,从至少一个所述第一候选图像区域中确定出与所述预设位置相关的第二候选图像区域包括:
根据所述预设位置序列中第i个所述预设位置与多个所述图像边界之间的多个第二距离,从多个所述图像边界中确定与第i个所述预设位置相关的第一图像边界和第二图像边界,其中,i为大于或等于1且小于或等于I的整数;
从至少一个所述第一候选图像区域中确定与部分所述第一图像边界和部分所述第二图像边界相关的N个初始图像区域,其中,N为大于或等于的整数;以及
响应于确定所述初始图像区域的尺寸大于或等于所述目标信息的尺寸,将所述初始图像区域确定为一个第二候选图像区域。
4.根据权利要求1所述的方法,其中,至少一个所述第二候选图像区域为M个所述第二候选图像区域,M为大于或等于1的整数,
所述根据处于所述第二候选图像区域的所述目标信息与至少一个所述检测框之间的至少一个第一距离,从至少一个所述第二候选区域中确定目标图像区域包括:
将所述目标信息添加至第m个所述第二候选图像区域,其中,m为大于或等于1且小于或等于M的整数;
根据所述目标信息的包围框与所述检测框之间的第一距离,确定所述包围框与所述检测框之间是否存在重叠区域;
响应于确定所述包围框与至少一个所述检测框之间均不存在重叠区域,将第m个所述第二候选图像区域确定为一个所述目标图像区域。
5.根据权利要求1所述的方法,其中,所述根据目标信息的尺寸和预设位置序列中一个预设位置,从至少一个所述第一候选图像区域中确定出与所述预设位置相关的第二候选图像区域包括:
响应于确定所述目标信息的尺寸大于任一个所述第一候选图像区域的尺寸,降低所述目标信息的尺寸,得到调整后的目标信息;以及
根据所述调整后的目标信息的尺寸和所述预设位置序列,从至少一个所述第一候选图像区域中确定出所述第二候选图像区域。
6.根据权利要求1所述的方法,其中,所述第一候选图像区域的形状为矩形、多边形、圆形中的至少一种。
7.一种图像生成装置,包括:
目标检测模块,用于对原始图像进行目标检测,得到所述原始图像中至少一个对象的检测框,其中,所述检测框用于指示所述对象在所述原始图像中所处的图像区域;
第一确定模块,用于根据所述原始图像的图像边界和至少一个所述检测框的区域边界,在所述原始图像中确定至少一个第一候选图像区域;
第二确定模块,用于根据目标信息的尺寸和预设位置序列中一个预设位置,从至少一个所述第一候选图像区域中确定出与所述预设位置相关的第二候选图像区域,其中,所述预设位置序列包括至少一个预设位置;
第三确定模块,用于根据处于所述第二候选图像区域的所述目标信息与至少一个所述检测框之间的至少一个第一距离,从至少一个所述第二候选区域中确定目标图像区域;以及
添加模块,用于根据与所述目标图像区域对应的所述预设位置,将所述目标信息添加至所述原始图像,得到目标图像。
8.根据权利要求7所述的装置,其中,所述第一确定模块包括:
第一确定单元,用于根据至少两个所述图像边界和至少一个所述区域边界,确定所述第一候选图像区域,其中,所述第一候选图像区域来自于所述原始图像中除所述检测框指示的图像区域之外的图像区域。
9.根据权利要求7所述的装置,其中,至少一个所述预设位置为I个所述预设位置,I为大于或等于1的整数,
所述第二确定模块包括:
第二确定单元,用于根据所述预设位置序列中第i个所述预设位置与多个所述图像边界之间的多个第二距离,从多个所述图像边界中确定与第i个所述预设位置相关的第一图像边界和第二图像边界,其中,i为大于或等于1且小于或等于I的整数;
第三确定单元,用于从至少一个所述第一候选图像区域中确定与部分所述第一图像边界和部分所述第二图像边界相关的N个初始图像区域,其中,N为大于或等于的整数;以及
第四确定单元,用于响应于确定所述初始图像区域的尺寸大于或等于所述目标信息的尺寸,将所述初始图像区域确定为一个第二候选图像区域。
10.根据权利要求7所述的装置,其中,至少一个所述第二候选图像区域为M个所述第二候选图像区域,M为大于或等于1的整数,
所述第三确定模块包括:
添加单元,用于将所述目标信息添加至第m个所述第二候选图像区域,其中,m为大于或等于1且小于或等于M的整数;
第五确定单元,用于根据所述目标信息的包围框与所述检测框之间的第一距离,确定所述包围框与所述检测框之间是否存在重叠区域;以及
第六确定单元,用于响应于确定所述包围框与至少一个所述检测框之间均不存在重叠区域,将第m个所述第二候选图像区域确定为一个所述目标图像区域。
11.根据权利要求7所述的装置,其中,所述第二确定单元包括:
降低单元,用于响应于确定所述目标信息的尺寸大于任一个所述第一候选图像区域的尺寸,降低所述目标信息的尺寸,得到调整后的目标信息;以及
第七确定单元,用于根据所述调整后的目标信息的尺寸和所述预设位置序列,从至少一个所述第一候选图像区域中确定出所述第二候选图像区域。
12.根据权利要求7所述的装置,其中,所述第一候选图像区域的形状为矩形、多边形、圆形中的至少一种。
13.一种电子设备,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至6中任一项所述的方法。
14.一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至6中任一项所述的方法。
15.一种计算机程序产品,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权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283368.4A CN115578486A (zh) | 2022-10-19 | 2022-10-19 | 图像生成方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211283368.4A CN115578486A (zh) | 2022-10-19 | 2022-10-19 | 图像生成方法、装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115578486A true CN115578486A (zh) | 2023-01-06 |
Family
ID=84587548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211283368.4A Pending CN115578486A (zh) | 2022-10-19 | 2022-10-19 | 图像生成方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115578486A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433767A (zh) * | 2023-04-18 | 2023-07-14 | 北京百度网讯科技有限公司 | 目标对象检测方法、装置、电子设备以及存储介质 |
CN117575735A (zh) * | 2023-11-23 | 2024-02-20 | 广州方舟信息科技有限公司 | 一种药品的订购校验方法、装置、设备及存储介质 |
-
2022
- 2022-10-19 CN CN202211283368.4A patent/CN115578486A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116433767A (zh) * | 2023-04-18 | 2023-07-14 | 北京百度网讯科技有限公司 | 目标对象检测方法、装置、电子设备以及存储介质 |
CN116433767B (zh) * | 2023-04-18 | 2024-02-20 | 北京百度网讯科技有限公司 | 目标对象检测方法、装置、电子设备以及存储介质 |
CN117575735A (zh) * | 2023-11-23 | 2024-02-20 | 广州方舟信息科技有限公司 | 一种药品的订购校验方法、装置、设备及存储介质 |
CN117575735B (zh) * | 2023-11-23 | 2024-05-14 | 广州方舟信息科技有限公司 | 一种药品的订购校验方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115578486A (zh) | 图像生成方法、装置、电子设备和存储介质 | |
US20210357710A1 (en) | Text recognition method and device, and electronic device | |
EP3876197A2 (en) | Portrait extracting method and apparatus, electronic device and storage medium | |
CN114120414B (zh) | 图像处理方法、装置、电子设备和介质 | |
US20230068025A1 (en) | Method and apparatus for generating road annotation, device and storage medium | |
CN112580637B (zh) | 文本信息识别方法、提取方法、装置及*** | |
CN114882321A (zh) | 深度学习模型的训练方法、目标对象检测方法和装置 | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN113837194B (zh) | 图像处理方法、图像处理装置、电子设备以及存储介质 | |
CN113657518B (zh) | 训练方法、目标图像检测方法、装置、电子设备以及介质 | |
US11881044B2 (en) | Method and apparatus for processing image, device and storage medium | |
US10552491B2 (en) | Systems, devices, and methods for computing geographical relationships between objects | |
US20230085684A1 (en) | Method of recommending data, electronic device, and medium | |
CN112784861A (zh) | 相似度的确定方法、装置、电子设备和存储介质 | |
CN115719444A (zh) | 图像质量确定方法、装置、电子设备和介质 | |
CN113360672B (zh) | 用于生成知识图谱的方法、装置、设备、介质和产品 | |
CN113110782B (zh) | 图像的识别方法、装置、计算机设备及存储介质 | |
CN114036249A (zh) | 地图数据处理方法、装置、电子设备和介质 | |
CN115147306A (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN114419613A (zh) | 图像样本生成方法、文本识别方法、装置、设备和介质 | |
CN114077371A (zh) | 信息展示方法、装置、电子设备以及存储介质 | |
CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
CN113947146A (zh) | 样本数据生成方法、模型训练方法、图像检测方法及装置 | |
CN113657408A (zh) | 确定图像特征的方法、装置、电子设备和存储介质 | |
CN115578240A (zh) | 防伪图像生成方法、装置、电子设备和存储介质 |
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 |