CN106599926A - 一种表情图片推送方法及系统 - Google Patents

一种表情图片推送方法及系统 Download PDF

Info

Publication number
CN106599926A
CN106599926A CN201611185870.6A CN201611185870A CN106599926A CN 106599926 A CN106599926 A CN 106599926A CN 201611185870 A CN201611185870 A CN 201611185870A CN 106599926 A CN106599926 A CN 106599926A
Authority
CN
China
Prior art keywords
expression
picture
client
face
pictures
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
Application number
CN201611185870.6A
Other languages
English (en)
Inventor
韦洁
郭崎
陈天石
陈云霁
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.)
Shanghai Cambricon Information Technology Co Ltd
Original Assignee
Shanghai Cambricon Information Technology Co Ltd
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 Shanghai Cambricon Information Technology Co Ltd filed Critical Shanghai Cambricon Information Technology Co Ltd
Priority to CN201611185870.6A priority Critical patent/CN106599926A/zh
Publication of CN106599926A publication Critical patent/CN106599926A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification 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
    • G06F16/58—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
    • 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

Landscapes

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

Abstract

本发明提供了一种表情图片推送方法，首先采用服务器中存储多个表情图片对神经网络进行训练，在训练完成后，重新将多个表情图片输入至所述神经网络中，并从神经网络的全连接层获取多个表情图片所对应的表情图片表示向量；然后，获取从客户端发送的人脸图片，将人脸图片输入至训练好的神经网络，并从神经网络的全连接层提取人脸图片表示向量；最后，将人脸图片表示向量与多个表示向量进行相似性计算，得到与人脸图片相似的一个或多个表情图片，并推送至客户端中。

Description

一种表情图片推送方法及系统
技术领域
本发明涉及计算机软件领域，尤其涉及一种表情图片推送方法及系统。
背景技术
目前，即时聊天工具是人们最常用的沟通工具，而在像这样无法面对面交流的沟通方式中，表情图片的使用变得越来越重要。2015年牛津词典公布了最受欢迎年度词汇为“emoji”表情符号，也正体现了这一点。在聊天中正确的使用表情能更准确直观地表达使用者的情感变化和心理活动。然而在现在的即时聊天工具中，表情图片需要用户搜集、添加表情库后方能使用，并且所有的表情混杂在一起，使得用户很难快速、有效地找到自己想要的表情图片。目前还没有系统用于实现即时聊天工具表情分类选择的功能。另外用户想要表达某种情绪或使用某类表情图片，但自己没有收藏此类表情时，也没有有效的办法能够帮助用户获取合适的表情图片，这给沟通交流带来了不便。
发明内容
(一)要解决的技术问题
鉴于上述问题，本发明的目的在于，提供一种准确度高、实时性强的表情图片推送方法及系统。
(二)技术方案
本发明提供一种表情图片推送方法，用于将服务器中存储的一个或多个表情图片推送至客户端中，方法包括：
S1，采用服务器中存储多个表情图片对神经网络进行训练，在训练完成后，重新将所述多个表情图片输入至所述神经网络中，并从神经网络的全连接层获取多个表情图片所对应的表情图片表示向量；
S2，获取从客户端发送的人脸图片，将所述人脸图片输入至训练好的神经网络，并从神经网络的全连接层提取人脸图片表示向量；
S3，将所述人脸图片表示向量与多个表示向量进行相似性计算，得到与人脸图片相似的一个或多个表情图片，并推送至所述客户端中。
进一步，客户端所在终端包括一拍摄装置，通过拍摄装置获取人脸照片。
进一步，在客户端中对所述人脸照片依次进行灰度归一化、人脸检测及裁剪，得到人脸图片。
进一步，方法还包括：S4，在客户端中对获取的一个或多个表情图片中的至少一个表情图片进行表情分类，并对分类后的表情图片进行本地收藏。
进一步，方法还包括：S5，在客户端中通过表情分类来搜索本地收藏的表情图片。
进一步，步骤S3中，进行相似性计算后，将所述人脸图片表示向量与多个表情图片表示向量的相似性进行排序，得到相似性大于一阈值的一个或多个表情图片，并推送至所述客户端中。
本发明还提供一种表情图片推送系统，包括服务器和客户端，其中：
客户端用于向服务器发送的人脸图像；
服务器用于采用存储的多个表情图片对神经网络进行训练，在训练完成后，重新将所述多个表情图片输入至所述神经网络中，并从神经网络的全连接层获取多个表情图片所对应的表情图片表示向量；将客户端发送的人脸图片输入至训练好的神经网络，并从神经网络的全连接层提取人脸图片表示向量；将人脸图片表示向量与多个表示向量进行相似性计算，得到与人脸图片相似的一个或多个表情图片，并推送至客户端中。
进一步，客户端所在终端包括一拍摄装置，所述客户端通过所述拍摄装置获取人脸照片。
进一步，客户端还用于所述人脸照片依次进行灰度归一化、人脸检测及裁剪，得到所述人脸图片。
进一步，客户端还用于对获取的一个或多个表情图片中的至少一个表情图片进行表情分类，并对分类后的表情图片进行本地收藏。
进一步，客户端还用于通过表情分类来搜索本地收藏的表情图片。
进一步，服务器进行相似性计算后，将人脸图片表示向量与多个表情图片表示向量的相似性进行排序，得到相似性大于一阈值的一个或多个表情图片，并推送至所述客户端中。
(三)有益效果
本发明具有以下优点：
1、当本地客户端不存在用户想要的表情图片时，用户可通过拍照的方式将人脸图像上传至服务器中，以从远端获取与人脸图像相似的图像；
2、在客户端中对表情图片进行分类收藏，并通过表情分类来搜索本地收藏的表情图片，提高用户在本地查找表情图片的效率。
3、本发明采用深度学习的神经网络进行人脸图像分类，可处理更大量的数据，并且运算速度更快，占用空间更小，可拓展性更强。
附图说明
图1为本发明实施例提供的卷积神经网络结构示意图。
图2为本发明实施例提供的表情图片推送方法的流程图。
图3为本发明实施例中表情图片在服务器中存储的方式。
图4为本发明实施例处理人脸照片的流程图。
图5为本发明实施例提供的表情图片收藏的场景示意图。
图6为本发明实施例提供的客户端本地搜索表情图片的场景示意图。
具体实施方式
本发明可以实施于各种即时通信软件中(如微信、QQ、微博等)，本发明中客户端所处的终端可以为各种智能终端(如PC、智能手机、平板电脑等)。
这些智能终端上一般设有拍摄装置(摄像头)，可以对用户的人脸进行拍摄。当然，本发明也不排除采用终端以外的拍摄装置对人脸进行拍摄，然后将拍摄的人脸图像传输至客户端中的情形。
本发明中服务器所存储的表情图片可以是各运营商自带的表情包(例如emoji表情系列)，也可以是用户自定义的表情图片(用户自己设计的图片并上传至服务器中，以供其他用户使用)。另外，本发明所说的表情图片不仅是指静态图片，还可以是例如GIF格式的动态图。
在一种实施方式中，本发明的神经网络为多层结构的卷积神经网络，如图1所示的卷积神经网络中，依次包括卷积层、池化层、卷积层、池化层、全连接层以及Softmax分类器，对于一个输入的图片，各层的工作原理如下：
卷积层用于对输入的图像进行卷积操作，具体地，各卷积层通过一激活函数来提取图像的重点特征，得到的多维特征表示；
池化层用于对图像的多个多维特征表示分区域取最大值，以减少数据量；
全连接层用于将分区域取最大值后的多维特征表示映射得到一维特征表示，即图像表示向量。
Softmax分类器用于根据图像表示向量进行分类，输出得到分类结果。
在一种场景中，用户若想获取“高兴”的表情图片，即摆出笑脸并自拍得到的“人脸图片”，由于用户所做的表情并不到位，可能在卷积神经网络中并不能识别到该人脸图片属于“高兴”类别，反而将该人脸图片识别为“疑惑”类别，这时，服务器如果根据分类结果将“疑惑”这类表情图片推送至客户端，显然并不能使用户得到满意的表情图片。所以，本发明将人脸图片输入至上述卷积神经网络时，并不是在Softmax分类器中得到最后的分类结果，而是从全连接层中提取图像表示向量，图像表示向量包括能够反映图片的多个特征，根据图像表示向量计算人脸图片和表情图片之间的相似性，可以将不同类别的表情图像获取出来，此时获取的表情图片更接近人脸图片，故用户也更可能获取满意的表情图片。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
图2为本发明实施例提供的表情图片推送方法的流程图，如图2所示，方法包括：
S1，采用服务器中存储多个表情图片对神经网络进行训练，在训练完成后，重新将所述多个表情图片输入至所述神经网络中，并从神经网络的全连接层获取多个表情图片所对应的表情图片表示向量。
本发明实施例中，表情图片在服务器中存储的方式如图3所示，针对每一个表情图片，其均采用Image类型变量img、bool变量Is_face、int型变量Numbe、int型变量Label、double型数组Express[100]来记录该表情图片的各项信息，其中：
img用于保存表情图片；
Is_face用于标记该表情图片是否含有人脸；
Number用于记录该表情图片的编号，每个表情图片在服务器中具有唯一的编号；
Label用于记录该表情图片的表情分类，在本发明实施例中，服务器中的表情共分为六类：“高兴”、“难过”、“愤怒”、“惊讶”、“疑惑”、“蔑视”，其分别对应数值“1”、“2”、“3”、“4”、“5”、“6”，Label通过记录数值来记录相应的表情分类；
Express[100]用于保存该表情图片的表情图片表示向量。
本发明实施例所采用的神经网络为在Caffe上搭建的卷积神经网络，在训练该卷积神经网络时，将表情图片作为输入，将Label作为输出，从而对卷积神经网络的权值和参数进行训练。
在训练完成后，重新将所述多个表情图片输入至所述神经网络中，并从神经网络的全连接层获取多个表情图片所对应的表情图片表示向量。本实施例中的全连接层(即最后一个隐层)有100个节点，用于相应地计算出图片的100个特征，将这100个图片特征所组成的向量作为表情图片表示向量，存入上述的double型数组Express[100]中，用于后续的相似性计算。
S2，获取从客户端发送的人脸图片，将人脸图片输入至训练好的神经网络，并从神经网络的全连接层提取人脸图片表示向量。
本发明实施例的客户端为智能手机，该智能手机包括一前置的摄像头。智能手机用户在使用聊天软件进行即时通信时，由于无法从本地获取理想的表情图片，故通过客户端开启智能手机的前置摄像头，从而对用户的脸部进行“自拍”，得到人脸照片。
客户端得到人脸照片后，还需对该人脸照片进行处理，以使得传至服务器的人脸图片能够被准确识别。如图4所示，本实施例处理该人脸照片的过程为：
灰度归一化操作，灰度归一化是对不同光照条件下得到的人脸照片进行补偿，使照片的细节更加清楚，以减弱单纯由于光照变化造成的图像信号的变化。这里采用直方图均衡化的方法：将图片转为灰度图；计算输入图像的直方图H，直方块和为255；计算直方图积分，H′(i)＝Sum(H(j))(0＜＝j＜＝i)。采用H′作为查询表：dst(x，y)＝H′(src(x，y))进行图像变换。
人脸检测操作，配置OpenCV，加载其自带的Haar特征分类器文件haarcascade_frontalface_alt.xml，使用cvHaarDetectObjects函数进行人脸检测，返回CvSeq类型指针，指针包含人脸数量、位置、大小信息。
裁剪操作，若检测得到的人脸数量恰好等于1，则使用OpenCV自带图像处理函数裁剪出人脸区域图像：cvSetImageROI函数确定源图像以及裁剪区域四个角的坐标值，cvCreateImage函数新建一个大小为128*128的目标图像，cvCopy函数将源图像中要裁剪的部分复制到目标图像，并将尺度统一为128*128，使用cvSaveImage函数保存裁剪出的人脸区域图像，作为人脸图片。
S3，将人脸图片表示向量与多个表示向量进行相似性计算，将人脸图片表示向量与多个表情图片表示向量的相似性进行排序，得到相似性大于一阈值的一个或多个表情图片，并推送至所述客户端中。
本发明实施例中，人脸图片表示向量为A(wA0，wA1，…，wA99)，表情图片表示向量为B(wB0，wB1，…，wB99)，两者的相似度定义为：
若计算得到相似度大于阈值0.7，则将上述表情图片表示向量所对应的表情图片推送至客户端中。
S4，在客户端中对获取的一个或多个表情图片中的至少一个表情图片进行表情分类，并对分类后的表情图片进行本地收藏。
图5为本发明实施例提供的表情图片收藏的场景示意图，如图5所示，用户在客户端中收到服务器所推送的多个表情图片后，手动选择自己想要的一个或多个表情图片，从而在本地创建新的表情。针对每一个选择的表情图片，弹出一个对话框，供用户将该表情图片分到“高兴”、“难过”、“愤怒”、“惊讶”、“疑惑”、“蔑视”中的一类中，然后在本地进行保存。
S5，在客户端中通过表情分类来搜索本地收藏的表情图片。
图6为本发明实施例提供的客户端本地搜索表情图片的场景示意图，如图6所示，用户在聊天中需要使用表情时，点击“表情”按钮，用户界面即显示本地收藏的多个分类下的表情图片，点击“表情”选项，应用将显示用户已收藏的“高兴”类别表情图片，用户界面底部有“高兴”、“难过”、“愤怒”、“惊讶”、“疑惑”、“蔑视”六个选项卡，可切换查看不同分类的表情，用户点击表情即可将其作为对话发送。
如果用户在本地收藏的“高兴”类目中没找到自己想要的图片，或者，用户想扩展本地“高兴”类目下的表情包，可以做出高兴的笑脸，并对自己进行自拍，并将自拍照片发送至服务器中，按上述的步骤S1-S3，在服务器中找到与自拍照片匹配的“高兴”表情图片。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (12)

1.一种表情图片推送方法，用于将服务器中存储的一个或多个表情图片推送至客户端中，其特征在于，方法包括：
S1，采用服务器中存储多个表情图片对神经网络进行训练，在训练完成后，重新将所述多个表情图片输入至所述神经网络中，并从神经网络的全连接层获取多个表情图片所对应的表情图片表示向量；
S2，获取从客户端发送的人脸图片，将所述人脸图片输入至训练好的神经网络，并从神经网络的全连接层提取人脸图片表示向量；
S3，将所述人脸图片表示向量与多个表示向量进行相似性计算，得到与人脸图片相似的一个或多个表情图片，并推送至所述客户端中。
2.根据权利要求1所述的表情图片推送方法，其特征在于，所述客户端所在终端包括一拍摄装置，通过所述拍摄装置获取人脸照片。
3.根据权利要求2所述的表情图片推送方法，其特征在于，在所述客户端中对所述人脸照片依次进行灰度归一化、人脸检测及裁剪，得到所述人脸图片。
4.根据权利要求1所述的表情图片推送方法，其特征在于，还包括：
S4，在客户端中对获取的一个或多个表情图片中的至少一个表情图片进行表情分类，并对分类后的表情图片进行本地收藏。
5.根据权利要求4所述的表情图片推送方法，其特征在于，还包括：
S5，在客户端中通过表情分类来搜索本地收藏的表情图片。
6.根据权利要求5所述的表情图片推送方法，其特征在于，所述步骤S3中，进行相似性计算后，将所述人脸图片表示向量与多个表情图片表示向量的相似性进行排序，得到相似性大于一阈值的一个或多个表情图片，并推送至所述客户端中。
7.一种表情图片推送系统，其特征在于，系统包括服务器和客户端，其中：
客户端用于向服务器发送的人脸图像；
服务器用于采用存储的多个表情图片对神经网络进行训练，在训练完成后，重新将所述多个表情图片输入至所述神经网络中，并从神经网络的全连接层获取多个表情图片所对应的表情图片表示向量；将客户端发送的人脸图片输入至训练好的神经网络，并从神经网络的全连接层提取人脸图片表示向量；将所述人脸图片表示向量与多个表示向量进行相似性计算，得到与人脸图片相似的一个或多个表情图片，并推送至所述客户端中。
8.根据权利要求7所述的表情图片获取系统，其特征在于，所述客户端所在终端包括一拍摄装置，所述客户端通过所述拍摄装置获取人脸照片。
9.根据权利要求8所述的表情图片获取系统，其特征在于，所述客户端还用于所述人脸照片依次进行灰度归一化、人脸检测及裁剪，得到所述人脸图片。
10.根据权利要求8所述的表情图片获取系统，其特征在于，所述客户端还用于对获取的一个或多个表情图片中的至少一个表情图片进行表情分类，并对分类后的表情图片进行本地收藏。
11.根据权利要求10所述的表情图片获取系统，其特征在于，所述客户端还用于通过表情分类来搜索本地收藏的表情图片。
12.根据权利要求11所述的表情图片获取系统，其特征在于，所述服务器进行相似性计算后，将所述人脸图片表示向量与多个表情图片表示向量的相似性进行排序，得到相似性大于一阈值的一个或多个表情图片，并推送至所述客户端中。
CN201611185870.6A 2016-12-20 2016-12-20 一种表情图片推送方法及系统 Pending CN106599926A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611185870.6A CN106599926A (zh) 2016-12-20 2016-12-20 一种表情图片推送方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611185870.6A CN106599926A (zh) 2016-12-20 2016-12-20 一种表情图片推送方法及系统

Publications (1)

Publication Number Publication Date
CN106599926A true CN106599926A (zh) 2017-04-26

Family

ID=58599878

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611185870.6A Pending CN106599926A (zh) 2016-12-20 2016-12-20 一种表情图片推送方法及系统

Country Status (1)

Country Link
CN (1) CN106599926A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019085625A1 (zh) * 2017-10-31 2019-05-09 上海掌门科技有限公司 表情图片推荐方法及设备
CN109948093A (zh) * 2017-07-18 2019-06-28 腾讯科技（深圳）有限公司 表情图片生成方法、装置及电子设备
CN110298212A (zh) * 2018-03-21 2019-10-01 腾讯科技（深圳）有限公司 模型训练方法、情绪识别方法、表情显示方法及相关设备
CN112223295A (zh) * 2020-10-28 2021-01-15 刘娴 一种机器人表情调用方法和家用机器人

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103824055A (zh) * 2014-02-17 2014-05-28 北京旷视科技有限公司 一种基于级联神经网络的人脸识别方法
CN104834677A (zh) * 2015-04-13 2015-08-12 苏州天趣信息科技有限公司 一种基于属性类别的表情图片显示方法、装置和终端
CN104866829A (zh) * 2015-05-25 2015-08-26 苏州大学 一种基于特征学习的跨年龄人脸验证方法
CN104899579A (zh) * 2015-06-29 2015-09-09 小米科技有限责任公司 人脸识别方法和装置
CN105678232A (zh) * 2015-12-30 2016-06-15 中通服公众信息产业股份有限公司 一种基于深度学习的人脸图片特征提取与对比方法
US20160358024A1 (en) * 2015-06-03 2016-12-08 Hyperverge Inc. Systems and methods for image processing

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103824055A (zh) * 2014-02-17 2014-05-28 北京旷视科技有限公司 一种基于级联神经网络的人脸识别方法
CN104834677A (zh) * 2015-04-13 2015-08-12 苏州天趣信息科技有限公司 一种基于属性类别的表情图片显示方法、装置和终端
CN104866829A (zh) * 2015-05-25 2015-08-26 苏州大学 一种基于特征学习的跨年龄人脸验证方法
US20160358024A1 (en) * 2015-06-03 2016-12-08 Hyperverge Inc. Systems and methods for image processing
CN104899579A (zh) * 2015-06-29 2015-09-09 小米科技有限责任公司 人脸识别方法和装置
CN105678232A (zh) * 2015-12-30 2016-06-15 中通服公众信息产业股份有限公司 一种基于深度学习的人脸图片特征提取与对比方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109948093A (zh) * 2017-07-18 2019-06-28 腾讯科技（深圳）有限公司 表情图片生成方法、装置及电子设备
WO2019085625A1 (zh) * 2017-10-31 2019-05-09 上海掌门科技有限公司 表情图片推荐方法及设备
CN110298212A (zh) * 2018-03-21 2019-10-01 腾讯科技（深圳）有限公司 模型训练方法、情绪识别方法、表情显示方法及相关设备
CN112223295A (zh) * 2020-10-28 2021-01-15 刘娴 一种机器人表情调用方法和家用机器人

Similar Documents

Publication Publication Date Title
US20210182611A1 (en) Training data acquisition method and device, server and storage medium
CN107291945B (zh) 基于视觉注意力模型的高精度服装图像检索方法及系统
JP5282658B2 (ja) 画像学習、自動注釈、検索方法及び装置
CN112132197B (zh) 模型训练、图像处理方法、装置、计算机设备和存储介质
US20200334486A1 (en) System and a method for semantic level image retrieval
CN110765882B (zh) 一种视频标签确定方法、装置、服务器及存储介质
US11704357B2 (en) Shape-based graphics search
CN110750656A (zh) 一种基于知识图谱的多媒体检测方法
CN111209423B (zh) 一种基于电子相册的图像管理方法、装置以及存储介质
CN106599926A (zh) 一种表情图片推送方法及系统
CN109726712A (zh) 文字识别方法、装置及存储介质、服务器
CN113434716B (zh) 一种跨模态信息检索方法和装置
EP3729294A1 (en) Image selection suggestions
CN109711443A (zh) 基于神经网络的户型图识别方法、装置、设备及存储介质
CN111108508A (zh) 脸部情感识别方法、智能装置和计算机可读存储介质
WO2022127814A1 (zh) 一种图像的显著性物体检测方法、装置、设备及存储介质
CN107704514A (zh) 一种照片管理方法、装置及计算机可读存储介质
CN108984576A (zh) 一种基于卷积神经网络的专利文献获取方法及系统
JP2018169972A (ja) 検索結果による学習が可能な対象検出装置、検出モデル生成装置、プログラム及び方法
CN110990617B (zh) 一种图片标记方法、装置、设备及存储介质
CN110852263B (zh) 一种基于人工智能的手机拍照识别垃圾分类方法
CN105159898B (zh) 一种搜索的方法和装置
CN108717436B (zh) 一种基于显著性检测的商品目标快速检索方法
CN108428234B (zh) 基于图像分割结果评价的交互式分割性能优化方法
WO2024021321A1 (zh) 模型生成的方法、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
RJ01 Rejection of invention patent application after publication

Application publication date: 20170426

RJ01 Rejection of invention patent application after publication