WO2019233309A1 - 信息处理方法和装置、电子设备、计算机可读存储介质 - Google Patents

信息处理方法和装置、电子设备、计算机可读存储介质 Download PDF

Info

Publication number
WO2019233309A1
WO2019233309A1 PCT/CN2019/088702 CN2019088702W WO2019233309A1 WO 2019233309 A1 WO2019233309 A1 WO 2019233309A1 CN 2019088702 W CN2019088702 W CN 2019088702W WO 2019233309 A1 WO2019233309 A1 WO 2019233309A1
Authority
WO
WIPO (PCT)
Prior art keywords
category information
object category
electronic device
detection model
list
Prior art date
Application number
PCT/CN2019/088702
Other languages
English (en)
French (fr)
Inventor
陈岩
Original Assignee
Oppo广东移动通信有限公司
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 Oppo广东移动通信有限公司 filed Critical Oppo广东移动通信有限公司
Publication of WO2019233309A1 publication Critical patent/WO2019233309A1/zh

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying

Definitions

  • a list obtaining module configured to obtain a list of objects corresponding to the application when an application program is detected to be opened, where the list of objects includes object category information and a quantity corresponding to the object category information;
  • a time acquisition module configured to acquire the time when the highest number of object category information is recorded in the object list
  • object category information corresponding to the time is recommended.
  • object category information corresponding to the time is recommended.
  • FIG. 1 is a schematic structural diagram of an electronic device according to an embodiment.
  • FIG. 4 is a schematic diagram of an interface of an object list in an embodiment.
  • FIG. 11 is a schematic diagram of an image processing circuit in an embodiment.
  • the memory includes a non-volatile storage medium and an internal memory.
  • the non-volatile storage medium stores an operating system and a computer program.
  • the computer program can be executed by a processor to implement an information processing method provided by various embodiments of the present application.
  • the internal memory provides a cached operating environment for the operating system and computer programs in a non-volatile storage medium.
  • the camera can be used to capture images.
  • the network interface may be an Ethernet card or a wireless network card, and is used to communicate with external electronic devices, for example, it may be used to communicate with a server.
  • FIG. 1 is only a block diagram of a part of the structure related to the solution of the present application, and does not constitute a limitation on the electronic device to which the solution of the present application is applied.
  • the specific electronic device may be Include more or fewer parts than shown in the figure, or combine certain parts, or have a different arrangement of parts.
  • An application is a computer program that performs a specific task or tasks. It can run in user mode, interact with users, and have a visual user interface. There can be multiple types of applications. For example, applications can include shopping, food, video, and music. Electronic devices can categorize applications.
  • Step 204 Obtain the moment when the highest amount of object category information is recorded in the object list.
  • the object list includes object category information and a quantity corresponding to the object category information, and the electronic device can obtain the highest quantity of object category information. At the same time, the electronic device can also obtain the specific moment when the highest object category information is recorded in the object list.
  • the specific time obtained by the electronic device can be accurate to the hour.
  • the highest object category information and the corresponding quantity in the object list obtained by the electronic device are barbecue 8.
  • the time when barbecue 8 is recorded in the object list is April 2018. At 11: 2 on the morning of March 30, the electronic device can obtain that the barbecue 8 was recorded in the list of objects at 11 o'clock on April 30, 2018.
  • the preset duration may be a duration set by a user or a duration set by an electronic device.
  • the electronic device can also obtain the current time and calculate the time between when the highest amount of object category information is recorded in the object list and the current time Time difference.
  • the electronic device can also compare the calculated time period difference with a preset time period. When the calculated time period difference is not within the preset time period, the electronic device can recommend the highest number corresponding to the time recorded in the object list Object category information.
  • an information processing method provided may further include a process of obtaining a list of objects, and the specific steps include:
  • step 302 when it is detected that the camera is turned on, an object detection model is used to detect a preview image collected by the camera to obtain object category information.
  • the object detection model may be a model trained to detect object categories based on a neural network, and the object detection model may be a food detection model.
  • the electronic device may use The object detection model detects the food in the preview screen.
  • the types of food may include noodles, stir-fried vegetables, barbecues, hot pots, pastries, and western food.
  • the electronic device can detect the food in the preview screen by using the object detection model, so as to obtain food category information such as noodles, cooking, grilling, hot pot, pasta, and western food.
  • the object detection model is used to detect the preview image collected by the camera to obtain the object category information, record the object category information, and update the number of stored object category information to obtain the updated object category information , Sort the object category information according to the number of updated object category information, and obtain an object list.
  • the electronic device detects the preview image collected by the camera by using the object detection model, and updates the quantity of the object category information according to the detection result, thereby generating an object list and improving the accuracy of the object category information detection result.
  • the electronic device can obtain a preview image collected through a camera.
  • the preview screen obtained by the electronic device may include object category information.
  • the preview screen 510 acquired by the electronic device and collected by the camera includes the object category information as hot pot.
  • the object detection model can be used to detect the preview image 510 collected by the camera, and the object type information is hot pot.
  • the electronic device can also record the obtained object category information, that is, record hot pots, and update the number of hot pots that have been stored.
  • the electronic device can sort according to the updated quantity to obtain a list of objects.
  • an information processing method provided may further include a process of opening or closing an object detection model.
  • the specific steps include:
  • Step 602 Obtain a switch control instruction for the object detection model.
  • an information processing method provided may further include a process of training an object detection model, and the specific steps include:
  • Step 704 The training image is input to an object detection model, and the object detection model is trained to obtain an object detection model for detecting object category information.
  • the electronic device can exit the object detection model after obtaining the object category information and quantity, which can save resources and reduce the power consumption of the electronic device.
  • an information processing method provided may further include a process of maintaining the exit state of the object detection model when the camera is turned on again, and specifically includes: maintaining the object detection model in the exit state when it is detected that the camera is turned on again.
  • the time acquisition module 920 is configured to acquire the time when the highest amount of object category information is recorded in the object list.
  • the category information acquisition module 940 may be further configured to obtain a training image containing object category information, input the training image to an object detection model, and train the object detection model to obtain an object for detecting the object category information. Detection model.
  • the image sensor 1114 may also send the original image data to the sensor 1120.
  • the sensor 1120 may provide the original image data to the ISP processor 1140 based on the interface type of the sensor 1120, or the sensor 1120 stores the original image data in the image memory 1130.
  • control parameters of the imaging device 1110 may include sensor 1120 control parameters (such as gain, integration time for exposure control, image stabilization parameters, etc.), camera flash control parameters, lens 1112 control parameters (such as focus distance for focusing or zooming), or these A combination of parameters.
  • the ISP control parameters may include gain levels and color correction matrices for automatic white balance and color adjustment (eg, during RGB processing), and lens 1112 shading correction parameters.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

一种信息处理方法包括：当检测到应用程序开启时，获取与应用程序对应的物体清单，物体清单中包括物体类别信息以及与物体类别信息对应的数量，获取数量最高的物体类别信息被记录在物体清单中的时刻，若时刻距当前时刻不在预设的时长内，则推荐与时刻对应的物体类别信息。

Description

信息处理方法和装置、电子设备、计算机可读存储介质
相关申请的交叉引用
本申请要求于2018年6月8日提交中国专利局、申请号为201810585914.7、发明名称为“信息处理方法和装置、电子设备、计算机可读存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及互联网技术领域，特别是涉及一种信息处理方法和装置、电子设备、计算机可读存储介质。
背景技术
随着互联网技术的发展，电子设备的功能越来越强大，可以提供各种各样的网络服务，例如，电子设备可以通过互联网购物、收听音乐等。电子设备还可以根据用户的历史行为通过互联网对信息进行处理，并发出一些推荐信息，从而提升信息推荐的便捷性。
然而，传统的信息处理方法，存在信息处理不准确的问题。
发明内容
本申请实施例提供一种信息处理方法、装置、电子设备、计算机可读存储介质，可以提高信息处理的准确性。
一种信息处理方法，包括：
当检测到应用程序开启时，获取与所述应用程序对应的物体清单，所述物体清单中包括物体类别信息以及与所述物体类别信息对应的数量；
获取所述数量最高的物体类别信息被记录在所述物体清单中的时刻；
若所述时刻距当前时刻不在预设的时长内，则推荐与所述时刻对应的物体类别信息。
一种信息处理装置，包括：
清单获取模块，用于当检测到应用程序开启时，获取与所述应用程序对应的物体清单，所述物体清单中包括物体类别信息以及与所述物体类别信息对应的数量；
时刻获取模块，用于获取所述数量最高的物体类别信息被记录在所述物体清单中的时刻；
信息推荐模块，用于若所述时刻距当前时刻不在预设的时长内，则推荐与所述时刻对应的物体类别信息。
一种电子设备，包括存储器及处理器，所述存储器中储存有计算机可读指令，所述指令被所述处理器执行时，使得所述处理器执行如下步骤：
当检测到应用程序开启时，获取与所述应用程序对应的物体清单，所述物体清单中包括物体类别信息以及与所述物体类别信息对应的数量；
获取所述数量最高的物体类别信息被记录在所述物体清单中的时刻；
若所述时刻距当前时刻不在预设的时长内，则推荐与所述时刻对应的物体类别信息。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如下步骤：
当检测到应用程序开启时，获取与所述应用程序对应的物体清单，所述物体清单中包括物体类别信息以及与所述物体类别信息对应的数量；
获取所述数量最高的物体类别信息被记录在所述物体清单中的时刻；
若所述时刻距当前时刻不在预设的时长内，则推荐与所述时刻对应的物体类别信息。
上述信息处理方法和装置、电子设备、计算机可读存储介质，当检测到应用程序开启时，获取与应用程序对应的物体清单，物体清单中包括物体类别信息以及与物体类别信息对应的数量，获取数量最高的物体类别信息被记录在物体清单中的时刻，若时刻距当前时刻不在预设的时长内，则推荐与时刻对应的物体类别信息。通过获取物体清单，并根据物体类别信息记录在物体请到中的时刻对物体信息进行推荐，从而提高了信息推荐的准确性，进而提高了信息处理的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根 据这些附图获得其他的附图。
图1为一个实施例中电子设备的架构示意图。
图2为一个实施例中信息处理方法的流程图。
图3为一个实施例中获取物体清单的方法流程图。
图4为一个实施例中物体清单的界面示意图。
图5为一个实施例中摄像头采集的预览画面的示意图。
图6为一个实施例中开启或关闭物体检测模型的方法流程图。
图7为一个实施例中训练物体检测模型的方法流程图。
图8为一个实施例中推荐物体清单中数量次高的物体类别信息的方法流程图。
图9为一个实施例中信息处理装置的结构框图。
图10为另一个实施例中信息处理装置的结构框图。
图11为一个实施例中图像处理电路的示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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申请，并不用于限定本申请。
在一个实施例中，如图1所示，提供了一种电子设备的内部结构示意图。该电子设备包括通过***总线连接的处理器、存储器、摄像头和网络接口。其中，该处理器用于提供计算和控制能力，支撑整个电子设备的运行。存储器用于存储数据、程序、和/或指令代码等，存储器上存储至少一个计算机程序，该计算机程序可被处理器执行，以实现本申请实施例中提供的适用于电子设备的信息处理方法。存储器可包括磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random-Access-Memory，RAM)等。例如，在一个实施例中，存储器包括非易失性存储介质及内存储器。非易失性存储介质存储有操作***和计算机程序。该计算机程序可被处理器所执行，以用于实现本申请各个实施例所提供的一种信息处理方法。内存储器为非易失性存储介质中的操作***和计算机程序提供高速缓存的运行环境。摄像头可以用于采集 图像。网络接口可以是以太网卡或无线网卡等，用于与外部的电子设备进行通信，比如可用于同服务器进行通信。
本领域技术人员可以理解，图1中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种信息处理方法，以应用于上述电子设备来举例说明，如图2所示，该方法包括如下步骤：
步骤202，当检测到应用程序开启时，获取与应用程序对应的物体清单，物体清单中包括物体类别信息以及与物体类别信息对应的数量。
应用程序是指为完成某项或多项特定工作的计算机程序，能够运行在用户模式，可以和用户进行交互，具有可视的用户界面。应用程序可以有多个种类，例如，应用程序可以包括购物类、美食类、视频类以及音乐类等。电子设备可以对应用程序进行分类。
电子设备可以对应用程序的运行状态进行检测，当电子设备检测到应用程序开启时，可以获取到与该开启的应用程序对应的物体清单。其中，物体清单中可以包括物体类别信息以及与物体类别信息对应的数量。物体类别信息可以是与应用程序相关的物体的种类信息，例如，当应用程序是购物类时，购物类应用程序对应的物体清单中包含的物体类别信息可以是上衣、裤子、拖鞋、裙子以及包包等需要购买的物体的种类信息；当应用程序是美食类时，美食类应用程序对应的物体清单中包含的物体类别信息可以是面条、炒菜、烧烤、火锅、面点以及西餐等食物的种类信息。
物体清单中还可以包括物体类别信息对应的数量，例如，当应用程序是美食类时，美食类应用程序对应的物体清单中包含的物体类别信息以及物体类别信息对应的数量可以是面条5、炒菜7、烧烤8、火锅6、面点2以及西餐1等食物的种类信息以及该食物种类对应的数量。电子设备在检测到应用程序开启时，可以获取到与开启的应用程序对应的物体清单。
步骤204，获取数量最高的物体类别信息被记录在物体清单中的时刻。
物体清单中包含有物体类别信息以及与物体类别信息对应的数量，电子设备可以获取数量最高的物体类别信息。同时，电子设备还可以获取该最高的物体类别信息被记录在物 体清单中的具体时刻。其中，电子设备获取的具体时刻可以精确到小时，例如，电子设备获取的物体清单中的物体类别信息以及对应的数量最高的是烧烤8，烧烤8被记录在物体清单中的时刻是2018年4月30日上午11点2分，电子设备可以获取到烧烤8被记录在物体清单中的时刻为2018年4月30日11点。
步骤206，若时刻距当前时刻不在预设的时长内，则推荐与时刻对应的物体类别信息。
其中，预设时长可以是用户设置的一段时长，也可以是电子设备设置的一段时长。电子设备在获取到数量最高的物体类别信息记录在物体清单中的时刻后，电子设备还可以获取当前的时刻，并且计算出数量最高的物体类别信息记录在物体清单中的时刻与当前时刻之间的时间段差值。电子设备还可以将计算出来的时间段差值与预设的时长进行比较，当计算出来的时间段差值不在预设的时长内时，电子设备可以推荐与记录在物体清单中的时刻对应的数量最高的物体类别信息。
例如，预设的时长为24小时，电子设备获取的数量最高的物体类别信息以及对应的数量为烧烤8，电子设备获取的烧烤8记录在物体清单的时刻为2018年4月30日上午11点，当前时刻为2018年5月1日下午2点，记录时刻与当前时刻之间的时间段差值为27小时，27小时不在24小时的时长范围内，因此，电子设备可以推荐记录在物体清单的时刻为2018年4月30日上午11点的物体类别信息，即电子设备可以推荐烧烤。
当检测到应用程序开启时，获取与应用程序对应的物体清单，物体清单中包括物体类别信息以及与物体类别信息对应的数量，获取数量最高的物体类别信息被记录在物体清单中的时刻，若时刻距当前时刻不在预设的时长内，则推荐与时刻对应的物体类别信息。通过获取物体清单，并根据物体类别信息记录在物体请到中的时刻对物体信息进行推荐，从而提高了信息推荐的准确性，进而提高了信息处理的准确性。
如图3所示，在一个实施例中，提供的一种信息处理方法还可以包括获取物体清单的过程，具体步骤包括：
步骤302，当检测到摄像头开启时，使用物体检测模型对摄像头采集的预览画面进行检测，得到物体类别信息。
电子设备还可以对摄像头的状态进行检测，当电子设备检测到摄像头开启时，电子设备可以控制摄像头采集预览画面，电子设备还可以使用物体检测模型对摄像头采集的预览 画面进行检测。
物体检测模型可以是基于神经网络训练好的用于检测物体类别的模型，物体检测模型可以是食物检测模型，例如，当电子设备获取的摄像头采集的预览画面中包含有食物时，电子设备可以使用物体检测模型对预览画面中的食物进行检测，具体的，食物的类别可以包括面条、炒菜、烧烤、火锅、面点以及西餐等。电子设备可以通过物体检测模型对预览画面中的食物进行检测，从而得到如面条、炒菜、烧烤、火锅、面点以及西餐等食物的类别信息。
步骤304，记录物体类别信息，并对已存储的物体类别信息的数量进行更新，得到更新后的物体类别信息的数量。
已存储的物体类别信息是指在电子设备记录物体信息前就已经存储在电子设备上的物体类别信息，已存储的物体类别信息可以包括存储的物体类别信息对应的数量。电子设备可以在已经存储了物体类别信息的基础上对得到的物体类别信息进行记录，并对物体类别信息的数量进行更新，得到更新后的物体类别信息的数量。例如，已存储的物体类别信息以及对应的数量为面条5、烧烤8、火锅6，电子设备得到的物体类别信息为烧烤，电子设备可以对已存储的物体类别信息的数量进行更新，更新后的物体类别信息以及对应的数量可以为面条5、烧烤9、火锅6。
步骤306，根据更新后的物体类别信息的数量对物体类别信息进行排序，得到物体清单。
电子设备还可以对更新后的物体类别信息的数量对物体类别信息进行排序。例如，电子设备得到的更新后的物体类别信息以及对应的数量为面条5、烧烤9、火锅6，电子设备可以根据更新后的物体类别的数量对物体类别信息进行排序，电子设备可以按照升序排序，排序后的物体类别信息以及物体类别信息的数量是面条5、火锅6、烧烤9；电子设备还可以按照降序排序，排序后的物体类别信息以及物体类别信息的数量是烧烤9、火锅6、面条5。电子设备可以根据排序后的物体类别信息以及对应的物体类别信息的数量生成物体清单，电子设备可以得到生成的物体清单。
当检测到摄像头开启时，使用物体检测模型对摄像头采集的预览画面进行检测，得到物体类别信息，记录物体类别信息，并对已存储的物体类别信息的数量进行更新，得到更 新后的物体类别信息的数量，根据更新后的物体类别信息的数量对物体类别信息进行排序，得到物体清单。电子设备通过使用物体检测模型对摄像头采集的预览画面进行检测，并根据检测结果对物体类别信息的数量进行更新，从而生成物体清单，提高了物体类别信息检测结果的准确性。
在一个实施例中，如图4所示，电子设备可以得到物体类别信息，并根据物体类别信息对应的数量进行排序，例如，电子设备可以按照物体类别信息的数量对物体类别信息进行降序排序，从而得到物体清单410。如图4所示，物体清单410中可以包括物体类别信息以及物体类别信息对应的数量，例如，烧烤，对应的数量是8；火锅，对应的数量是7；炒菜，对应的数量是6；面条，对应的数量是5；面点，对应的数量是2；西餐，对应的数量是1。电子设备可以获取到生成的物体清单，还可以分别获取这些物体类别信息记录在物体清单中的时刻。
如图5所示，在一个实施例中，电子设备可以获取到通过摄像头采集的预览画面。其中，电子设备获取的预览画面中可以包含有物体类别信息，如图5所示，电子设备获取到的通过摄像头采集的预览画面510中包含有物体类别信息为火锅。电子设备在检测到摄像头开启时，可以使用物体检测模型对摄像头采集的预览画面510进行检测，得到物体类别信息为火锅。电子设备还可以将得到的物体类别信息记录下来，即记录火锅，并对已经存储的火锅的数量进行更新。电子设备可以根据更新后的数量进行排序，从而得到物体清单。
在一个实施例中，如图6所示，提供的一种信息处理方法还可以包括开启或者关闭物体检测模型的过程，具体步骤包括：
步骤602，获取对物体检测模型的开关控制指令。
物体检测模型的开启或者关闭可以是通过电子设备上的按键或者控件进行控制的，也可以是电子设备通过开启摄像头触发的。电子设备可以通过按键、控件或者开启摄像头触发的方式获取到对物体检测模型的开关控制指令。
步骤604，根据开关控制指令开启或者关闭物体检测模型。
电子设备在获取到对物体检测模型的开关控制指令后，可以对当前物体检测模型的状态进行检测。若当前物体检测模型为开启状态，电子设备可以根据获取的开关控制指令将物体检测模型的状态切换为关闭状态；若当前物体检测模型为关闭状态，电子设备可以根 据获取的开关控制指令将物体检测模型的状态切换为开启状态。
通过获取对物体检测模型的开关控制指令，根据开关控制指令开启或者关闭物体检测模型。电子设备可以根据获取的开关控制指令对物体检测模型的状态进行切换，可以节约资源。
如图7所示，在一个实施例中，提供的一种信息处理方法还可以包括训练物体检测模型的过程，具体步骤包括：
步骤702，获取包含有物体类别信息的训练图像。
电子设备可以获取多张包含有物体类别信息的图像，并将这些图像作为训练图像。例如，电子设备可以分别获取包含有面条、炒菜、烧烤、火锅、面点以及西餐的图像，并将这些图像作为训练图像。
步骤704，将训练图像输入至物体检测模型，对物体检测模型进行训练，得到用于检测物体类别信息的物体检测模型。
电子设备可以将训练图像输入到物体检测模型中，由于训练图像中包含有物体类别信息，电子设备可以对物体检测模型进行训练，并得到用于检测物体类别信息的物体检测模型。
通过获取包含有物体类别信息的训练图像，将训练图像输入至物体检测模型，对物体检测模型进行训练，得到用于检测物体类别信息的物体检测模型。物体检测模型是根据包含有物体类别信息的图像训练得到的，可以提高物体检测模型检测物体类别信息的准确性。
在一个实施例中，提供的一种信息处理方法还可以包括获取到物体类别信息以及数量后，退出物体检测模型的过程，具体包括：自动停止检测摄像头采集的预览画面，并退出物体检测模型。
电子设备可以在获取物体类别信息以及数量后，自动停止对摄像头采集的预览画面的检测。电子设备还可以在停止检测摄像头采集的预览画面后退出物体检测模型。
通过自动停止检测摄像头采集的预览画面，并退出物体检测模型。电子设备可以在获取到物体类别信息以及数量后退出物体检测模型，可以节约资源，降低电子设备的功耗。
在一个实施例中，提供的一种信息处理方法还可以包括摄像头再次开启时，保持物体 检测模型的退出状态的过程，具体包括：当检测到摄像头再次开启时，保持物体检测模型处于退出状态。
电子设备在停止检测摄像头采集的预览画面并且退出物体检测模型后，可以对摄像头的状态持续进行检测。当电子设备检测到摄像头再次开启时，可以继续保持物体检测模型处于退出的状态。当物体检测模型持续处于退出状态时，电子设备可以重新获取对物体检测模型的开关控制指令，并根据该开关控制指令开启物体检测模型，重新对摄像头采集的预览画面进行检测。
在一个实施例中，如图8所示，提供的一种信息处理方法还可以包括推荐物体清单中数量次高的物体类别信息的过程，具体步骤包括：
步骤802，若时刻距当前时刻在预设的时长内，获取物体清单中数量次高的物体类别信息。
电子设备可以获取到数量最高的物体类别信息被记录在物体清单中的时刻。电子设备还可以计算该时刻与当前时刻之间的时间段差值，电子设备还可以将计算出来的时间段差值与预设的时长进行比较，当计算出来的时间段差值在预设的时长内时，电子设备可以获取物体清单中数量次高的物体类别信息。
同样的，电子设备还可以获取到数量次高的物体类别信息被记录在物体清单中的时刻，并计算该时刻与当前时刻之间的时间段差值，电子设备还可以将计算出来的时间段差值与预设的时长进行比较，当计算出来的时间段差值不在预设的时长内时，电子设备可以执行步骤804；当计算出来的时间段差值在预设的时长内时，电子设备可以获取物体清单中数量第三高的物体类别信息，以此类推。
步骤804，推荐物体清单中数量次高的物体类别信息。
当物体清单中数量最高的物体类别信息的记录时刻距离当前时刻在预设的时长内，且物体清单中数量次高的物体类别信息的记录时刻距离当前时刻不在预设的时长内时，电子设备可以推荐物体清单中数量次高的物体类别信息。例如，物体清单中记录的物体类别信息以及对应的数量分别是烧烤8、火锅6、面条5，当物体清单中记录烧烤8的时刻与当前时刻之间的时间差值在预设的时长内时，电子设备可以物体清单中记录火锅6的时刻与当前时刻之间的时间差值，若该时间差值不在预设的时长内，电子设备可以推荐物体清单 中的火锅6。
若时刻距当前时刻在预设的时长内，获取物体清单中数量次高的物体类别信息，推荐物体清单中数量次高的物体类别信息。当时刻距当前时刻在预设时长内时，推荐数量次高的物体类别信息，可以提高信息推荐的准确性，从而提高了信息处理的准确性。
在一个实施例中，提供了一种信息处理方法，实现该方法的具体步骤如下所述：
首先，电子设备可以获取包含有物体类别信息的训练图像。电子设备可以获取多张包含有物体类别信息的图像，并将这些图像作为训练图像。例如，电子设备可以分别获取包含有面条、炒菜、烧烤、火锅、面点以及西餐的图像，并将这些图像作为训练图像。将训练图像输入至物体检测模型，对物体检测模型进行训练，得到用于检测物体类别信息的物体检测模型。电子设备可以将训练图像输入到物体检测模型中，由于训练图像中包含有物体类别信息，电子设备可以对物体检测模型进行训练，并得到用于检测物体类别信息的物体检测模型。
接着，当检测到摄像头开启时，电子设备可以使用物体检测模型对摄像头采集的预览画面进行检测，得到物体类别信息。电子设备还可以对摄像头的状态进行检测，当电子设备检测到摄像头开启时，电子设备可以控制摄像头采集预览画面，电子设备还可以使用物体检测模型对摄像头采集的预览画面进行检测。电子设备还可以记录物体类别信息，并对已存储的物体类别信息的数量进行更新，得到更新后的物体类别信息的数量。
再者，电子设备可以在获取物体类别信息以及数量后，自动停止对摄像头采集的预览画面的检测。电子设备还可以在停止检测摄像头采集的预览画面后退出物体检测模型。电子设备在停止检测摄像头采集的预览画面并且退出物体检测模型后，可以对摄像头的状态持续进行检测。当电子设备检测到摄像头再次开启时，可以继续保持物体检测模型处于退出的状态。当物体检测模型持续处于退出状态时，电子设备可以重新获取对物体检测模型的开关控制指令，并根据该开关控制指令开启物体检测模型，重新对摄像头采集的预览画面进行检测。
接着，电子设备可以根据更新后的物体类别信息的数量对物体类别信息进行排序，得到物体清单。电子设备还可以对更新后的物体类别信息的数量对物体类别信息进行排序。电子设备可以根据更新后的物体类别的数量对物体类别信息进行排序，电子设备可以按照 升序排序，电子设备还可以按照降序排序。电子设备可以根据排序后的物体类别信息以及对应的物体类别信息的数量生成物体清单，电子设备可以得到生成的物体清单。
当检测到应用程序开启时，电子设备可以获取与应用程序对应的物体清单，物体清单中包括物体类别信息以及与物体类别信息对应的数量。电子设备可以对应用程序的运行状态进行检测，当电子设备检测到应用程序开启时，可以获取到与该开启的应用程序对应的物体清单。其中，物体清单中可以包括物体类别信息以及与物体类别信息对应的数量。物体类别信息可以是与应用程序相关的物体的种类信息。物体清单中还可以包括物体类别信息对应的数量，电子设备在检测到应用程序开启时，可以获取到与开启的应用程序对应的物体清单。
接着，电子设备可以获取数量最高的物体类别信息被记录在物体清单中的时刻。物体清单中包含有物体类别信息以及与物体类别信息对应的数量，电子设备可以获取数量最高的物体类别信息。同时，电子设备还可以获取该最高的物体类别信息被记录在物体清单中的具体时刻。
若时刻距当前时刻不在预设的时长内，则电子设备可以推荐与时刻对应的物体类别信息。电子设备在获取到数量最高的物体类别信息记录在物体清单中的时刻后，电子设备还可以获取当前的时刻，并且计算出数量最高的物体类别信息记录在物体清单中的时刻与当前时刻之间的时间段差值。电子设备还可以将计算出来的时间段差值与预设的时长进行比较，当计算出来的时间段差值不在预设的时长内时，电子设备可以推荐与记录在物体清单中的时刻对应的数量最高的物体类别信息。
若时刻距当前时刻在预设的时长内，电子设备可以获取物体清单中数量次高的物体类别信息。电子设备可以获取到数量最高的物体类别信息被记录在物体清单中的时刻。电子设备还可以计算该时刻与当前时刻之间的时间段差值，电子设备还可以将计算出来的时间段差值与预设的时长进行比较，当计算出来的时间段差值在预设的时长内时，电子设备可以获取物体清单中数量次高的物体类别信息。当物体清单中数量最高的物体类别信息的记录时刻距离当前时刻在预设的时长内，且物体清单中数量次高的物体类别信息的记录时刻距离当前时刻不在预设的时长内时，电子设备可以推荐物体清单中数量次高的物体类别信息。
电子设备还可以获取对物体检测模型的开关控制指令。物体检测模型的开启或者关闭可以是通过电子设备上的按键或者控件进行控制的，也可以是电子设备通过开启摄像头触发的。电子设备可以通过按键、控件或者开启摄像头触发的方式获取到对物体检测模型的开关控制指令。电子设备在获取到对物体检测模型的开关控制指令后，可以对当前物体检测模型的状态进行检测。若当前物体检测模型为开启状态，电子设备可以根据获取的开关控制指令将物体检测模型的状态切换为关闭状态；若当前物体检测模型为关闭状态，电子设备可以根据获取的开关控制指令将物体检测模型的状态切换为开启状态。
应该理解的是，虽然上述各个流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图9为一个实施例中信息处理装置的结构框图，如图9所示，该装置包括：清单获取模块910、时刻获取模块920以及信息推荐模块930，其中：
清单获取模块910，用于当检测到应用程序开启时，获取与应用程序对应的物体清单，物体清单中包括物体类别信息以及与物体类别信息对应的数量。
时刻获取模块920，用于获取数量最高的物体类别信息被记录在物体清单中的时刻。
信息推荐模块930，用于若时刻距当前时刻不在预设的时长内，则推荐与时刻对应的物体类别信息。
在一个实施例中，如图10所示，提供的一种信息处理装置还包括：类别信息获取模块940、数量更新模块950以及数量排序模块960，其中：
类别信息获取模块940，用于当检测到摄像头开启时，使用物体检测模型对摄像头采集的预览画面进行检测，得到物体类别信息。
数量更新模块950，用于记录物体类别信息，并对已存储的物体类别信息的数量进行更新，得到更新后的物体类别信息的数量。
数量排序模块960，用于根据更新后的物体类别信息的数量对物体类别信息进行排序，得到物体清单。
在一个实施例中，类别信息获取模块940还可以用于获取对物体检测模型的开关控制指令，根据开关控制指令开启或者关闭物体检测模型。
在一个实施例中，类别信息获取模块940还可以用于获取包含有物体类别信息的训练图像，将训练图像输入至物体检测模型，对物体检测模型进行训练，得到用于检测物体类别信息的物体检测模型。
在一个实施例中，数量更新模块950还可以用于自动停止检测摄像头采集的预览画面，并退出物体检测模型。
在一个实施例中，数量更新模块950还可以用于当检测到摄像头再次开启时，保持物体检测模型处于退出状态。
在一个实施例中，信息推荐模块930还可以用于若时刻距当前时刻在预设的时长内，获取物体清单中数量次高的物体类别信息，推荐物体清单中数量次高的物体类别信息。
上述信息处理装置中各个模块的划分仅用于举例说明，在其他实施例中，可将信息处理装置按照需要划分为不同的模块，以完成上述信息处理装置的全部或部分功能。
关于信息处理装置的具体限定可以参见上文中对于信息处理方法的限定，在此不再赘述。上述信息处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本申请实施例中提供的信息处理装置中的各个模块的实现可为计算机程序的形式。该计算机程序可在终端或服务器上运行。该计算机程序构成的程序模块可存储在终端或服务器的存储器上。该计算机程序被处理器执行时，实现本申请实施例中所描述方法的步骤。
本申请实施例还提供了一种计算机可读存储介质。一个或多个包含计算机可执行指令的非易失性计算机可读存储介质，当所述计算机可执行指令被一个或多个处理器执行时，使得所述处理器执行信息处理方法的步骤。
一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行信息处理方法。
本申请实施例还提供一种电子设备。电子设备中包括图像处理电路，图像处理电路可以利用硬件和/或软件组件实现，可包括定义ISP(Image Signal Processing，图像信号处理)管线的各种处理单元。图11为一个实施例中图像处理电路的示意图。如图11所示，为便于说明，仅示出与本申请实施例相关的图像处理技术的各个方面。
如图11所示，图像处理电路包括ISP处理器1140和控制逻辑器1150。成像设备1110捕捉的图像数据首先由ISP处理器1140处理，ISP处理器1140对图像数据进行分析以捕捉可用于确定和/或成像设备1110的一个或多个控制参数的图像统计信息。成像设备1110可包括具有一个或多个透镜1112和图像传感器1114的照相机。图像传感器1114可包括色彩滤镜阵列(如Bayer滤镜)，图像传感器1114可获取用图像传感器1114的每个成像像素捕捉的光强度和波长信息，并提供可由ISP处理器1140处理的一组原始图像数据。传感器1120(如陀螺仪)可基于传感器1120接口类型把采集的图像处理的参数(如防抖参数)提供给ISP处理器1140。传感器1120接口可以利用SMIA(Standard Mobile Imaging Architecture，标准移动成像架构)接口、其它串行或并行照相机接口或上述接口的组合。
此外，图像传感器1114也可将原始图像数据发送给传感器1120，传感器1120可基于传感器1120接口类型把原始图像数据提供给ISP处理器1140，或者传感器1120将原始图像数据存储到图像存储器1130中。
ISP处理器1140按多种格式逐个像素地处理原始图像数据。例如，每个图像像素可具有8、10、12或14比特的位深度，ISP处理器1140可对原始图像数据进行一个或多个图像处理操作、收集关于图像数据的统计信息。其中，图像处理操作可按相同或不同的位深度精度进行。
ISP处理器1140还可从图像存储器1130接收图像数据。例如，传感器1120接口将原始图像数据发送给图像存储器1130，图像存储器1130中的原始图像数据再提供给ISP处理器1140以供处理。图像存储器1130可为存储器装置的一部分、存储设备、或电子设备内的独立的专用存储器，并可包括DMA(Direct Memory Access，直接直接存储器存取)特征。
当接收到来自图像传感器1114接口或来自传感器1120接口或来自图像存储器 1130的原始图像数据时，ISP处理器1140可进行一个或多个图像处理操作，如时域滤波。处理后的图像数据可发送给图像存储器1130，以便在被显示之前进行另外的处理。ISP处理器1140从图像存储器1130接收处理数据，并对所述处理数据进行原始域中以及RGB和YCbCr颜色空间中的图像数据处理。ISP处理器1140处理后的图像数据可输出给显示器1170，以供用户观看和/或由图形引擎或GPU(Graphics Processing Unit，图形处理器)进一步处理。此外，ISP处理器1140的输出还可发送给图像存储器1130，且显示器1170可从图像存储器1130读取图像数据。在一个实施例中，图像存储器1130可被配置为实现一个或多个帧缓冲器。此外，ISP处理器1140的输出可发送给编码器/解码器1160，以便编码/解码图像数据。编码的图像数据可被保存，并在显示于显示器1170设备上之前解压缩。编码器/解码器1160可由CPU或GPU或协处理器实现。
ISP处理器1140确定的统计数据可发送给控制逻辑器1150单元。例如，统计数据可包括自动曝光、自动白平衡、自动聚焦、闪烁检测、黑电平补偿、透镜1112阴影校正等图像传感器1114统计信息。控制逻辑器1150可包括执行一个或多个例程(如固件)的处理器和/或微控制器，一个或多个例程可根据接收的统计数据，确定成像设备1110的控制参数及ISP处理器1140的控制参数。例如，成像设备1110的控制参数可包括传感器1120控制参数(例如增益、曝光控制的积分时间、防抖参数等)、照相机闪光控制参数、透镜1112控制参数(例如聚焦或变焦用焦距)、或这些参数的组合。ISP控制参数可包括用于自动白平衡和颜色调整(例如，在RGB处理期间)的增益水平和色彩校正矩阵，以及透镜1112阴影校正参数。
本实施例中运用图11中图像处理技术可实现上述图像处理方法。
本申请所使用的对存储器、存储、数据库或其它介质的任何引用可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)，它用作外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDR SDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器 总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (16)

  1. 一种信息处理方法，其特征在于，包括：
    当检测到应用程序开启时，获取与所述应用程序对应的物体清单，所述物体清单中包括物体类别信息以及与所述物体类别信息对应的数量；
    获取所述数量最高的物体类别信息被记录在所述物体清单中的时刻；及
    若所述时刻距当前时刻不在预设的时长内，则推荐与所述时刻对应的物体类别信息。
  2. 根据权利要求1所述的方法，其特征在于，在检测到应用程序开启之前，所述方法还包括：
    当检测到摄像头开启时，使用物体检测模型对所述摄像头采集的预览画面进行检测，得到物体类别信息；
    记录所述物体类别信息，并对已存储的所述物体类别信息的数量进行更新，得到更新后的所述物体类别信息的数量；及
    根据更新后的所述物体类别信息的数量对所述物体类别信息进行排序，得到物体清单。
  3. 根据权利要求2所述的方法，其特征在于，所述方法还包括：
    获取对物体检测模型的开关控制指令；及
    根据所述开关控制指令开启或者关闭所述物体检测模型。
  4. 根据权利要求2所述的方法，其特征在于，所述方法还包括：
    获取包含有物体类别信息的训练图像；及
    将所述训练图像输入至物体检测模型，对所述物体检测模型进行训练，得到用于检测物体类别信息的物体检测模型。
  5. 根据权利要求2所述的方法，其特征在于，在得到更新后的所述物体类别信息的数量之后，所述方法还包括：
    自动停止检测所述摄像头采集的预览画面，并退出所述物体检测模型。
  6. 根据权利要求5所述的方法，其特征在于，在退出所述物体检测模型之后，所述方法还包括：
    当检测到所述摄像头再次开启时，保持所述物体检测模型处于退出状态。
  7. 根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：
    若所述时刻距当前时刻在预设的时长内，获取所述物体清单中数量次高的物体类别信息；及
    推荐所述物体清单中数量次高的物体类别信息。
  8. 一种信息处理装置，其特征在于，包括：
    清单获取模块，用于当检测到应用程序开启时，获取与所述应用程序对应的物体清单，所述物体清单中包括物体类别信息以及与所述物体类别信息对应的数量；
    时刻获取模块，用于获取所述数量最高的物体类别信息被记录在所述物体清单中的时刻；
    信息推荐模块，用于若所述时刻距当前时刻不在预设的时长内，则推荐与所述时刻对应的物体类别信息。
  9. 一种电子设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：
    当检测到应用程序开启时，获取与所述应用程序对应的物体清单，所述物体清单中包括物体类别信息以及与所述物体类别信息对应的数量；
    获取所述数量最高的物体类别信息被记录在所述物体清单中的时刻；及
    若所述时刻距当前时刻不在预设的时长内，则推荐与所述时刻对应的物体类别信息。
  10. 根据权利要求9所述的电子设备，其特征在于，所述处理器还用于执行在检测到应用程序开启之前，当检测到摄像头开启时，使用物体检测模型对所述摄像头采集的预览画面进行检测，得到物体类别信息；
    记录所述物体类别信息，并对已存储的所述物体类别信息的数量进行更新，得到更新后的所述物体类别信息的数量；及
    根据更新后的所述物体类别信息的数量对所述物体类别信息进行排序，得到物体清单。
  11. 根据权利要求10所述的电子设备，其特征在于，所述处理器还用于执行获取对物体检测模型的开关控制指令；及根据所述开关控制指令开启或者关闭所述物体检测模型。
  12. 根据权利要求10所述的电子设备，其特征在于，所述处理器还用于执行获取包含有物体类别信息的训练图像；及将所述训练图像输入至物体检测模型，对所述物体检测模型进行训练，得到用于检测物体类别信息的物体检测模型。
  13. 根据权利要求10所述的电子设备，其特征在于，所述处理器还用于执行在得到更新后的所述物体类别信息的数量之后，自动停止检测所述摄像头采集的预览画面，并退出所述物体检测模型。
  14. 根据权利要求13所述的电子设备，其特征在于，所述处理器还用于执行在退出所述物体检测模型之后，当检测到所述摄像头再次开启时，保持所述物体检测模型处于退出状态。
  15. 根据权利要求9至14任一项所述的电子设备，其特征在于，所述处理器还用于执行若所述时刻距当前时刻在预设的时长内，获取所述物体清单中数量次高的物体类别信息；及
    推荐所述物体清单中数量次高的物体类别信息。
  16. 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，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法的步骤。
PCT/CN2019/088702 2018-06-08 2019-05-28 信息处理方法和装置、电子设备、计算机可读存储介质 WO2019233309A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201810585914.7 2018-06-08
CN201810585914.7A CN108804656B (zh) 2018-06-08 2018-06-08 信息处理方法和装置、电子设备、计算机可读存储介质

Publications (1)

Publication Number Publication Date
WO2019233309A1 true WO2019233309A1 (zh) 2019-12-12

Family

ID=64087859

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2019/088702 WO2019233309A1 (zh) 2018-06-08 2019-05-28 信息处理方法和装置、电子设备、计算机可读存储介质

Country Status (2)

Country Link
CN (1) CN108804656B (zh)
WO (1) WO2019233309A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108804656B (zh) * 2018-06-08 2021-11-16 Oppo广东移动通信有限公司 信息处理方法和装置、电子设备、计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103488714A (zh) * 2013-09-11 2014-01-01 杭州东信北邮信息技术有限公司 一种基于社交网络的图书推荐方法和***
US20140108431A1 (en) * 2008-07-24 2014-04-17 Alibaba Group Holding Limited Correlated information recommendation
CN105184618A (zh) * 2015-10-20 2015-12-23 广州唯品会信息科技有限公司 新用户的商品个性化推荐方法及***
CN107230136A (zh) * 2017-05-31 2017-10-03 合肥亿迈杰软件有限公司 一种基于大数据的购物排序推送方法
CN108053295A (zh) * 2017-12-29 2018-05-18 广州品唯软件有限公司 一种商品品牌排序的方法和装置
CN108804656A (zh) * 2018-06-08 2018-11-13 Oppo广东移动通信有限公司 信息处理方法和装置、电子设备、计算机可读存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7506001B2 (en) * 2006-11-01 2009-03-17 I3Solutions Enterprise proposal management system
US8239333B2 (en) * 2009-03-03 2012-08-07 Microsoft Corporation Media tag recommendation technologies
CN103870856A (zh) * 2013-11-05 2014-06-18 高贤荣 一种基于无线射频识别技术的微型个人物品管理智能***及方法
JP6362465B2 (ja) * 2014-07-23 2018-07-25 株式会社ソニー・インタラクティブエンタテインメント 情報処理装置
CN105869024A (zh) * 2016-04-20 2016-08-17 北京小米移动软件有限公司 商品的推荐方法及装置
CN106649697B (zh) * 2016-12-19 2019-08-23 蒋子轩 一种软件在线交互体验方法
CN106682163A (zh) * 2016-12-26 2017-05-17 北京小米移动软件有限公司 物品信息的推荐方法、装置及设备
CN107480172A (zh) * 2017-06-30 2017-12-15 深圳天珑无线科技有限公司 物品匹配的方法、装置及终端
CN108052519A (zh) * 2017-10-31 2018-05-18 珠海格力电器股份有限公司 信息展示处理方法及装置
CN107911491B (zh) * 2017-12-27 2019-09-27 Oppo广东移动通信有限公司 信息推荐方法、装置及存储介质、服务器和移动终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140108431A1 (en) * 2008-07-24 2014-04-17 Alibaba Group Holding Limited Correlated information recommendation
CN103488714A (zh) * 2013-09-11 2014-01-01 杭州东信北邮信息技术有限公司 一种基于社交网络的图书推荐方法和***
CN105184618A (zh) * 2015-10-20 2015-12-23 广州唯品会信息科技有限公司 新用户的商品个性化推荐方法及***
CN107230136A (zh) * 2017-05-31 2017-10-03 合肥亿迈杰软件有限公司 一种基于大数据的购物排序推送方法
CN108053295A (zh) * 2017-12-29 2018-05-18 广州品唯软件有限公司 一种商品品牌排序的方法和装置
CN108804656A (zh) * 2018-06-08 2018-11-13 Oppo广东移动通信有限公司 信息处理方法和装置、电子设备、计算机可读存储介质

Also Published As

Publication number Publication date
CN108804656B (zh) 2021-11-16
CN108804656A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
WO2019233394A1 (zh) 图像处理方法和装置、存储介质、电子设备
US10805508B2 (en) Image processing method, and device
WO2019223594A1 (zh) 神经网络模型处理方法和装置、图像处理方法、移动终端
WO2017016030A1 (zh) 一种图像处理方法及终端
WO2019233392A1 (zh) 图像处理方法、装置、电子设备和计算机可读存储介质
CN107509044B (zh) 图像合成方法、装置、计算机可读存储介质和计算机设备
WO2019233271A1 (zh) 图像处理方法、计算机可读存储介质和电子设备
WO2020001196A1 (zh) 图像处理方法、电子设备、计算机可读存储介质
EP3664016B1 (en) Image detection method and apparatus, and terminal
CN110956679B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
US9628721B2 (en) Imaging apparatus for generating high dynamic range image and method for controlling the same
TW202213269A (zh) 影像處理方法、裝置、電腦設備及儲存媒體
US10911671B2 (en) Automatic processing of automatic image capture parameter adjustment
KR20230098575A (ko) 프레임 프로세싱 및/또는 캡처 명령 시스템들 및 기법들
WO2023098743A1 (zh) 自动曝光方法、装置、设备及存储介质
US20210235016A1 (en) Generating an image using automatic mode settings while in manual mode
WO2017193796A1 (zh) 一种智能手表的拍照处理方法和装置
US20220132001A1 (en) Method of generating noise-reduced image data and electronic device for performing the same
WO2019233309A1 (zh) 信息处理方法和装置、电子设备、计算机可读存储介质
CN109523456B (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN108881876B (zh) 对图像进行白平衡处理的方法、装置和电子设备
WO2019179242A1 (en) Image processing method and electronic device
CN108462831B (zh) 图像处理方法、装置、存储介质及电子设备
CN108737797B (zh) 白平衡处理方法、装置和电子设备
US11575841B2 (en) Information processing apparatus, imaging apparatus, method, and storage medium

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 19814573

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19814573

Country of ref document: EP

Kind code of ref document: A1