CN108510084A - 用于生成信息的方法和装置 - Google Patents
用于生成信息的方法和装置 Download PDFInfo
- Publication number
- CN108510084A CN108510084A CN201810299838.3A CN201810299838A CN108510084A CN 108510084 A CN108510084 A CN 108510084A CN 201810299838 A CN201810299838 A CN 201810299838A CN 108510084 A CN108510084 A CN 108510084A
- Authority
- CN
- China
- Prior art keywords
- size
- sample image
- target area
- scaling
- markup information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000001514 detection method Methods 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 12
- 238000010801 machine learning Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 abstract description 4
- 239000003795 chemical substances by application Substances 0.000 description 22
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006854 communication Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000282693 Cercopithecidae Species 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Studio Devices (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括:获取第一样本图像以及与第一样本图像关联的标注信息,标注信息用于指示第一样本图像包括的至少一个目标区域的位置;从至少一个目标区域中选取目标区域;获取所选取的目标区域的尺寸;根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例;根据缩放比例缩放第一样本图像得到第二样本图像;根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息。该实施方式提供了一种基于尺寸变化的信息生成机制,丰富了信息生成的方法。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及用于生成信息的方法和装置。
背景技术
随着计算机技术的飞快发展,数字图像处理技术发展越来越迅猛,已经深入到生活的方方面面。在数字图像处理技术领域,很多技术都基于机器学习而展开,例如,目标检测、目标跟踪等。现有技术中,机器学习所需的样本数据通常直接来源于人工标注的样本库。
发明内容
本申请实施例提出了用于生成信息的方法和装置。
第一方面,本申请实施例提供了一种用于生成信息的方法,该方法包括:获取第一样本图像以及与第一样本图像关联的标注信息,标注信息用于指示第一样本图像包括的至少一个目标区域的位置;从至少一个目标区域中选取目标区域;获取所选取的目标区域的尺寸;根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例;根据缩放比例缩放第一样本图像得到第二样本图像;根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息。
在一些实施例中,从至少一个目标区域中选取目标区域,包括:从至少一个目标区域中随机选取目标区域。
在一些实施例中,根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例,包括:确定预先设置的第一尺寸集合中与所获取的尺寸匹配的第一尺寸;根据所确定的第一尺寸建立第二尺寸集合;从第二尺寸集合中随机选取第二尺寸;根据所选取的第二尺寸确定对第一样本图像执行缩放操作的缩放比例。
在一些实施例中,根据所确定的第一尺寸建立第二尺寸集合,包括:响应于所确定的第一尺寸是第一尺寸集合中最大的尺寸,在预先设置的尺寸集合中加入所确定的第一尺寸的预设倍数的尺寸,得到第二尺寸集合;响应于所确定的第一尺寸不是第一尺寸集合中最大的尺寸,将第一尺寸集合确定为第二尺寸集合。
在一些实施例中,根据所选取的第二尺寸确定对第一样本图像执行缩放操作的缩放比例,包括:从根据第二尺寸的确定的尺寸范围内随机选取一个尺寸作为目标尺寸;根据目标尺寸与所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例。
在一些实施例中,方法还包括:利用机器学习方法,将第二样本图像作为输入,与第二样本图像关联的标注信息作为输出,训练初始的目标检测模型。
第二方面,本申请实施例提供了一种用于生成信息的装置,该装置包括:第一获取单元,被配置成获取第一样本图像以及与第一样本图像关联的标注信息,标注信息用于指示第一样本图像包括的至少一个目标区域的位置;选取单元,被配置成从至少一个目标区域中选取目标区域;第二获取单元,被配置成获取所选取的目标区域的尺寸;确定单元,被配置成根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例;缩放单元,被配置成根据缩放比例缩放第一样本图像得到第二样本图像;生成单元,被配置成根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息。
在一些实施例中,选取单元,进一步被配置成:从至少一个目标区域中随机选取目标区域。
在一些实施例中,缩放单元,包括:第一确定子单元,被配置成确定预先设置的第一尺寸集合中与所获取的尺寸匹配的第一尺寸;建立子单元,被配置成根据所确定的第一尺寸建立第二尺寸集合;第一选取子单元,被配置成从第二尺寸集合中随机选取第二尺寸;第二确定子单元,被配置成根据所选取的第二尺寸确定对第一样本图像执行缩放操作的缩放比例。
在一些实施例中,建立子单元,进一步被配置成:响应于所确定的第一尺寸是第一尺寸集合中最大的尺寸,在预先设置的尺寸集合中加入所确定的第一尺寸的预设倍数的尺寸,得到第二尺寸集合;响应于所确定的第一尺寸不是第一尺寸集合中最大的尺寸,将第一尺寸集合确定为第二尺寸集合。
在一些实施例中,确定单元,包括:第二选取子单元,被配置成从根据第二尺寸的确定的尺寸范围内随机选取一个尺寸作为目标尺寸;第三确定子单元,被配置成根据目标尺寸与所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例。
在一些实施例中,装置还包括:训练单元,被配置成利用机器学习方法,将第二样本图像作为输入,与第二样本图像关联的标注信息作为输出,训练初始的目标检测模型。
第三方面,本申请实施例提供了一种设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现如第一方面上述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面上述的方法。
本申请实施例提供的用于生成信息的方法和装置,通过获取第一样本图像以及与第一样本图像关联的标注信息,并从至少一个目标区域中选取目标区域,而后获取所选取的目标区域的尺寸,根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例,并根据缩放比例缩放第一样本图像得到第二样本图像,最后根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息,从而提供了一种基于尺寸变化的信息生成机制,丰富了信息生成的方法。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于生成信息的方法的一个实施例的流程图;
图3是根据本申请的用于生成信息的方法的应用场景的一个示意图;
图4是根据本申请的用于生成信息的方法的又一个实施例的流程图;
图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于生成信息的方法或用于生成信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构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、无线通信链路或者光纤电缆等等。
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上可以安装有各种应用,例如图像采集类应用、图像处理类应用、活体检测类应用、搜索类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,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。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供图像采集服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上安装的应用提供支持的后台服务器,后台服务器可以对终端提交的数据进行分析、存储或计算等处理,并将采用机器学习任务获得的数据处理结果推送给终端设备。服务器105可以获取第一样本图像以及与第一样本图像关联的标注信息,标注信息用于指示第一样本图像包括的至少一个目标区域的位置;从至少一个目标区域中选取目标区域;获取所选取的目标区域的尺寸;根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例;根据缩放比例缩放第一样本图像得到第二样本图像;根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息。
需要说明的是,本申请实施例所提供的用于生成信息的方法可以由服务器105执行,也可以由终端设备101、102、103执行。相应地,用于生成信息的装置可以设置于服务器105中,也可以设置于终端设备101、102、103中。
需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要指出的是,服务器105可以从本地数据库中或服务器集群中其他服务器处获取待处理的数据(例如第一样本图像以及与第一样本图像关联的标注信息)。此时,示例性系统架构100也可以不包括终端设备101、102、103和网络104。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法,包括以下步骤:
步骤201,获取第一样本图像以及与第一样本图像关联的标注信息。
在本实施例中,用于生成信息的方法执行主体(例如图1所示的服务器或终端设备)可以首先获取第一样本图像以及与第一样本图像关联的标注信息。第一样本图像可以存储于预先设置的样本数据库,样本数据库可以预先建立于上述执行主体本地,或其他服务集群中。
在这里,标注信息用于指示第一样本图像包括的至少一个目标区域的位置。若第一样本图像仅包括一个目标区域,则标注信息可以包括一个目标区域的位置信息;若第一样本图像包括多个目标区域,则标注信息可以包括多组目标区域的信息,每组目标区域的信息包括目标区域的标识以及与标识对应的目标区域的位置信息。
目标可以是具体的人或者动物的身体某部分,例如,人脸、动物的头部等。作为示例,目标还可以是动物或植物,比如,猴子、大象、灌木丛等等。目标区域可以是待检测图像中显示上述目标的图像的区域,作为示例,可以用矩形框或其他形状的框框出的显示上述目标的图像的区域作为目标区域。
标注信息可以是人工或机器对第一样本图像进行标注得到的信息。标注信息可以是任何能够对第一样本图像中的目标区域和非目标区域进行区分的信息。例如,对第一样本图像中的某个目标区域,可以将属于该目标区域的各像素均标识“1”,而对第一样本图像中的不属于该目标区域的各像素标识“0”。又如,目标区域为矩形时,坐标可以包括目标区域右上角顶点的横坐标、右上角顶点的纵坐标、左下角顶点的横坐标、左下角顶点的纵坐标;或表征目标区域的中心的横坐标、中心的纵坐标、目标区域的长、目标区域的宽。
步骤202,从至少一个目标区域中选取目标区域。
在本实施例中,上述执行主体可以从步骤201获取的标注信息指示的中第一样本图像包括的至少一个目标区域中选取目标区域。若第一样本图像仅包括一个目标区域,则选取该目标区域。若第一样本图像仅包括至少两个目标区域,则上述执行主体可以根据预先设置的选取规则从至少一个目标区域中选取目标区域。具体的选取规则可以根据实际需要进行设置,例如,选取至少一个目标区域中面积最大的目标区域、选取至少一个目标区域中面积最小的目标区域、或选取至少一个目标区域中面积中等的目标区域。
在本实施例的一些可选实现方式中,从至少一个目标区域中选取目标区域,包括:从至少一个目标区域中随机选取目标区域。随机选取目标区域增加了信息生成过程中的随机性,进一步丰富了信息生成方法。上述电子设备还可以去除至少一个目标区域中面积超过预设最大值的目标区域,和/或去除至少一个目标区域中面积小于预设最小值的目标区域,而后在余下的目标区域中随机选取目标区域。
步骤203,获取所选取的目标区域的尺寸。
在本实施例中,上述执行主体可以获取步骤202中选取的目标区域的尺寸。目标区域的尺寸的具体度量方式可以根据目标区域的形状确定,例如目标区域为矩形时,目标区域的尺寸可以通过矩形的长宽体现,如128×128像素。所选取的目标区域的尺寸可以基于步骤201获取的标注信息得到。
步骤204,根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例。
在本实施例中,上述执行主体可以根据步骤203中获取的尺寸确定对第一样本图像执行缩放操作的缩放比例。缩放比例可以是缩放前的尺寸比缩放后的尺寸,也可以是缩放前的尺寸比缩放后的尺寸,例如,缩放后目标区域的边长比缩放前目标区域的边长。上述执行主体可以根据预先设置的缩放规则与所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例,具体的缩放规则可以根据实际需要进行设置,作为示例,上述执行主体可以根据所获取的目标区域的尺寸,确定一个尺寸范围,在确定出的尺寸范围内随机选取一个尺寸作为缩放后该目标区域的尺寸,再根据该目标区域缩放前后的尺寸确定对第一样本图像执行缩放操作的缩放比例。尺寸范围可以根据实际需要进行设置,例如,所获取的目标区域的尺寸的一半到所获取的目标区域的尺寸的两倍。作为示例,上述执行主体也可以直接根据所获取的尺寸,确定缩放比例,例如,所获取的尺寸属于一个预先设置的较小的尺寸范围,则可以选择一个预先设置的较大的缩放比例。
步骤205,根据缩放比例缩放第一样本图像得到第二样本图像。
在本实施例中,上述执行主体可以根据步骤204中确定的缩放比例缩放第一样本图像得到第二样本图像。上述执行主体可以采用现有技术中各种缩放算法缩放第一样本图像得到第二样本图像,本实施例对采取何种缩放算法不作限定,其为本领域技术人员熟知的技术,在此不作赘述。
步骤206,根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息。
在本实施例中,上述执行主体可以根据与第一样本图像关联的标注信息与步骤204中确定的缩放比例缩放生成与第二样本图像关联的标注信息。与第二样本图像关联的标注信息用于指示第二样本图像包括的至少一个缩放后的目标区域的位置。上述执行主体可以根据缩放比例,将用于指示第一样本图像包括的至少一个缩放前的目标区域的位置的标注信息,修改为指示缩放后的目标区域的位置的标注信息,并将其确定为与第二样本图像关联的标注信息
在本实施例的一些可选实现方式中,方法还包括:利用机器学习方法,将第二样本图像作为输入,与第二样本图像关联的标注信息作为输出,训练初始的目标检测模型。目标检测,是通过分析图像或者视频中的目标的特征,将目标识别出来,获得目标的类别和位置信息,能够对目标做进一步分析和理解提供帮助。目标检测模型可以用于表征图像和用于表征目标区域的位置的信息之间的对应关系。
这里,初始的目标检测模型可以是未经训练的机器学习模型或未训练完成的机器学习模型,初始的目标检测模型可以设置有参数(例如不同的小随机数),参数在目标检测模型的训练过程中可以被不断地调整。直至训练出能够表征图像和用于表征目标区域的位置的信息之间的对应关系的目标检测模型为止。作为示例,可以采用BP(BackPropagation,反向传播)算法或者SGD(Stochastic Gradient Descent,随机梯度下降)算法来调整机器学习模型的参数。
可选的,上述电子设备还可以去除与第二样本图像关联的标注信息中用于指示特定目标区域的位置的信息,特定目标区域可以是缩放后的尺寸不在预设尺寸范围内的目标区域。尺寸范围可以根据实际需要进行设置。去除指示尺寸过大或过小的目标区域的位置的信息,有利于提高训练出的目标检测模型输出的检测结果的准确度。
继续参见图3,图3是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图3的应用场景中,服务器301可以首先获取第一样本图像302以及与第一样本图像302关联的标注信息,标注信息用于指示第一样本图像302包括的目标区域3021、目标区域3022、目标区域3023的位置,而后可以从目标区域3021、目标区域3022、目标区域3023中选取目标区域,例如,选择目标区域3021,并获取所选取的目标区域3021的尺寸,根据所获取的尺寸确定对第一样本图像302执行缩放操作的缩放比例;根据缩放比例缩放第一样本图像302得到第二样本图像303;根据第一样本图像302的标注信息与缩放比例生成与第二样本图像303关联的标注信息,与第二样本图像303关联的标注信息可以用于指示第二样本图像303包括的目标区域3031、目标区域3032、目标区域3033的位置。
本申请的上述实施例提供的方法通过获取第一样本图像以及与第一样本图像关联的标注信息,标注信息用于指示第一样本图像包括的至少一个目标区域的位置;从至少一个目标区域中选取目标区域;获取所选取的目标区域的尺寸;根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例;根据缩放比例缩放第一样本图像得到第二样本图像;根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息,从而提供了一种基于尺寸变化的信息生成机制,丰富了信息生成的方法。
进一步参考图4,其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400,包括以下步骤:
步骤401,获取第一样本图像以及与第一样本图像关联的标注信息。
在本实施例中,用于生成信息的方法执行主体(例如图1所示的服务器或终端设备)可以首先获取第一样本图像以及与第一样本图像关联的标注信息。标注信息用于指示第一样本图像包括的至少一个目标区域的位置。
步骤402,从至少一个目标区域中选取目标区域。
在本实施例中,上述执行主体可以从步骤401获取的标注信息指示的中第一样本图像包括的至少一个目标区域中选取目标区域。
在本实施例的一些可选实现方式中,从至少一个目标区域中选取目标区域,包括:从至少一个目标区域中随机选取目标区域。
步骤403,获取所选取的目标区域的尺寸。
在本实施例中,上述执行主体可以获取步骤402中选取的目标区域的尺寸。
步骤404,确定预先设置的第一尺寸集合中与所获取的尺寸匹配的第一尺寸。
在本实施例中,上述执行主体可以确定预先设置的第一尺寸集合中与根据步骤403中获取的尺寸匹配的第一尺寸。第一尺寸集合可以根据实际需要进行设置。与所获取的尺寸匹配可以是与所获取的尺寸最接近或与所获取的尺寸差值小于预设阈值。作为示例,目标区域为矩形,步骤403中获取的尺寸为136×136,第一尺寸集合是{16×16,32×32,64×64,128×128,256×256,512×512},则第一尺寸集合中与所获取的尺寸匹配的第一尺寸为128×128。
步骤405,根据所确定的第一尺寸建立第二尺寸集合。
在本实施例中,上述执行主体可以根据步骤404确定的第一尺寸建立第二尺寸集合。第二尺寸集合中可以包括若干个特定倍数的第一尺寸的集合,具体的倍数可以根据实际需要进行设置,例如,1/8的第一尺寸、1/4的第一尺寸、1/2的第一尺寸、第一尺寸、2倍的第一尺寸、4倍的第一尺寸等。
在本实施例的一些可选实现方式中,根据所确定的第一尺寸建立第二尺寸集合,包括:响应于所确定的第一尺寸是第一尺寸集合中最大的尺寸,在预先设置的尺寸集合中加入所确定的第一尺寸的预设倍数的尺寸,得到第二尺寸集合;响应于所确定的第一尺寸不是第一尺寸集合中最大的尺寸,将第一尺寸集合确定为第二尺寸集合。例如,第一尺寸集合是{16×16,32×32,64×64,128×128,256×256,512×512},与所获取的尺寸匹配的第一尺寸是512×512,则可以将1024×1024加入第一尺寸集合,得到第二尺寸集合{16×16,32×32,64×64,128×128,256×256,512×512,1024×1024},若与所获取的尺寸匹配的第一尺寸是64×64,则第二尺寸集合可以是{16×16,32×32,64×64,128×128,256×256,512×512},上述尺寸的单位可以是像素。
步骤406,从第二尺寸集合中随机选取第二尺寸。
在本实施例中,上述执行主体可以从步骤405中确定的第二尺寸集合中随机选取第二尺寸。
步骤407,根据所选取的第二尺寸确定对第一样本图像执行缩放操作的缩放比例。
在本实施例中,上述执行主体可以根据步骤406中选取的第二尺寸确定对第一样本图像执行缩放操作的缩放比例。例如,所选取的第二尺寸为256×256,步骤403中获取的尺寸为128×128,则缩放后的第一样本图像的尺寸与缩放前的第一样本图像的尺寸之比为2。
步骤405,根据缩放比例缩放第一样本图像得到第二样本图像。
在本实施例中,上述执行主体可以根据步骤404中确定的缩放比例缩放第一样本图像得到第二样本图像。
步骤406,根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息。
在本实施例中,上述执行主体可以根据与第一样本图像关联的标注信息与步骤404中确定的缩放比例缩放生成与第二样本图像关联的标注信息。
在本实施例的一些可选实现方式中,根据所选取的第二尺寸确定对第一样本图像执行缩放操作的缩放比例,包括:从根据第二尺寸的确定的尺寸范围内随机选取一个尺寸作为目标尺寸;根据目标尺寸与所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例。
在本实施例中,步骤401、步骤402、步骤403、步骤408、步骤409的操作与步骤201、步骤202、步骤203、步骤205、步骤206的操作基本相同,在此不再赘述。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于生成信息的方法的流程400中通过建立第二尺寸集合,并在第二尺寸集合中随机选取第二尺寸,增加了确定缩放比例时的随机性,进一步丰富了信息生成方法。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于生成信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于生成信息的装置500包括:第一获取单元501、选取单元502、第二获取单元503、确定单元504、缩放单元505和生成单元506。其中,第一获取单元501,用于获取第一样本图像以及与第一样本图像关联的标注信息,标注信息用于指示第一样本图像包括的至少一个目标区域的位置;选取单元,被配置成从至少一个目标区域中选取目标区域;第二获取单元,被配置成获取所选取的目标区域的尺寸;确定单元,被配置成根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例;缩放单元,被配置成根据缩放比例缩放第一样本图像得到第二样本图像;生成单元,被配置成根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息。
在本实施例中,用于生成信息的装置500的第一获取单元501、选取单元502、第二获取单元503、确定单元504、缩放单元505和生成单元506的具体处理可以参考图2对应实施例中的步骤201、步骤202、步骤203、步骤204、步骤205和步骤206。
第一获取单元,被配置成获取第一样本图像以及与第一样本图像关联的标注信息,标注信息用于指示第一样本图像包括的至少一个目标区域的位置;选取单元,被配置成从至少一个目标区域中选取目标区域;第二获取单元,被配置成获取所选取的目标区域的尺寸;确定单元,被配置成根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例;缩放单元,被配置成根据缩放比例缩放第一样本图像得到第二样本图像;生成单元,被配置成根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息。
在本实施例的一些可选实现方式中,选取单元,进一步被配置成:从至少一个目标区域中随机选取目标区域。
在本实施例的一些可选实现方式中,缩放单元,包括:第一确定子单元,被配置成确定预先设置的第一尺寸集合中与所获取的尺寸匹配的第一尺寸;建立子单元,被配置成根据所确定的第一尺寸建立第二尺寸集合;第一选取子单元,被配置成从第二尺寸集合中随机选取第二尺寸;第二确定子单元,被配置成根据所选取的第二尺寸确定对第一样本图像执行缩放操作的缩放比例。
在本实施例的一些可选实现方式中,建立子单元,进一步被配置成:响应于所确定的第一尺寸是第一尺寸集合中最大的尺寸,在预先设置的尺寸集合中加入所确定的第一尺寸的预设倍数的尺寸,得到第二尺寸集合;响应于所确定的第一尺寸不是第一尺寸集合中最大的尺寸,将第一尺寸集合确定为第二尺寸集合。
在本实施例的一些可选实现方式中,确定单元,包括:第二选取子单元,被配置成从根据第二尺寸的确定的尺寸范围内随机选取一个尺寸作为目标尺寸;第三确定子单元,被配置成根据目标尺寸与所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例。
在本实施例的一些可选实现方式中,装置还包括:训练单元,被配置成利用机器学习方法,将第二样本图像作为输入,与第二样本图像关联的标注信息作为输出,训练初始的目标检测模型。
本申请的上述实施例提供的装置,通过获取第一样本图像以及与第一样本图像关联的标注信息,标注信息用于指示第一样本图像包括的至少一个目标区域的位置;从至少一个目标区域中选取目标区域;获取所选取的目标区域的尺寸;根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例;根据缩放比例缩放第一样本图像得到第二样本图像;根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息,从而提供了一种基于尺寸变化的信息生成机制,丰富了信息生成的方法。
下面参考图6,其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器或终端设备)的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 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。
以下部件可以连接至I/O接口605:包括诸如键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一获取单元、选取单元、第二获取单元、确定单元、缩放单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,选取单元还可以被描述为“用于从至少一个目标区域中选取目标区域的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该装置执行时,使得该装置:获取第一样本图像以及与第一样本图像关联的标注信息,标注信息用于指示第一样本图像包括的至少一个目标区域的位置;从至少一个目标区域中选取目标区域;获取所选取的目标区域的尺寸;根据所获取的尺寸确定对第一样本图像执行缩放操作的缩放比例;根据缩放比例缩放第一样本图像得到第二样本图像;根据与第一样本图像关联的标注信息以及缩放比例生成与第二样本图像关联的标注信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于生成信息的方法,所述方法包括:
获取第一样本图像以及与所述第一样本图像关联的标注信息,所述标注信息用于指示所述第一样本图像包括的至少一个目标区域的位置;
从所述至少一个目标区域中选取目标区域;
获取所选取的目标区域的尺寸;
根据所获取的尺寸确定对所述第一样本图像执行缩放操作的缩放比例;
根据所述缩放比例缩放所述第一样本图像得到第二样本图像;
根据所述与第一样本图像关联的标注信息以及所述缩放比例生成与所述第二样本图像关联的标注信息。
2.根据权利要求1所述的方法,其中,所述从所述至少一个目标区域中选取目标区域,包括:
从所述至少一个目标区域中随机选取目标区域。
3.根据权利要求1所述的方法,其中,所述根据所获取的尺寸确定对所述第一样本图像执行缩放操作的缩放比例,包括:
确定预先设置的第一尺寸集合中与所获取的尺寸匹配的第一尺寸;
根据所确定的第一尺寸建立第二尺寸集合;
从所述第二尺寸集合中随机选取第二尺寸;
根据所选取的第二尺寸确定对所述第一样本图像执行缩放操作的缩放比例。
4.根据权利要求3所述的方法,其中,所述根据所确定的第一尺寸建立第二尺寸集合,包括:
响应于所确定的第一尺寸是所述第一尺寸集合中最大的尺寸,在预先设置的尺寸集合中加入所确定的第一尺寸的预设倍数的尺寸,得到第二尺寸集合;
响应于所确定的第一尺寸不是所述第一尺寸集合中最大的尺寸,将所述第一尺寸集合确定为第二尺寸集合。
5.根据权利要求3所述的方法,其中,所述根据所选取的第二尺寸确定对所述第一样本图像执行缩放操作的缩放比例,包括:
从根据所述第二尺寸的确定的尺寸范围内随机选取一个尺寸作为目标尺寸;
根据所述目标尺寸与所获取的尺寸确定对所述第一样本图像执行缩放操作的缩放比例。
6.根据权利要求1-5中任一项所述的方法,其中,所述方法还包括:
利用机器学习方法,将所述第二样本图像作为输入,与所述第二样本图像关联的标注信息作为输出,训练初始的目标检测模型。
7.一种用于生成信息的装置,所述装置包括:
第一获取单元,被配置成获取第一样本图像以及与所述第一样本图像关联的标注信息,所述标注信息用于指示所述第一样本图像包括的至少一个目标区域的位置;
选取单元,被配置成从所述至少一个目标区域中选取目标区域;
第二获取单元,被配置成获取所选取的目标区域的尺寸;
确定单元,被配置成根据所获取的尺寸确定对所述第一样本图像执行缩放操作的缩放比例;
缩放单元,被配置成根据所述缩放比例缩放所述第一样本图像得到第二样本图像;
生成单元,被配置成根据所述与第一样本图像关联的标注信息以及所述缩放比例生成与所述第二样本图像关联的标注信息。
8.根据权利要求7所述的装置,其中,所述选取单元,进一步被配置成:
从所述至少一个目标区域中随机选取目标区域。
9.根据权利要求7所述的装置,其中,所述缩放单元,包括:
第一确定子单元,被配置成确定预先设置的第一尺寸集合中与所获取的尺寸匹配的第一尺寸;
建立子单元,被配置成根据所确定的第一尺寸建立第二尺寸集合;
第一选取子单元,被配置成从所述第二尺寸集合中随机选取第二尺寸;
第二确定子单元,被配置成根据所选取的第二尺寸确定对所述第一样本图像执行缩放操作的缩放比例。
10.根据权利要求9所述的装置,其中,所述建立子单元,进一步被配置成:
响应于所确定的第一尺寸是所述第一尺寸集合中最大的尺寸,在预先设置的尺寸集合中加入所确定的第一尺寸的预设倍数的尺寸,得到第二尺寸集合;
响应于所确定的第一尺寸不是所述第一尺寸集合中最大的尺寸,将所述第一尺寸集合确定为第二尺寸集合。
11.根据权利要求9所述的装置,其中,所述确定单元,包括:
第二选取子单元,被配置成从根据所述第二尺寸的确定的尺寸范围内随机选取一个尺寸作为目标尺寸;
第三确定子单元,被配置成根据所述目标尺寸与所获取的尺寸确定对所述第一样本图像执行缩放操作的缩放比例。
12.根据权利要求7-11中任一项所述的装置,其中,所述装置还包括:
训练单元,被配置成利用机器学习方法,将所述第二样本图像作为输入,与所述第二样本图像关联的标注信息作为输出,训练初始的目标检测模型。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810299838.3A CN108510084B (zh) | 2018-04-04 | 2018-04-04 | 用于生成信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810299838.3A CN108510084B (zh) | 2018-04-04 | 2018-04-04 | 用于生成信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108510084A true CN108510084A (zh) | 2018-09-07 |
CN108510084B CN108510084B (zh) | 2022-08-23 |
Family
ID=63380705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810299838.3A Active CN108510084B (zh) | 2018-04-04 | 2018-04-04 | 用于生成信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510084B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109697755A (zh) * | 2018-12-24 | 2019-04-30 | 深圳供电局有限公司 | 输电铁塔模型的增强现实显示方法、装置和终端设备 |
CN110232657A (zh) * | 2019-06-17 | 2019-09-13 | 深圳市迅雷网络技术有限公司 | 一种图像缩放方法、装置、设备及介质 |
CN110969065A (zh) * | 2018-09-30 | 2020-04-07 | 北京四维图新科技股份有限公司 | 车辆检测方法、装置、前车防撞预警设备及存储介质 |
CN111291285A (zh) * | 2018-12-10 | 2020-06-16 | 北京京东尚科信息技术有限公司 | 图像标注方法、装置和计算机可读存储介质 |
CN111988664A (zh) * | 2020-09-01 | 2020-11-24 | 广州酷狗计算机科技有限公司 | 视频处理方法、装置、计算机设备及计算机可读存储介质 |
CN112633357A (zh) * | 2020-12-18 | 2021-04-09 | 北京地平线信息技术有限公司 | 样本图像生成方法和装置、图像识别模型生成方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010048764A1 (en) * | 1999-01-12 | 2001-12-06 | Claude Betrisey | Methods apparatus and data structures for enhancing the resolution of images to be rendered on patterned display devices |
CN104298963A (zh) * | 2014-09-11 | 2015-01-21 | 浙江捷尚视觉科技股份有限公司 | 一种鲁棒的基于人脸形状回归模型的多姿态疲劳监测方法 |
CN105808610A (zh) * | 2014-12-31 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种互联网图片过滤方法及装置 |
CN106157307A (zh) * | 2016-06-27 | 2016-11-23 | 浙江工商大学 | 一种基于多尺度cnn和连续crf的单目图像深度估计方法 |
CN106485230A (zh) * | 2016-10-18 | 2017-03-08 | 中国科学院重庆绿色智能技术研究院 | 基于神经网络的人脸检测模型的训练、人脸检测方法及系统 |
CN106874907A (zh) * | 2017-01-19 | 2017-06-20 | 博康智能信息技术有限公司北京海淀分公司 | 一种建立车牌识别模型的方法及装置 |
CN107124543A (zh) * | 2017-02-20 | 2017-09-01 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
CN107123084A (zh) * | 2016-02-24 | 2017-09-01 | 奥多比公司 | 优化图像裁剪 |
CN107590482A (zh) * | 2017-09-29 | 2018-01-16 | 百度在线网络技术(北京)有限公司 | 信息生成方法和装置 |
-
2018
- 2018-04-04 CN CN201810299838.3A patent/CN108510084B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010048764A1 (en) * | 1999-01-12 | 2001-12-06 | Claude Betrisey | Methods apparatus and data structures for enhancing the resolution of images to be rendered on patterned display devices |
CN104298963A (zh) * | 2014-09-11 | 2015-01-21 | 浙江捷尚视觉科技股份有限公司 | 一种鲁棒的基于人脸形状回归模型的多姿态疲劳监测方法 |
CN105808610A (zh) * | 2014-12-31 | 2016-07-27 | 中国科学院深圳先进技术研究院 | 一种互联网图片过滤方法及装置 |
CN107123084A (zh) * | 2016-02-24 | 2017-09-01 | 奥多比公司 | 优化图像裁剪 |
CN106157307A (zh) * | 2016-06-27 | 2016-11-23 | 浙江工商大学 | 一种基于多尺度cnn和连续crf的单目图像深度估计方法 |
CN106485230A (zh) * | 2016-10-18 | 2017-03-08 | 中国科学院重庆绿色智能技术研究院 | 基于神经网络的人脸检测模型的训练、人脸检测方法及系统 |
CN106874907A (zh) * | 2017-01-19 | 2017-06-20 | 博康智能信息技术有限公司北京海淀分公司 | 一种建立车牌识别模型的方法及装置 |
CN107124543A (zh) * | 2017-02-20 | 2017-09-01 | 维沃移动通信有限公司 | 一种拍摄方法及移动终端 |
CN107590482A (zh) * | 2017-09-29 | 2018-01-16 | 百度在线网络技术(北京)有限公司 | 信息生成方法和装置 |
Non-Patent Citations (4)
Title |
---|
DONG W M ET AL: "Optimized image resizing using seam carving and scaling", 《ACM TRANSACTIONS ON GRAPHICS》 * |
何东健 等: "《数字图像处理》", 28 February 2015, 西安电子科技大学出版社 * |
夏阳 等: "《神经信息学基础》", 30 September 2015, 电子科技大学出版社 * |
郭迎春等: "基于概率随机裁剪的图像缩放算法", 《通信学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110969065A (zh) * | 2018-09-30 | 2020-04-07 | 北京四维图新科技股份有限公司 | 车辆检测方法、装置、前车防撞预警设备及存储介质 |
CN110969065B (zh) * | 2018-09-30 | 2023-11-28 | 北京四维图新科技股份有限公司 | 车辆检测方法、装置、前车防撞预警设备及存储介质 |
CN111291285A (zh) * | 2018-12-10 | 2020-06-16 | 北京京东尚科信息技术有限公司 | 图像标注方法、装置和计算机可读存储介质 |
CN109697755A (zh) * | 2018-12-24 | 2019-04-30 | 深圳供电局有限公司 | 输电铁塔模型的增强现实显示方法、装置和终端设备 |
CN109697755B (zh) * | 2018-12-24 | 2023-07-21 | 深圳供电局有限公司 | 输电铁塔模型的增强现实显示方法、装置和终端设备 |
CN110232657A (zh) * | 2019-06-17 | 2019-09-13 | 深圳市迅雷网络技术有限公司 | 一种图像缩放方法、装置、设备及介质 |
CN111988664A (zh) * | 2020-09-01 | 2020-11-24 | 广州酷狗计算机科技有限公司 | 视频处理方法、装置、计算机设备及计算机可读存储介质 |
CN112633357A (zh) * | 2020-12-18 | 2021-04-09 | 北京地平线信息技术有限公司 | 样本图像生成方法和装置、图像识别模型生成方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108510084B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510084A (zh) | 用于生成信息的方法和装置 | |
US10853623B2 (en) | Method and apparatus for generating information | |
US10650492B2 (en) | Method and apparatus for generating image | |
US11978245B2 (en) | Method and apparatus for generating image | |
CN108898185A (zh) | 用于生成图像识别模型的方法和装置 | |
CN109858445A (zh) | 用于生成模型的方法和装置 | |
CN109447156B (zh) | 用于生成模型的方法和装置 | |
CN110288049A (zh) | 用于生成图像识别模型的方法和装置 | |
CN108280477A (zh) | 用于聚类图像的方法和装置 | |
CN109086719A (zh) | 用于输出数据的方法和装置 | |
CN108989882A (zh) | 用于输出视频中的音乐片段的方法和装置 | |
CN108509921A (zh) | 用于生成信息的方法和装置 | |
CN109976997A (zh) | 测试方法和装置 | |
CN108509916A (zh) | 用于生成图像的方法和装置 | |
CN109815365A (zh) | 用于处理视频的方法和装置 | |
CN109214501A (zh) | 用于识别信息的方法和装置 | |
CN109784304A (zh) | 用于标注牙齿图像的方法和装置 | |
CN108882025A (zh) | 视频帧处理方法和装置 | |
CN108388889A (zh) | 用于分析人脸图像的方法和装置 | |
CN109241934A (zh) | 用于生成信息的方法和装置 | |
CN108509994A (zh) | 人物图像聚类方法和装置 | |
CN108427941A (zh) | 用于生成人脸检测模型的方法、人脸检测方法和装置 | |
CN110472558A (zh) | 图像处理方法和装置 | |
CN108364029A (zh) | 用于生成模型的方法和装置 | |
CN109117758A (zh) | 用于生成信息的方法和装置 |
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 |