CN103729430B - 生成图像文件的方法和装置 - Google Patents
生成图像文件的方法和装置 Download PDFInfo
- Publication number
- CN103729430B CN103729430B CN201310731576.0A CN201310731576A CN103729430B CN 103729430 B CN103729430 B CN 103729430B CN 201310731576 A CN201310731576 A CN 201310731576A CN 103729430 B CN103729430 B CN 103729430B
- Authority
- CN
- China
- Prior art keywords
- image
- block
- image block
- file
- search
- 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
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
- G06F16/51—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
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种生成图像文件的方法和装置。所述方法包括:获取用户信息区中被设置为头像的图像文件;将所述图像文件中的图像划分为多个图像块;根据所述多个图像块中各图像块的特征,利用分类算法从图像数据库中搜索与所述各图像块对应的图像,所述图像数据库中存储有图像特征及与所述图像特征对应的图像;将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,生成新的图像文件。本发明实现了用户头像展现的多样性。
Description
技术领域
本发明实施例涉及图像处理技术,尤其涉及一种生成图像文件的方法和装置。
背景技术
图像处理技术中通常包括对照片的处理。而对照片的处理中人们一般更注重对头像的处理,以使自己的影像更加完美。网络技术中往往也会涉及头像处理。例如,当某一网络用户注册成某一网站的会员时,该网站为该网络用户提供头像设置功能。该网络用户可以通过该头像设置功能将拍摄的照片或别的景物图片设置为自己的头像,当网络用户登录该网站时,网页的会员信息区上会显示该网络用户设置的头像。当网络用户忽略头像设置功能,不设置头像时,该网站会将默认的图片作为该网络用户的头像,在该网络用户登录后展示在网页的会员信息区。
可以看出,网站对会员头像基本不做处理,即使处理,也只是直接将一个默认的图片设置为会员头像,处理方式单一,使得头像的展现缺乏多样性。
发明内容
有鉴于此,本发明实施例提供一种生成图像文件的方法和装置,以实现头像展现的多样性。
第一方面,本发明实施例提供了一种生成图像文件的方法,所述方法包括:
获取用户信息区中被设置为头像的图像文件;
将所述图像文件中的图像划分为多个图像块;
根据所述多个图像块中各图像块的特征,利用分类算法从图像数据库中搜索与所述各图像块对应的图像,所述图像数据库中存储有图像特征及与所述图像特征对应的图像;
将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,生成新的图像文件。
第二方面,本发明实施例还提供了一种生成图像文件的装置,所述装置包括:
获取模块,用于获取用户信息区中被设置为头像的图像文件;
划分模块,用于将获取模块获取到的所述图像文件中的图像划分为多个图像块;
搜索模块,用于根据划分模块划分的所述多个图像块中各图像块的特征,利用分类算法从图像数据库中搜索与所述各图像块对应的图像,所述图像数据库中存储有图像特征及与所述图像特征对应的图像;
替换模块,用于将搜索模块搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,生成新的图像文件。
本发明实施例提供的生成图像文件的方法和装置,通过将用户信息区中被设置为头像的图像文件划分为多个图像块,并在图像数据库中分别搜索与所述多个图像块中的各图像块的特征对应的图像,将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,生成新的图像文件,实现了头像展现的多样性。
附图说明
图1是本发明实施例提供的生成图像文件的方法的流程图;
图2是本发明实施例提供的生成图像文件的装置的示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
图1是本发明实施例提供的生成图像文件的方法的流程图,本发明实施例提供的生成图像文件的方法可以由服务器执行,该方法具体包括如下步骤:
步骤110,获取用户信息区中被设置为头像的图像文件。
例如,用户在注册成为某一网站的会员时,网站会提示用户设置头像,用户可以在头像设置处上传自己的照片或者其他的照片或者图片,服务器接收到用户设置的头像的图像文件时,将该图像文件存储到用户信息区中,执行生成图像文件的方法的设备可在用户信息区中获取设置为用户头像的图像文件。其中,执行生成图像文件的方法的设备可以是应用服务器,也可是独立于应用服务器之外的具有计算能力和通信能力的处理器。
步骤120,将所述图像文件中的图像划分为多个图像块。
例如,执行生成图像文件的方法的设备对用户设置为头像的图像文件进行划分,使所述图像文件划分为多个图像块。对所述图像文件进行划分可以通过栅栏化实现。其中,划分成的多个图像块的大小可以相同也可以不同。
步骤130,根据所述多个图像块中各图像块的特征,利用分类算法从图像数据库中搜索与所述各图像块对应的图像。
其中,所述图像数据库中存储有图像特征及与所述图像特征对应的图像。图像数据库中与所述各图像块对应的图像可以理解为相同的图像或者是特征相近的图像。图像数据库中存储的图像可以是物品图像,也可以是风景图像,根据网站的种类存储相应的图像。例如,在电子商务网站中,图像数据库中存储的图像为商品图像;而在旅游类网站中,图像数据库中存储的图像为风景图像,也可以包括反映当地习俗的图像。
其中,所述分类算法是解决分类问题的方法,是数据挖掘、机器学习和模式识别中的一个重要的研究领域,分类算法通过对已知类别训练集的分析,从中发现分类规则,从此预测新数据的类别。分类算法有很多种,包括:决策树、贝叶斯、人工神经网络、K-最近邻(K-Nearest Neighbor,KNN)、支持向量机和基于关联规则的分类等。
示例性的,所述多个图像块中各图像块的特征为多维特征即特征向量,每个多维特征由对应的图像块划分成的多个子图像块在图像RGB通道上的均值得到;所述图像数据库中的图像特征为多维特征,由对应的图像划分成的多个子图像在图像RGB通道上的均值得到;所述多个图像块中一个图像块划分的子图像块数量等于所述图像数据库中一个图像划分的子图像数量。
其中,图像数据库的建立过程可包括如下步骤:
首先,将所述图像划分成均匀的子图像。
分别对网站中的每个图像进行处理,根据图像的大小或者图像的其他因素,将图像划分成均匀的子图像,例如:可以将图像划分成3×3的子图像,也可以划分成4×4的子图像。
然后,计算每个所述子图像在图像RGB通道的均值。
分别对每个图像的每个子图像计算所述子图像在图像RGB颜色通道的均值,得到所述子图像分别在图像RGB三个通道的均值,即得到三个均值。
之后,根据所述均值计算特征向量,所述图像的所有子图像的特征向量组成所述图像的多维特征。
根据每个图像的每个子图像分别在图像RGB通道的均值计算所述子图像的特征向量,所述特征向量由该子图像分别在图像RGB通道的均值组合而成,一个图像的所有子图像的特征向量组成该商品图像的多维特征。
之后,将所有图像的多维特征及对应的图像存入图像数据库中。
由图像文件中的图像划分得到的多个图像块中,每个图像块可以被划分成多个子图像块,通过计算所述多个子图像块在图像RGB通道上的均值,得到对应的图像块的多维特征,其中,所述多个图像块中一个图像块划分的子图像块数量等于所述图像数据库中一个图像划分的子图像数量。以多个图像块P1,…,Pn中的一个图像块Pk为例,将图像块Pk划分为多个子图像块Pk1,…,Pkm,等于图像数据库中的一个图像的子图像数量m,通过计算所述多个子图像块Pk1,…,Pkm在图像RGB通道上的均值,得到对应的图像块Pk的3m维特征{R/G/Bpk1,…,R/G/Bpkm},对应地,图像数据库中,每个图像的特征也为3m维特征。
步骤140,将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,生成新的图像文件。
例如,当搜索到与图像块Pk对应的图像有1个时,用搜索到的图像替换图像块Pk;当搜索到与图像块Pk对应的图像有多个时,可以从搜索到的多个图像中随机选择一个替换图像块Pk;当搜索到的与图像块Pk对应的1个图像或多个图像中随机选择的1个图像的尺寸与图像块Pk的尺寸不相符时,还可对用来替换图像块Pk的图像进行伸缩。
生成的新的图像文件可以在用户登录网站时,替代用户设置的图像文件展现给用户。
例如,将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,可包括:
将搜索到的与所述各图像块对应的图像伸缩到与对应的图像块的尺寸相同后,对应替换所述图像文件中的各图像块。
将搜索到的与所述各图像块对应的图像进行伸缩变换,使得与所述各图像块对应的图像的尺寸与对应的图像块的尺寸相同,利用伸缩后的图像对应替换所述图像文件中的各图像块,以保证图像的完整性。
本发明实施例提供的生成图像文件的方法通过将用户信息区中被设置为头像的图像文件划分为多个图像块,并在图像数据库中分别搜索与所述多个图像块中的各图像块的特征对应的图像,将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,生成新的图像文件,实现了头像展现的多样性。
进一步地,所述图像数据库具有空间索引结构。所述空间索引结构包括R树、K-D-B树、M树、AntiPole树等等。其中,空间索引指依据空间对象的位置和形状或空间对象之间的某种空间关系按一定的顺序排列的一种数据结构,其中包含空间对象的概要信息,如对象的标识、外接矩形及指向空间对象实体的指针等。在图像数据库中建立空间索引结构便于对所述图像数据库的查找,提高查找效率。
进一步地,所述分类算法包括KNN分类算法;
根据所述多个图像块中各图像块的特征,利用分类算法从图像数据库中搜索与所述各图像块对应的图像,包括:
利用KNN分类算法搜索与所述各图像块的特征相同或相邻的特征对应的K个图像;
将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,包括:
将所述K个图像中的一个图像替换所述多个图像块中对应的图像块。
根据所述多个图像块中的各图像块的特征,通过图像数据库的空间索引结构,利用KNN算法搜索与所述各图像块的特征相同或相邻的特征对应的K个图像,将所述K个图像中的一个图像替换所述多个图像块中对应的图像块,生成新的图像文件。使用空间索引结构和KNN算法可以提高搜索的效率。
下面以生成电子商务网站的会员的头像为例,对生成图像文件作进一步详细说明。
具体地,生成会员的头像之前,电子商务网站的网站服务器会首先建立一个图像字典库,也即图像数据库。
具体地,网站服务器通过抽取该电子商务网站存储的所有图像中的每个图像,将每个原始图像划分成3×3的图像块,计算每个图像块内的图像在图像RGB通道的均值信息,每个图像块的在图像RGB通道的均值组成一个3维的特征向量,整个原始图像将会得到一个27维的特征向量,该特征向量作为特征空间,所有商品图像的特征空间组成图像字典库。
然后,网站服务器基于图像字典库建立AntiPole树。
AntiPole树是一种空间索引结构,AntiPole树具有结构简单,并且在数据集维度不是很高、数据类型不是很复杂的时候能达到很好的索引效果,且在数据量增大时还能保持不错的性能的优点,而且AntiPole树可以提高KNN算法的查询效率。
建立图像字典库后,网站服务器随时可以生成会员的头像。具体地,首先,获取用户的图像信息,将用户图像进行栅栏化,生成局部特征信息即图像块的特征信息。
其中,将用户图像进行栅栏化,即将用户图像划分成多个特征块也即图像块,然后对每个特征块进行划分,每个特征块划分的数量与图像字典库中每个图像划分的图像块的数量相同,以得到与图像字典库中的图像相同维数的特征向量。得到的每个特征块的特征向量也即用户局部图像特征。
之后,基于建立的AntiPole树,利用KNN算法,搜索用户局部图像特征在图像字典库中的K个近邻图像。
从图像字典库中取出K个近邻图像中的某个随机图像,并对该随机图像重新进行伸缩变化,使其大小与栅栏化图像的特征块大小相同,利用该伸缩变化后的随机图像对相应的用户图像的特征块进行填充,生成拼接图像。
本发明实施例提供的生成图像文件的方法用于电子商务网站时,通过建立商品图像字典库,基于图像字典库建立AntiPole树,将用户图像进行栅栏化,生成用户图像的局部特征信息,基于建立的AntiPole树,利用KNN算法,搜索用户局部图像特征在图像字典库中的K个近邻图像,利用该K个近邻图像中的某个随机图像填充栅栏化后的用户图像的每个特征块,使得图像文件的处理方式多元化,且展现的头像更加灵活多样。
图2是本发明实施例提供的生成图像文件的装置的示意图。本实施例提供的生成图像文件的装置用于实现本发明任意实施例提供的生成图像文件的方法,具备执行方法的所有模块。如图2所示,本实施例所述的生成图像文件的装置包括:获取模块210、划分模块220、搜索模块230和替换模块240。
其中,获取模块210用于获取用户信息区中被设置为头像的图像文件。
划分模块220用于将获取模块获取到的所述图像文件中的图像划分为多个图像块。
搜索模块230用于根据划分模块划分的所述多个图像块中各图像块的特征,利用分类算法从图像数据库中搜索与所述各图像块对应的图像,所述图像数据库中存储有图像特征及与所述图像特征对应的图像。
示例性的,所述多个图像块中各图像块的特征为多维特征,每个多维特征由对应的图像块划分成的多个子图像块在图像RGB通道上的均值得到;
所述图像数据库中的图像特征为多维特征,由对应的图像划分成的多个子图像在图像RGB通道上的均值得到;
所述多个图像块中一个图像块划分的子图像块数量等于所述图像数据库中一个图像划分的子图像数量。
替换模块240用于将搜索模块搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,生成新的图像文件。
示例性的,所述图像数据库具有空间索引结构。
示例性的,所述空间索引结构包括AntiPole树,所述分类算法包括K-最近邻KNN分类算法;
搜索模块230包括:
搜索子模块,用于根据所述AntiPole树,利用KNN分类算法搜索与所述各图像块的特征相同或相邻的特征对应的K个图像;
替换模块240包括:
替换子模块,用于将所述K个图像中的一个图像替换所述多个图像块中对应的图像块。
示例性的,替换模块240包括:
伸缩子模块,用于将搜索到的与所述各图像块对应的图像伸缩到与对应的图像块的尺寸相同后,对应替换所述图像文件中的各图像块。
本发明实施例提供的生成图像文件的装置通过获取模块获取用户信息区中被设置为头像的图像文件,划分模块将获取到的所述图像文件中的图像划分为多个图像块,搜索模块根据划分的所述多个图像块中各图像块的特征,利用分类算法从图像数据库中搜索与所述各图像块对应的图像,替换模块将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,生成新的图像文件,实现了头像展现的多样性。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种生成图像文件的方法,其特征在于,所述方法包括:
获取用户信息区中被设置为头像的图像文件;
将所述图像文件中的图像划分为多个图像块;
根据所述多个图像块中各图像块的特征,利用分类算法从图像数据库中搜索与所述各图像块对应的图像,所述图像数据库中存储有图像特征及与所述图像特征对应的图像;
将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,生成新的图像文件;
其中,所述多个图像块中各图像块的特征为多维特征,每个多维特征由对应的图像块划分成的多个子图像块在图像RGB通道上的均值得到;
所述图像数据库中的图像特征为多维特征,由对应的图像划分成的多个子图像在图像RGB通道上的均值得到;
所述多个图像块中一个图像块划分的子图像块数量等于所述图像数据库中一个图像划分的子图像数量。
2.根据权利要求1所述的方法,其特征在于,所述图像数据库具有空间索引结构。
3.根据权利要求2所述的方法,其特征在于,所述分类算法包括K-最近邻KNN分类算法;
根据所述多个图像块中各图像块的特征,利用分类算法从图像数据库中搜索与所述各图像块对应的图像,包括:
利用KNN分类算法搜索与所述各图像块的特征相同或相邻的特征对应的K个图像;
将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,包括:
将所述K个图像中的一个图像替换所述多个图像块中对应的图像块。
4.根据权利要求1-3任一项所述的方法,其特征在于,将搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,包括:
将搜索到的与所述各图像块对应的图像伸缩到与对应的图像块的尺寸相同后,对应替换所述图像文件中的各图像块。
5.一种生成图像文件的装置,其特征在于,所述装置包括:
获取模块,用于获取用户信息区中被设置为头像的图像文件;
划分模块,用于将获取模块获取到的所述图像文件中的图像划分为多个图像块;
搜索模块,用于根据划分模块划分的所述多个图像块中各图像块的特征,利用分类算法从图像数据库中搜索与所述各图像块对应的图像,所述图像数据库中存储有图像特征及与所述图像特征对应的图像;
替换模块,用于将搜索模块搜索到的与所述各图像块对应的图像对应替换所述图像文件中的各图像块,生成新的图像文件;
其中,所述多个图像块中各图像块的特征为多维特征,每个多维特征由对应的图像块划分成的多个子图像块在图像RGB通道上的均值得到;
所述图像数据库中的图像特征为多维特征,由对应的图像划分成的多个子图像在图像RGB通道上的均值得到;
所述多个图像块中一个图像块划分的子图像块数量等于所述图像数据库中一个图像划分的子图像数量。
6.根据权利要求5所述的装置,其特征在于,所述图像数据库具有空间索引结构。
7.根据权利要求6所述的装置,其特征在于,所述分类算法包括K-最近邻KNN分类算法;
搜索模块包括:
搜索子模块,用于利用KNN分类算法搜索与所述各图像块的特征相同或相邻的特征对应的K个图像;
替换模块包括:
替换子模块,用于将所述K个图像中的一个图像替换所述多个图像块中对应的图像块。
8.根据权利要求5-7任一项所述的装置,其特征在于,替换模块包括:
伸缩子模块,用于将搜索到的与所述各图像块对应的图像伸缩到与对应的图像块的尺寸相同后,对应替换所述图像文件中的各图像块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310731576.0A CN103729430B (zh) | 2013-12-26 | 2013-12-26 | 生成图像文件的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310731576.0A CN103729430B (zh) | 2013-12-26 | 2013-12-26 | 生成图像文件的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103729430A CN103729430A (zh) | 2014-04-16 |
CN103729430B true CN103729430B (zh) | 2016-08-31 |
Family
ID=50453504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310731576.0A Active CN103729430B (zh) | 2013-12-26 | 2013-12-26 | 生成图像文件的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103729430B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104715449A (zh) * | 2015-03-31 | 2015-06-17 | 百度在线网络技术(北京)有限公司 | 生成马赛克图像的方法和装置 |
CN105205782B (zh) * | 2015-09-06 | 2019-08-16 | 京东方科技集团股份有限公司 | 超解像方法和系统、服务器、用户设备及其方法 |
-
2013
- 2013-12-26 CN CN201310731576.0A patent/CN103729430B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103729430A (zh) | 2014-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Superpixel segmentation using linear spectral clustering | |
CN106469299B (zh) | 一种车辆搜索方法及装置 | |
He et al. | Computing nearest-neighbor fields via propagation-assisted kd-trees | |
Papadopoulos et al. | Cluster-based landmark and event detection for tagged photo collections | |
CN107688823A (zh) | 一种图像特征获取方法及装置,电子设备 | |
CN110472681A (zh) | 基于知识蒸馏的神经网络训练方案和图像处理方案 | |
CN107209853A (zh) | 定位和地图构建方法 | |
CN106503656A (zh) | 一种图像分类方法、装置和计算设备 | |
Zhang et al. | Distractor-aware fast tracking via dynamic convolutions and mot philosophy | |
CN104281572B (zh) | 一种基于互信息的目标匹配方法及其系统 | |
Strong et al. | Self-sorting map: An efficient algorithm for presenting multimedia data in structured layouts | |
CN108280738A (zh) | 基于图像和社会化标签的商品推荐方法 | |
CN107291825A (zh) | 一种视频中同款商品的检索方法和系统 | |
Thepade et al. | Assessment of similarity measurement criteria in Thepade's Sorted Ternary Block Truncation Coding (TSTBTC) for content based video retrieval | |
CN103995864B (zh) | 一种图像检索方法和装置 | |
Li et al. | Overlap community detection using spectral algorithm based on node convergence degree | |
US20200090039A1 (en) | Learning unified embedding | |
Zhang et al. | Retargeting semantically-rich photos | |
CN103729430B (zh) | 生成图像文件的方法和装置 | |
CN106528629B (zh) | 一种基于几何空间划分的向量模糊搜索方法及系统 | |
Reining et al. | Attribute representation for human activity recognition of manual order picking activities | |
CN106845338A (zh) | 视频流中行人检测方法与系统 | |
Sahai et al. | Continuous relaxations for the traveling salesman problem | |
CN107563324A (zh) | 一种基于核基础超限学习机的高光谱图像分类方法及装置 | |
CN108027816A (zh) | 数据管理系统、数据管理方法及程序 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20191128 Address after: 100176 room 222, 2f, building C, No. 18, Kechuang 11th Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing Patentee after: Beijing Jingdong three hundred and sixty degree e-commerce Co., Ltd. Address before: 100080, Beijing, Suzhou Street, No. 20, building 2, No. 2, Haidian District Patentee before: Beijing Jingdong Shangke Information Technology Co., Ltd. |