CN107133354A - 图像描述信息的获取方法及装置 - Google Patents
图像描述信息的获取方法及装置 Download PDFInfo
- Publication number
- CN107133354A CN107133354A CN201710379651.XA CN201710379651A CN107133354A CN 107133354 A CN107133354 A CN 107133354A CN 201710379651 A CN201710379651 A CN 201710379651A CN 107133354 A CN107133354 A CN 107133354A
- Authority
- CN
- China
- Prior art keywords
- image
- interest
- description information
- point
- network model
- 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.)
- Granted
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
- G06F16/58—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
Landscapes
- Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Theoretical Computer Science (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
本公开提供了一种图像描述信息的获取方法及装置,属于图像处理技术领域。所述方法包括:提取图像的图像特征;确定图像中的多个兴趣点,所述多个兴趣点用于指示所述图像中多个目标物体;根据所述多个兴趣点的特征,获取图像中多个目标物体的描述信息;根据图像中多个目标物体的描述信息,获取图像的图像描述信息。本公开通过图像中多个兴趣点的特征来获取图像中多个目标物体的描述信息,并将该多个目标物体的描述信息组合得到该图像的图像描述信息。由于该多个目标物体为图像中比较显著的物体,故针对这些目标物体进行描述,可以很好地体现图像的局部信息,通过这些局部信息可以把图像完整的描述出来,图像描述的准确性和贴合性高。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像描述信息的获取方法及装置。
背景技术
随着计算机视觉技术的发展,“根据图像给出描述图像内容的自然语言语句”的图像描述任务已经成为计算机视觉领域的一个研究热点。因此,亟需一种图像描述信息的获取方法来完成该图像描述任务,也即是,采用一段图像描述信息对图像进行描述。
目前,一般采用深度卷积神经网络(Convolutional Neural Network,CNN)和循环神经网络(Recurrent Neural Networks,RNN)相结合的模型(CNN-RNN模型)来完成上述图像描述任务。其中,CNN是一种前馈神经网络,能够对图像进行特征变换和特征提取,适合进行图像识别。RNN的处理层(包括输入层、中间层以及输出层)之间既有反馈连接又有前馈连接,它适合进行序列预测,例如句子生成、语言翻译等任务。基于CNN-RNN模型对图像描述的方法如下:CNN从图像中提取特征,并将所述特征传递给RNN,进而RNN根据该图像的特征,产生一个单词序列,即一个句子,将该句子作为该图像的图像描述信息。
发明内容
为克服相关技术中存在的问题,本公开提供一种图像描述信息的获取方法及装置。
根据本公开实施例的第一方面,提供一种图像描述信息的获取方法,包括:
提取图像的图像特征;
确定所述图像中的多个兴趣点,所述多个兴趣点用于指示所述图像中多个目标物体;
根据所述多个兴趣点的特征,获取所述图像中多个目标物体的描述信息;
根据所述图像中多个目标物体的描述信息,获取所述图像的图像描述信息。
本公开实施例提供的方法,通过确定图像中多个目标物体对应的多个兴趣点,根据该多个兴趣点的特征来获取该多个目标物体的描述信息,并将该多个目标物体的描述信息组合得到该图像的图像描述信息。由于该多个目标物体为图像中比较显著的物体,故针对这些目标物体进行描述,可以很好地体现图像的局部信息,通过这些局部信息可以把图像完整的描述出来,图像描述的准确性和贴合性高。
在第一方面的第一种实现方式中,所述确定所述图像中的多个兴趣点包括:
将所述图像输入到第一网络模型,由所述第一网络模型通过生成高斯权重来预测所述图像中的多个兴趣点,所述第一网络模型基于多个样本图像以及每个样本图像中标记的兴趣点建立,每个兴趣点的高斯权重大于所述兴趣点周围的点的高斯权重。
本公开实施例提供的方法,通过第一网络模型来预测图像中的多个兴趣点,由于该第一网络模型是基于多个样本图像中的兴趣点以及高斯权重等训练数据建立的,故该第一网络模型可以通过生成高斯权重来预测任一个图像中的兴趣点,提供了一种确定图像中兴趣点的方式。
在第一方面的第二种实现方式中,所述根据所述多个兴趣点的特征,获取所述图像中多个目标物体的描述信息包括:
对于每个兴趣点,根据所述兴趣点以及所述兴趣点的多个相邻点的特征,获取由所述兴趣点和所述多个相邻点组成的目标物体的描述信息。
本公开实施例提供的方法,通过目标物体的所有点的特征来获取图像中该目标物体的描述信息,提供了一种获取图像中目标物体的描述信息的方式。
在第一方面的第三种实现方式中,所述根据所述兴趣点以及所述兴趣点的多个相邻点的特征,获取由所述兴趣点和所述多个相邻点组成的目标物体的描述信息包括:
将所述兴趣点以及所述兴趣点的多个相邻点的特征输入到第二网络模型中,由所述第二网络模型对数据库中多个描述信息的概率进行预测,所述第二网络模型基于多个样本特征以及对应的描述信息建立;
将所述多个描述信息中概率最高的描述信息获取为所述目标物体的描述信息。
本公开实施例提供的方法,通过第二网络模型来获取图像中目标物体的描述信息,由于该第二网络模型是基于多个样本特征以及对应的描述信息等训练数据建立的,故该第二网络模型可以根据目标物体的特征来获取该目标物体的描述信息,提供了一种获取图像中的目标物体的描述信息的方式。
在第一方面的第四种实现方式中,所述根据所述图像中多个目标物体的描述信息,获取所述图像的图像描述信息包括:
将所述图像中多个目标物体的描述信息组合,得到所述图像的图像描述信息。
本公开实施例提供的方法,通过将图像中多个目标物体的描述信息的组合作为该图像的图像描述信息,由于该多个目标物体为图像中比较显著的物体,故这些目标物体的描述信息的组合可以把图像完整的描述出来,图像描述的准确性和贴合性高。
根据本公开实施例的第二方面,提供一种图像描述信息的获取装置,包括:
提取模块,用于提取图像的图像特征;
确定模块,用于确定所述图像中的多个兴趣点,所述多个兴趣点用于指示所述图像中多个目标物体;
获取模块,用于根据所述多个兴趣点的特征,获取所述图像中多个目标物体的描述信息;
所述获取模块,还用于根据所述图像中多个目标物体的描述信息,获取所述图像的图像描述信息。
在第二方面的第一种实现方式中,所述确定模块,用于将所述图像输入到第一网络模型,由所述第一网络模型通过生成高斯权重来预测所述图像中的多个兴趣点,所述第一网络模型基于多个样本图像以及每个样本图像中标记的兴趣点建立,每个兴趣点的高斯权重大于所述兴趣点周围的点的高斯权重。
在第二方面的第二种实现方式中,所述获取模块,用于对于每个兴趣点,根据所述兴趣点以及所述兴趣点的多个相邻点的特征,获取由所述兴趣点和所述多个相邻点组成的目标物体的描述信息。
在第二方面的第三种实现方式中,所述获取模块,用于将所述兴趣点以及所述兴趣点的多个相邻点的特征输入到第二网络模型中,由所述第二网络模型对数据库中多个描述信息的概率进行预测,所述第二网络模型基于多个样本特征以及对应的描述信息建立;将所述多个描述信息中概率最高的描述信息获取为所述目标物体的描述信息。
在第二方面的第四种实现方式中,所述获取模块,用于将所述图像中多个目标物体的描述信息组合,得到所述图像的图像描述信息。
根据本公开实施例的第三方面,提供一种图像描述信息的获取装置,包括:
处理器;
用于存储处理器可执行的指令的存储器;
其中,所述处理器被配置为:
提取图像的图像特征;
确定所述图像中的多个兴趣点,所述多个兴趣点用于指示所述图像中多个目标物体;
根据所述多个兴趣点的特征,获取所述图像中多个目标物体的描述信息;
根据所述图像中多个目标物体的描述信息,获取所述图像的图像描述信息。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种图像描述信息的获取方法的流程图。
图2是根据一示例性实施例示出的一种图像描述信息的获取方法的流程图。
图3是根据一示例性实施例示出的一种CNN-RNN模型的结构示意图。
图4是根据一示例性实施例示出的一种图像描述信息的获取装置的框图。
图5是根据一示例性实施例示出的一种图像描述信息的获取装置500的框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚,下面将结合附图对本公开实施方式作进一步地详细描述。
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种图像描述信息的获取方法的流程图,如图1所示,图像描述信息的获取方法用于终端设备或服务器中,包括以下步骤:
在步骤101中,提取图像的图像特征。
在步骤102中,确定该图像中的多个兴趣点,该多个兴趣点用于指示该图像中多个目标物体。
在步骤103中,根据该多个兴趣点的特征,获取该图像中多个目标物体的描述信息。
在步骤104中,根据该图像中多个目标物体的描述信息,获取该图像的图像描述信息。
本公开实施例中,通过确定图像中多个目标物体对应的多个兴趣点,根据该多个兴趣点的特征来获取该多个目标物体的描述信息,并将该多个目标物体的描述信息组合得到该图像的图像描述信息。由于该多个目标物体为图像中比较显著的物体,故针对这些目标物体进行描述,可以很好地体现图像的局部信息,通过这些局部信息可以把图像完整的描述出来,图像描述的准确性和贴合性高。
在一种可能实现方式中,该确定该图像中的多个兴趣点包括:
将该图像输入到第一网络模型,由该第一网络模型通过生成高斯权重来预测该图像中的多个兴趣点,该第一网络模型基于多个样本图像以及每个样本图像中标记的兴趣点建立,每个兴趣点的高斯权重大于该兴趣点周围的点的高斯权重。
在一种可能实现方式中,该根据该多个兴趣点的特征,获取该图像中多个目标物体的描述信息包括:
对于每个兴趣点,根据该兴趣点以及该兴趣点的多个相邻点的特征,获取由该兴趣点和该多个相邻点组成的目标物体的描述信息。
在一种可能实现方式中,该根据该兴趣点以及该兴趣点的多个相邻点的特征,获取由该兴趣点和该多个相邻点组成的目标物体的描述信息包括:
将该兴趣点以及该兴趣点的多个相邻点的特征输入到第二网络模型中,由该第二网络模型对数据库中多个描述信息的概率进行预测,该第二网络模型基于多个样本特征以及对应的描述信息建立;
将该多个描述信息中概率最高的描述信息获取为该目标物体的描述信息。
在一种可能实现方式中,该根据该图像中多个目标物体的描述信息,获取该图像的图像描述信息包括:
将该图像中多个目标物体的描述信息组合,得到该图像的图像描述信息。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
图2是根据一示例性实施例示出的一种图像描述信息的获取方法的流程图。本实施例以图像描述信息的获取方法用于终端设备中来举例说明,终端设备可以是手机、个人数字助理等,也可以是具有图像描述信息获取功能的其他设备。当然,该图像描述信息的获取方法还可以用于服务器中。如图2所示,该图像描述信息的获取方法可以包括以下步骤:
在步骤201中,采用第一网络模型提取图像的图像特征。
其中,图像特征可以包括图像的颜色特征、纹理特征以及形状特征等。颜色特征描述了图像或图像区域所对应的物体的表面性质,颜色特征一般是基于像素点的特征,所有属于图像或图像区域的像素点都有各自的贡献。纹理特征描述了图像或图像区域所对应物体的表面性质,纹理特征一般是基于包含多个像素点的区域进行统计计算的特征。形状特征分为轮廓特征和区域特征,轮廓特征主要针对物体的外边界,而区域特征则关系到整个形状区域。
本公开实施例中,第一网络模型具有提取图像特征以及确定图像中兴趣点的能力,该能力可以在实际建立该第一网络模型的过程中,通过相应的训练数据对该第一网络模型进行训练来获取,例如,基于多个样本图像、每个样本图像的特征以及每个样本图像中标记的兴趣点等训练数据对该第一网络模型进行训练,每个兴趣点的高斯权重大于该兴趣点周围的点的高斯权重。兴趣点可以是图像中目标物体的中心点,目标物体可以是图像中感兴趣的物体,也即图像中相比于周围环境比较显著的物体。
具体地,针对提取图像特征的能力,在建立该第一网络模型的过程中,技术人员可以基于图像特征已知的多个样本图像对该第一网络模型进行训练,使得基于该多个样本图像以及对应的样本特征等训练数据建立的该第一网络模型可以对任一个图像进行特征提取,得到该图像的图像特征。另外,针对确定图像中兴趣点的能力,在建立该第一网络模型的过程中,技术人员可以在多个样本图像中人工圈出感兴趣的物体,由该第一网络模型根据该感兴趣的物体所在区域,确定该感兴趣的物体的中心点,并将该中心点标记为兴趣点,进而该第一网络模型还可以根据高斯函数,计算该兴趣点以及该兴趣点周围预设范围内的点的高斯权重,一般情况下,距离该兴趣点越近的点的高斯权重越大,距离该兴趣点越远的点的高斯权重越小。这样,基于该多个样本图像中的兴趣点以及高斯权重等训练数据建立的该第一网络模型可以通过生成高斯权重来预测任一个图像中的兴趣点。
在该步骤201中,终端设备可以将该图像输入到第一网络模型,由该第一网络模型对该图像进行特征提取,得到该图像的图像特征,该图像的图像特征可以包含图像中所有点的特征。可选地,如果该图像的尺寸大于该第一网络模型的输入尺寸,则终端设备可以先将该图像的尺寸缩小至该第一网络模型的输入尺寸后,再将缩小后的该图像输入到第一网络模型中。
在步骤202中,采用第一网络模型确定该图像中的多个兴趣点,该多个兴趣点用于指示该图像中多个目标物体。
在该步骤202中,终端设备可以将该图像输入到第一网络模型,由该第一网络模型通过生成高斯权重来预测该图像中的多个兴趣点。在一种可能实现方式中,该第一网络模型可以生成图像中每个点的高斯权重,从中挑选出相比于周围的点高斯权重最大的点或高斯权重最接近于预设高斯权重的点,将这些点确定为该图像中的兴趣点。其中,该预设高斯权重可以参考该第一网络模型建立过程中样本图像的兴趣点的高斯权重。
通过确定图像中的多个兴趣点,可以预测图像中多个感兴趣的物体,而在实际应用中,一幅图像中感兴趣的物体往往是人们关注的对象,通过对图像中感兴趣的物体进行描述,可以提高图像描述的准确性。
需要说明的是,上述步骤201中终端设备提取图像的图像特征和步骤202中终端设备确定图像中的多个兴趣点的过程并没有明显的先后顺序,在具体应用时,终端设备可以在提取图像的图像特征的同时,确定图像中的多个兴趣点。在本实施例中仅将提取图像的图像特征作为步骤201,将确定图像中的多个兴趣点作为步骤202,上述步骤201和步骤202并不代表具体的执行顺序。
在步骤203中,根据该多个兴趣点的特征,采用第二网络模型获取该图像中多个目标物体的描述信息。
本公开实施例中,第二网络模型具有根据特征获取描述信息的能力,与第一网络模型同理,该能力可以在实际建立该第二网络模型的过程中,通过相应的训练数据对该第二网络模型进行训练来获取,例如,基于多个样本特征以及对应的描述信息等训练数据对该第二网络模型进行训练。具体地,在建立该第二网络模型的过程中,开发人员可以给出多个样本特征的描述信息,以桌子为例,开发人员可以针对桌子的特征(包括组成该桌子的所有点的特征)给出“桌子”的描述信息。这样,基于该多个样本特征以及对应的描述信息等训练数据建立的该第二网络模型可以预测任一个或多个特征的描述信息。
本公开实施例中,为了完成对图像的描述任务,终端设备通过上述步骤201和步骤202确定图像中的多个兴趣点以及提取到该多个兴趣点的特征后,也即采用第一网络模型输出图像中的多个兴趣点以及对应的特征后,可以进一步采用该第二网络模型来根据各个兴趣点的特征生成相应的描述信息,该多个兴趣点的描述信息的组合即为该图像的图像描述信息。
在该步骤203中,对于每个兴趣点,终端设备可以根据该兴趣点以及该兴趣点的多个相邻点的特征,获取由该兴趣点和该多个相邻点组成的目标物体的描述信息。其中,该兴趣点的多个相邻点可以是该兴趣点周围处于预设范围内的多个点,例如,以该兴趣点为中心,半径为2个像素的范围内的点。具体地,对于每个兴趣点,终端设备可以将第一网络模型输出的该兴趣点以及该兴趣点的多个相邻点的特征输入到第二网络模型中,由该第二网络模型根据预设概率算法,对数据库中多个描述信息的概率进行预测,并将该多个描述信息中概率最高的描述信息获取为该目标物体的描述信息。其中,该数据库用于存储该第二网络模型在建立过程中对多个样本特征的描述信息,该描述信息可以是一个词语,如“桌子”、“椅子”、“女孩”、“男孩”等,当然,该数据库还可以存储除该多个样本特征以外的其他特征的描述信息,本公开实施例对此不做限定。
上述步骤201至步骤203是结合第一网络模型和第二网络模型来获取图像的图像描述信息。该第一网络模型可以是CNN模型,该第二网络模型可以是RNN模型,参见图3,图3是根据一示例性实施例示出的一种CNN-RNN模型的结构示意图,CNN模型可以用于提取图像的特征以及确定图像中的多个兴趣点,如图3中的兴趣点1、兴趣点2、……、兴趣点n;RNN模型(包括RNN_1、RNN_2、……、RNN_n)可以用于根据各个兴趣点的特征生成相应的描述信息,如图3中的描述信息1、描述信息2、……、描述信息n。该CNN模型的网络结构和该RNN模型的网络结构可以是传统的CNN和RNN的网络结构,例如,CNN由一个或多个卷积层和顶端的全连通层组成,同时也包括激活层和池化层,在此不做详述。
在步骤204中,根据该图像中多个目标物体的描述信息,获取该图像的图像描述信息。
本公开实施例中,第二网络模型输出的结果的组合即为该图像的图像描述信息,相应地,终端设备可以按照预设组合规则或模板,将该图像中多个目标物体的描述信息组合成一个词语集合或生成一个通顺的句子,并将该词语集合或句子作为该图像的图像描述信息。以该图像中多个目标物体的描述信息分别为女孩、海水、救生圈为例,该图像的描述信息可以为“女孩海水救生圈”或“一个女孩在海里游泳”。
上述步骤201至步骤204在对图像进行描述的过程中,考虑了图像中目标物体的空间位置,针对图像中的目标物体进行了描述,也即对图像的局部特征进行了描述,保全了图像的局部信息的完整,通过上述方案得到的图像描述信息可以把图像完整的描述出来。
本公开实施例中,通过确定图像中多个目标物体对应的多个兴趣点,根据该多个兴趣点的特征来获取该多个目标物体的描述信息,并将该多个目标物体的描述信息组合得到该图像的图像描述信息。由于该多个目标物体为图像中比较显著的物体,故针对这些目标物体进行描述,可以很好地体现图像的局部信息,通过这些局部信息可以把图像完整的描述出来,图像描述的准确性和贴合性高。
图4是根据一示例性实施例示出的一种图像描述信息的获取装置的框图。参照图4,该装置包括提取模块401、确定模块402和获取模块403。
该提取模块401,被配置为提取图像的图像特征;
该确定模块402,被配置为确定该图像中的多个兴趣点,该多个兴趣点用于指示该图像中多个目标物体;
获取模块403,被配置为根据该多个兴趣点的特征,获取该图像中多个目标物体的描述信息;
该获取模块403,还被配置为根据该图像中多个目标物体的描述信息,获取该图像的图像描述信息。
在一种可能实现方式中,该确定模块402,被配置为将该图像输入到第一网络模型,由该第一网络模型通过生成高斯权重来预测该图像中的多个兴趣点,该第一网络模型基于多个样本图像以及每个样本图像中标记的兴趣点建立,每个兴趣点的高斯权重大于该兴趣点周围的点的高斯权重。
在一种可能实现方式中,该获取模块403,被配置为对于每个兴趣点,根据该兴趣点以及该兴趣点的多个相邻点的特征,获取由该兴趣点和该多个相邻点组成的目标物体的描述信息。
在一种可能实现方式中,该获取模块403,被配置为将该兴趣点以及该兴趣点的多个相邻点的特征输入到第二网络模型中,由该第二网络模型对数据库中多个描述信息的概率进行预测,该第二网络模型基于多个样本特征以及对应的描述信息建立;将该多个描述信息中概率最高的描述信息获取为该目标物体的描述信息。
在一种可能实现方式中,该获取模块403,被配置为将该图像中多个目标物体的描述信息组合,得到该图像的图像描述信息。
本公开实施例中,通过确定图像中多个目标物体对应的多个兴趣点,根据该多个兴趣点的特征来获取该多个目标物体的描述信息,并将该多个目标物体的描述信息组合得到该图像的图像描述信息。由于该多个目标物体为图像中比较显著的物体,故针对这些目标物体进行描述,可以很好地体现图像的局部信息,通过这些局部信息可以把图像完整的描述出来,图像描述的准确性和贴合性高。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图5是根据一示例性实施例示出的一种图像描述信息的获取装置500的框图。例如,装置500可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图5,装置500可以包括以下一个或多个组件:处理组件502,存储器504,电源组件506,多媒体组件508,音频组件510,输入/输出(I/O)的接口512,传感器组件514,以及通信组件516。
处理组件502通常控制装置500的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件502可以包括一个或多个处理器520来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件502可以包括一个或多个模块,便于处理组件502和其他组件之间的交互。例如,处理组件502可以包括多媒体模块,以方便多媒体组件508和处理组件502之间的交互。
存储器504被配置为存储各种类型的数据以支持在装置500的操作。这些数据的示例包括用于在装置500上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件506为装置500的各种组件提供电力。电源组件506可以包括电源管理系统,一个或多个电源,及其他与为装置500生成、管理和分配电力相关联的组件。
多媒体组件508包括在装置500和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件508包括一个前置摄像头和/或后置摄像头。当装置500处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件510被配置为输出和/或输入音频信号。例如,音频组件510包括一个麦克风(MIC),当装置500处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中,音频组件510还包括一个扬声器,用于输出音频信号。
I/O接口512为处理组件502和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件514包括一个或多个传感器,用于为装置500提供各个方面的状态评估。例如,传感器组件514可以检测到装置500的打开/关闭状态,组件的相对定位,例如组件为装置500的显示器和小键盘,传感器组件514还可以检测装置500或装置500一个组件的位置改变,用户与装置500接触的存在或不存在,装置500方位或加速/减速和装置500的温度变化。传感器组件514可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件514还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件516被配置为便于装置500和其他设备之间有线或无线方式的通信。装置500可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件516经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,通信组件516还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述图像描述信息的获取方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器504,上述指令可由装置500的处理器520执行以完成上述方法。例如,非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种非临时性计算机可读存储介质,当存储介质中的指令由装置500的处理器执行时,使得装置500能够执行上述各个实施例提供的图像描述信息的获取方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种图像描述信息的获取方法,其特征在于,所述方法包括:
提取图像的图像特征;
确定所述图像中的多个兴趣点,所述多个兴趣点用于指示所述图像中多个目标物体;
根据所述多个兴趣点的特征,获取所述图像中多个目标物体的描述信息;
根据所述图像中多个目标物体的描述信息,获取所述图像的图像描述信息。
2.根据权利要求1所述的方法,其特征在于,所述确定所述图像中的多个兴趣点包括:
将所述图像输入到第一网络模型,由所述第一网络模型通过生成高斯权重来预测所述图像中的多个兴趣点,所述第一网络模型基于多个样本图像以及每个样本图像中标记的兴趣点建立,每个兴趣点的高斯权重大于所述兴趣点周围的点的高斯权重。
3.根据权利要求1所述的方法,其特征在于,所述根据所述多个兴趣点的特征,获取所述图像中多个目标物体的描述信息包括:
对于每个兴趣点,根据所述兴趣点以及所述兴趣点的多个相邻点的特征,获取由所述兴趣点和所述多个相邻点组成的目标物体的描述信息。
4.根据权利要求3所述的方法,其特征在于,所述根据所述兴趣点以及所述兴趣点的多个相邻点的特征,获取由所述兴趣点和所述多个相邻点组成的目标物体的描述信息包括:
将所述兴趣点以及所述兴趣点的多个相邻点的特征输入到第二网络模型中,由所述第二网络模型对数据库中多个描述信息的概率进行预测,所述第二网络模型基于多个样本特征以及对应的描述信息建立;
将所述多个描述信息中概率最高的描述信息获取为所述目标物体的描述信息。
5.根据权利要求1所述的方法,其特征在于,所述根据所述图像中多个目标物体的描述信息,获取所述图像的图像描述信息包括:
将所述图像中多个目标物体的描述信息组合,得到所述图像的图像描述信息。
6.一种图像描述信息的获取装置,其特征在于,所述装置包括:
提取模块,用于提取图像的图像特征;
确定模块,用于确定所述图像中的多个兴趣点,所述多个兴趣点用于指示所述图像中多个目标物体;
获取模块,用于根据所述多个兴趣点的特征,获取所述图像中多个目标物体的描述信息;
所述获取模块,还用于根据所述图像中多个目标物体的描述信息,获取所述图像的图像描述信息。
7.根据权利要求6所述的装置,其特征在于,所述确定模块,用于将所述图像输入到第一网络模型,由所述第一网络模型通过生成高斯权重来预测所述图像中的多个兴趣点,所述第一网络模型基于多个样本图像以及每个样本图像中标记的兴趣点建立,每个兴趣点的高斯权重大于所述兴趣点周围的点的高斯权重。
8.根据权利要求6所述的装置,其特征在于,所述获取模块,用于对于每个兴趣点,根据所述兴趣点以及所述兴趣点的多个相邻点的特征,获取由所述兴趣点和所述多个相邻点组成的目标物体的描述信息。
9.根据权利要求8所述的装置,其特征在于,所述获取模块,用于将所述兴趣点以及所述兴趣点的多个相邻点的特征输入到第二网络模型中,由所述第二网络模型对数据库中多个描述信息的概率进行预测,所述第二网络模型基于多个样本特征以及对应的描述信息建立;将所述多个描述信息中概率最高的描述信息获取为所述目标物体的描述信息。
10.根据权利要求6所述的装置,其特征在于,所述获取模块,用于将所述图像中多个目标物体的描述信息组合,得到所述图像的图像描述信息。
11.一种图像描述信息的获取装置,其特征在于,所述装置包括:
处理器;
用于存储处理器可执行的指令的存储器;
其中,所述处理器被配置为:
提取图像的图像特征;
确定所述图像中的多个兴趣点,所述多个兴趣点用于指示所述图像中多个目标物体;
根据所述多个兴趣点的特征,获取所述图像中多个目标物体的描述信息;
根据所述图像中多个目标物体的描述信息,获取所述图像的图像描述信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710379651.XA CN107133354B (zh) | 2017-05-25 | 2017-05-25 | 图像描述信息的获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710379651.XA CN107133354B (zh) | 2017-05-25 | 2017-05-25 | 图像描述信息的获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107133354A true CN107133354A (zh) | 2017-09-05 |
CN107133354B CN107133354B (zh) | 2020-11-10 |
Family
ID=59732950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710379651.XA Active CN107133354B (zh) | 2017-05-25 | 2017-05-25 | 图像描述信息的获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107133354B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154091A (zh) * | 2017-12-11 | 2018-06-12 | 北京小米移动软件有限公司 | 图像展示方法、图像处理方法及装置 |
CN108416065A (zh) * | 2018-03-28 | 2018-08-17 | 复旦大学 | 基于层级神经网络的图像-句子描述生成系统及方法 |
CN109145936A (zh) * | 2018-06-20 | 2019-01-04 | 北京达佳互联信息技术有限公司 | 一种模型优化方法及装置 |
CN109492607A (zh) * | 2018-11-27 | 2019-03-19 | Oppo广东移动通信有限公司 | 一种信息推送方法、信息推送装置及终端设备 |
WO2019242222A1 (zh) * | 2018-06-21 | 2019-12-26 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN110796594A (zh) * | 2019-10-28 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 一种图像生成方法、装置及设备 |
US11783199B2 (en) | 2018-11-30 | 2023-10-10 | Tencent Technology (Shenzhen) Company Limited | Image description information generation method and apparatus, and electronic device |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080201144A1 (en) * | 2007-02-16 | 2008-08-21 | Industrial Technology Research Institute | Method of emotion recognition |
US20160099010A1 (en) * | 2014-10-03 | 2016-04-07 | Google Inc. | Convolutional, long short-term memory, fully connected deep neural networks |
CN105678300A (zh) * | 2015-12-30 | 2016-06-15 | 成都数联铭品科技有限公司 | 一种复杂图像文字序列识别方法 |
CN105787458A (zh) * | 2016-03-11 | 2016-07-20 | 重庆邮电大学 | 基于人工设计特征和深度学习特征自适应融合的红外行为识别方法 |
CN106407971A (zh) * | 2016-09-14 | 2017-02-15 | 北京小米移动软件有限公司 | 文字识别方法及装置 |
CN106599198A (zh) * | 2016-12-14 | 2017-04-26 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种多级联结循环神经网络的图像描述方法 |
US20170140236A1 (en) * | 2015-11-18 | 2017-05-18 | Adobe Systems Incorporated | Utilizing interactive deep learning to select objects in digital visual media |
-
2017
- 2017-05-25 CN CN201710379651.XA patent/CN107133354B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080201144A1 (en) * | 2007-02-16 | 2008-08-21 | Industrial Technology Research Institute | Method of emotion recognition |
US20160099010A1 (en) * | 2014-10-03 | 2016-04-07 | Google Inc. | Convolutional, long short-term memory, fully connected deep neural networks |
US20170140236A1 (en) * | 2015-11-18 | 2017-05-18 | Adobe Systems Incorporated | Utilizing interactive deep learning to select objects in digital visual media |
CN105678300A (zh) * | 2015-12-30 | 2016-06-15 | 成都数联铭品科技有限公司 | 一种复杂图像文字序列识别方法 |
CN105787458A (zh) * | 2016-03-11 | 2016-07-20 | 重庆邮电大学 | 基于人工设计特征和深度学习特征自适应融合的红外行为识别方法 |
CN106407971A (zh) * | 2016-09-14 | 2017-02-15 | 北京小米移动软件有限公司 | 文字识别方法及装置 |
CN106599198A (zh) * | 2016-12-14 | 2017-04-26 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种多级联结循环神经网络的图像描述方法 |
Non-Patent Citations (1)
Title |
---|
ANDREJ KARPATHY ET AL: "Deep Visual-Semantic Alignments for Generating Image Descriptions", 《2015 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR)》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108154091A (zh) * | 2017-12-11 | 2018-06-12 | 北京小米移动软件有限公司 | 图像展示方法、图像处理方法及装置 |
CN108416065A (zh) * | 2018-03-28 | 2018-08-17 | 复旦大学 | 基于层级神经网络的图像-句子描述生成系统及方法 |
CN108416065B (zh) * | 2018-03-28 | 2021-08-31 | 复旦大学 | 基于层级神经网络的图像-句子描述生成系统及方法 |
CN109145936A (zh) * | 2018-06-20 | 2019-01-04 | 北京达佳互联信息技术有限公司 | 一种模型优化方法及装置 |
CN109145936B (zh) * | 2018-06-20 | 2019-07-09 | 北京达佳互联信息技术有限公司 | 一种模型优化方法及装置 |
WO2019242222A1 (zh) * | 2018-06-21 | 2019-12-26 | 北京字节跳动网络技术有限公司 | 用于生成信息的方法和装置 |
CN109492607A (zh) * | 2018-11-27 | 2019-03-19 | Oppo广东移动通信有限公司 | 一种信息推送方法、信息推送装置及终端设备 |
US11783199B2 (en) | 2018-11-30 | 2023-10-10 | Tencent Technology (Shenzhen) Company Limited | Image description information generation method and apparatus, and electronic device |
CN110796594A (zh) * | 2019-10-28 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 一种图像生成方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107133354B (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133354A (zh) | 图像描述信息的获取方法及装置 | |
CN108121952B (zh) | 人脸关键点定位方法、装置、设备及存储介质 | |
CN111368796B (zh) | 人脸图像的处理方法、装置、电子设备及存储介质 | |
CN109189985B (zh) | 文本风格处理方法、装置、电子设备及存储介质 | |
WO2020224479A1 (zh) | 目标的位置获取方法、装置、计算机设备及存储介质 | |
CN106548468B (zh) | 图像清晰度的判别方法及装置 | |
CN109859096A (zh) | 图像风格迁移方法、装置、电子设备及存储介质 | |
CN106446782A (zh) | 图像识别方法及装置 | |
CN107527059A (zh) | 文字识别方法、装置及终端 | |
CN109961094B (zh) | 样本获取方法、装置、电子设备及可读存储介质 | |
CN107220667A (zh) | 图像分类方法、装置及计算机可读存储介质 | |
US20210248363A1 (en) | Posture detection method, apparatus and device, and storage medium | |
CN107492115A (zh) | 目标对象的检测方法及装置 | |
CN110874145A (zh) | 一种输入方法、装置及电子设备 | |
CN108010060A (zh) | 目标检测方法及装置 | |
CN112115894B (zh) | 手部关键点检测模型的训练方法、装置及电子设备 | |
CN109819288A (zh) | 广告投放视频的确定方法、装置、电子设备及存储介质 | |
US11335348B2 (en) | Input method, device, apparatus, and storage medium | |
CN114266840A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN109360197A (zh) | 图像的处理方法、装置、电子设备及存储介质 | |
CN111814538B (zh) | 目标对象的类别识别方法、装置、电子设备及存储介质 | |
CN107341509A (zh) | 卷积神经网络的训练方法及装置 | |
CN110276418A (zh) | 基于图片的字体识别方法、装置、电子设备及存储介质 | |
CN112259122A (zh) | 音频类型识别方法、装置及存储介质 | |
CN113642551A (zh) | 指甲关键点检测方法、装置、电子设备及存储介质 |
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 |