CN109447154A - 图片相似度检测方法、装置、介质及电子设备 - Google Patents
图片相似度检测方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN109447154A CN109447154A CN201811270419.3A CN201811270419A CN109447154A CN 109447154 A CN109447154 A CN 109447154A CN 201811270419 A CN201811270419 A CN 201811270419A CN 109447154 A CN109447154 A CN 109447154A
- Authority
- CN
- China
- Prior art keywords
- picture
- similarity
- detected
- preset
- algorithm
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Abstract
本发明实施例提供了一种图片相似度检测方法、装置、介质及电子设备，该方法包括：获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度；当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测；当所述第一相似度不满足所述预设的相似度阈值条件时，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对；其中，第二比对算法的比对精度高于所述第一比对算法的精度。本发明实施例的技术方案能够提高图片相似度的检测精度。
Description
技术领域
本发明涉及图片处理技术领域，具体而言，涉及一种图片相似度检测方法、装置、介质及电子设备。
背景技术
随着互联网技术的发展与游戏开发技术的提升，对于游戏中输出图片的显示要求也逐渐提高。一般的，游戏中的图片输出显示之前，需要先通过资源检查系统，并使用图像识别算法，将产出的图与正确图库中的图进行比对，当该相似度检测结果符合要求时，才能够输出使用。而该资源检查系统的核心就是图像相似度检测算法。
现有技术中，对于图片的相似度检测，一般是通过采用单一的颜色直方图算法将图片分块对比，得到相似度检测结果。因此，这种检测方法不仅运行速度较慢，效率较低，而且准确率较低，并不能有效对大量图片进行检测。
因此，现有技术中的图片相似度检测方法效率和准确率有待提高。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种图片相似度检测方法，进而至少在一定程度上克服现有技术中的图片相似度检测方法效率及准确率较低的缺陷。
本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。
根据本发明实施例的第一方面，提供了一种图片相似度检测方法，包括：获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度；当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测；当所述第一相似度不满足所述预设的相似度阈值条件时，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对；其中，第二比对算法的比对精度高于所述第一比对算法的精度。
在本发明的一些实施例中，基于前述方案，根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对，包括：判断所述第二相似度是否满足所述预设的相似度阈值条件；当所述第二相似度满足所述预设的相似度阈值条件时，完成对所述待检测图片的相似度检测；当所述第二相似度不满足预设条件时，利用第三比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第三相似度；根据所述第三相似度确定对所述待检测图片的相似度检测结果；其中，第三比对算法的比对精度高于所述第二比对算法的精度。
在本发明的一些实施例中，基于前述方案，所述第一比对算法为第一精度的图片哈希算法，所述第二比对算法为第二精度的图片哈希算法，所述第三比对算法为峰值信噪比算法与结构相似性算法的组合。
在本发明的一些实施例中，基于前述方案，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度，包括：将所述待检测图片与所述预设的基准图片库中的基准图片缩小到相同数量级，且转换为对应的灰度图片；对所述灰度图片进行离散余弦变换得到系数矩阵；对所述系数矩阵进行处理，生成待检测图片指纹与基准图片指纹；比对所述待检测图片指纹与所述基准图片指纹，得到第一相似度。
在本发明的一些实施例中，基于前述方案，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，包括：所述待检测图片与所述预设的基准图片库中的基准图片进行分割，生成对应的至少一张分割图片；对所述至少一张分割图片再次运行所述第一比对算法，得到第二相似度。
在本发明的一些实施例中，基于前述方案，利用第三比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第三相似度，包括：对所述待检测图片与所述预设基准图片库中的基准图片运行峰值信噪比算法，得到峰值信噪比计算结果；对所述待检测图片与所述预设基准图片库中的基准图片运行结构相似性算法，得到结构相似性计算结果；将所述峰值信噪比计算结果与所述结构相似性计算结果分别乘以各自的预设权重，得到第三相似度。
在本发明的一些实施例中，基于前述方案，获取待检测图片，包括：基于边缘检测算法对原始图片进行边缘检测，得到原始图片的外层坐标；基于所述外层坐标对原始图片进行切割，得到待检测图片。
根据本发明实施例的第二方面，提供了一种图片相似度检测装置，包括：第一比对模块，用于获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度，当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测；第二比对模块，用于当所述第一相似度不满足所述预设的相似度阈值条件时，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对，其中，第二比对算法的比对精度高于所述第一比对算法的精度。
根据本发明实施例的第三方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述实施例中第一方面所述的图片相似度检测方法。
根据本发明实施例的第四方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，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上述实施例中第一方面所述的图片相似度检测方法。
本发明实施例提供的技术方案可以包括以下有益效果：
在本发明的一些实施例所提供的技术方案中，一方面，通过获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度，当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测，能够在较短时间内完成对待检测图片的相似度检测，提高了图片检测的效率；另一方面，当所述第一相似度不满足所述预设的相似度阈值条件时，利用精度高于第一比对算法的第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对，能够降低图片检测的误报率，提高图片相似度检测的精度以及准确率。
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，并不能限制本发明。
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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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。在附图中：
图1示意性示出了根据本发明的实施例的图片相似度检测方法的流程图；
图2示意性示出了根据本发明的另一实施例的图片相似度检测方法的流程图；
图3示意性示出了根据本发明的再一实施例的图片相似度检测方法的流程图；
图4示意性示出了根据本发明的又一实施例的图片相似度检测方法的流程图；
图5示意性示出了根据本发明的实施例的图片相似度检测装置框图；
图6示出了适于用来实现本发明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
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
现有技术中，对于图片的相似度检测，一般是通过采用单一的颜色直方图算法将图片分块对比，得到相似度检测结果。因此，这种检测方法不仅运行速度较慢，效率较低，而且准确率较低，并不能对大量图片进行有效检测。
在本实施例中，首先提供了一种图片相似度检测方法，至少在一定程度上克服现有技术中的图片相似度检测方法效率以及准确率较低的缺陷。
图1示意性示出了根据本发明实施例的一种图片相似度检测方法的流程图，该检测方法的执行主体可以是对图片相似度进行检测的服务器。
参考图1，根据本发明的一个实施例的图片相似度检测方法包括以下步骤：
步骤S101，获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度；
步骤S102，当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测；
步骤S103，当所述第一相似度不满足所述预设的相似度阈值条件时，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对；
其中，第二比对算法的比对精度高于所述第一比对算法的精度。
在图1所示实施例所提供的技术方案中，一方面，通过获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度，当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测，能够在较短时间内完成对待检测图片的相似度检测，提高了图片检测的效率；另一方面，当所述第一相似度不满足所述预设的相似度阈值条件时，利用精度高于第一比对算法的第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对，能够降低图片检测的误报率，提高图片相似度检测的精度以及准确率。
以下对图1中的各个步骤的具体实现过程进行详细阐述：
在步骤S101中，获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度。
在示例性的实施例中，在得到待检测图片之前，需要先对原始图片进行预处理，预处理是对原始图像进行特征识别、分割和匹配前所进行的处理。预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性和最大限度地简化数据，从而改进特征识别、图像分割、匹配和识别的可靠性。
示例性的，本发明中的预处理阶段主要包括图片裁剪处理和图片缩放处理。图片裁剪处理的过程可以是：使用边缘检测算法，找到原始图片中对象的最外层坐标。也就是说，一个像素点的坐标若为(X，Y)，则找出所有表示角色的像素点中的X，Y的最大及最小值，以(Xmin，Ymin)，(Xmax，Ymin)，(Xmin，Ymax)，(Xmax，Ymax)四个像素点为矩形的顶点，对原图像进行切割，得到切割后的图像，即完成图片裁剪处理；图片缩放处理的目的是将原始图片与基准图片库中的基准图片大小调整一致，以便后续检测和比对。通过对原始图片的预处理，即可获取到待检测图片。
在示例性的实施例中，参照图2所示，图2示意性示出了根据本发明实施例的图片相似度检测算法流程图，具体示出利用第一比对算法得到第一相似度的流程图，以下结合图2对步骤S101进行解释。
在步骤S201中，将所述待检测图片与所述预设的基准图片库中的基准图片缩小到相同数量级，且转换为对应的灰度图片。
在示例性的实施例中，第一比对算法为第一精度的图片哈希算法，即第一精度的感知哈希算法，它的作用是对每张图像生成一个“指纹”字符串，然后比较不同图像的指纹，结果越接近，就说明图像越相似。首先，可以先将待检测图片与预设的基准图片库中的基准图片缩小到8*8尺寸，总共64个像素，进而，将缩小后的图片转化为64级灰度图片。
在步骤S202中，对所述灰度图片进行离散余弦变换得到系数矩阵。
在示例性的实施例中，可以将上述64级灰度图片进行离散余弦变换(DiscreteCosine Transform，简称：DCT)，得到32*32的系数矩阵。图像的离散余弦变换广泛用于图像的压缩。对原始图像进行离散余弦变换，变换后DCT系数能量主要集中在左上角，其余大部分系数接近于零，DCT具有适用于图像压缩的特性。二维离散余弦变换的正变换公式为在图像的压缩中，N一般取8；当u,v＝0时；系数C(u)，其他情况下，C(u)，根据离散余弦变换公式，可以得到32*32的系数矩阵。
在步骤S203中，对所述系数矩阵进行处理，生成待检测图片指纹与基准图片指纹。
在示例性的实施例中，将上述32*32的系数矩阵做缩小处理，得到8*8的离散余弦矩阵，并且计算该8*8离散余弦矩阵的平均值。进而，设置0或1的64位的哈希值，将大于平均值的数值设为“1”，将小于平均值的数值设为“0”，接着，将所有的数值组合在一起，即构成一个64位字符串，该64位字符串即为所述的图片指纹。
在步骤S204中，比对所述待检测图片指纹与所述基准图片指纹，得到第一相似度。
在示例性的实施例中，通过比对待检测图片与基准图片的指纹，即两张图片运行第一精度的图片哈希算法之后生成的64位字符串，即可得到待检测图片与基准图片的第一相似度。
继续参考图1，获取第一相似度后，在步骤S102中，当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测。
在示例性的实施例中，在得到第一相似度之后，若第一相似度满足预设的相似度阈值条件，例如：预设的相似度阈值条件为：相似阈值为a，不相似阈值为b，当第一相似度小于等于a时则检测出待检测图片与预设基准图片库中的基准图片相似，此时，可以将待测图片移动到相似图片文件夹，完成对待检测图片的相似度检测；当第一相似度大于等于b时，则检测出待检测图片与预设基准图片库中的基准图片不相似，此时，可以对待检测图片调用差异算法，差异图算法主要是标注待检测图片与基准图片之间的差异，对差异度比较大的地方用红框标注，有一定差异的地方高亮显示，没有差异的地方进行半透明处理。最后将待测图移动到错误目录，并同时生成差异图，放到差异图目录中，完成对待检测图片的相似度检测。
在步骤S103中，当所述第一相似度不满足所述预设的相似度阈值条件时，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对。
需要说明的是，第二比对算法的比对精度高于所述第一比对算法的精度。
在示例性的实施例中，参照步骤S102的相关解释，当第一相似度大于a且小于b，即第一相似度处于相似阈值与不相似阈值之间，则可以利用第二比对算法对待检测图片进行进一步的检测。第二比对算法为第二精度的图片哈希算法。第二精度的图片哈希算法与第一精度的图片哈希算法的区别是：在运行第二精度的感知哈希算法之前，需要对待检测图片与预设的基准图片库中的基准图片进行分割，生成对应的至少一张分割图片；对所述至少一张分割图片再次运行第一精度的感知哈希算法，得到第二相似度。
在示例性的实施例中，参照图3所示，图3示意性示出了根据本发明实施例的图片相似度检测算法流程图，具体示出根据第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对的流程图，以下结合图3对步骤S103进行解释。
在步骤S301中，判断所述第二相似度是否满足所述预设的相似度阈值条件。
在示例性的实施例中，首先，预设的相似阈值可以是c，不相似阈值为d。
在步骤S302中，当所述第二相似度满足所述预设的相似度阈值条件时，完成对所述待检测图片的相似度检测。
在示例性的实施例中，当第二相似度小于等于c时则检测出待检测图片与预设基准图片库中的基准图片相似，此时，可以将待测图片移动到相似图片文件夹，完成对待检测图片的相似度检测；当第一相似度大于等于d时，则检测出待检测图片与预设基准图片库中的基准图片不相似，此时，可以对待检测图片调用差异算法，差异图算法主要是标注待检测图片与基准图片之间的差异，对差异度比较大的地方用红框标注，有一定差异的地方高亮显示，没有差异的地方进行半透明处理。最后将待测图移动到错误目录，并同时生成差异图，放到差异图目录中，完成对待检测图片的相似度检测。
在步骤S303中，当所述第二相似度不满足预设条件时，利用第三比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第三相似度。
在示例性的实施例中，当第一相似度大于c且小于d，即第二相似度处于相似阈值与不相似阈值之间，则可以利用第三比对算法对待检测图片进行进一步的检测。第三比对算法为峰值信噪比算法与结构相似性算法的组合。
在示例性的实施例中，参照图4所示，图4示意性示出了根据本发明实施例的图片相似度检测算法流程图，具体示出利用第三比对算法得到第三相似度的流程图，以下结合图4对步骤S303进行解释。
在步骤S401中，对所述待检测图片与所述预设基准图片库中的基准图片运行峰值信噪比算法，得到峰值信噪比计算结果。
在示例性的实施例中，采用峰值信噪比(Peak Signal to Noise Ratio，简称：PSNR)作为图像客观评价指标。一个信号的PSNR是其最大功率与可能影响它的表示精度的噪声功率的比值，其具体的计算公式如下：
其中，MSE表示当前图像X和参考图像Y的均方误差(Mean Square Error，各数据误差平方的平均数)，H、W分别为图像的高度和宽度；n为每像素的比特数，一般取8，即像素灰度阶数为256，PSNR的单位是dB，PSNR值越大，就代表图像失真越少，即待检测图片与预设的基准图片库中的基准图片的相似程度越高。通过对待检测图片与预设基准图片库中的基准图片运行峰值信噪比算法之后，可以得到峰值信噪比计算结果PSNR值。
在步骤S402中，对所述待检测图片与所述预设基准图片库中的基准图片运行结构相似性算法，得到结构相似性计算结果。
在示例性的实施例中，结构相似性(Structural Similarity，简称：SSIM)算法主要用来衡量图像结构完整性，是一种图像质量评估指标。实际应用中，一般用滑动窗口对图像进行分块，这里的滑动窗口一般为高斯窗口，并用高斯加权计算每个窗口的均值、方差和协方差。SSIM算法也是一种全参考的图像质量评价指标，它分别从亮度、对比度、结构三方面度量图像相似性。其计算公式为SSIM(X,Y)＝L(X,Y)*C(X,Y)*S(X,Y)；其中，亮度比对函数公式为对比度对比函数公式为结构对比函数公式为其中，uX、uY分别表示图像X和Y的均值， 分别表示图像X和Y的方差，σX、σY分别表示图像X和Y的标准差，σXY代表图像X和Y协方差，C1，C2和C3为常数，是为了避免分母为0而维持稳定。通常取C1＝(K1*L)^2，C2＝(K2*L)^2，C3＝C2/2，一般地K1＝0.01，K2＝0.03，L＝255(L是像素值的动态范围，一般都取为255)。SSIM的取值范围为[0,1]，SSIM的计算值越大，表示图像失真越小，即待检测图片与预设的基准图片库中的基准图片的相似程度越高。通过对待检测图片运行和预设基准图片库中的基准图片运行结构相似性算法，得到结构相似性计算结果SSIM值。
在步骤S403中，将所述峰值信噪比计算结果与所述结构相似性计算结果分别乘以各自的预设权重，得到第三相似度。
在示例性的实施例中，将上述得到的PSNR计算值乘以其预设的权重数值，再将得到的SSIM值乘以其预设的权重数值，二者得到的乘积相加，即能够得到第三相似度的数值。通过PSNR算法与SSIM算法的结合，避免了使用单一算法所造成的计算结果较片面的情况，提高了计算结果的精度和准确性。
继续参考图3，在获得第三相似度之后，在步骤S304中，根据所述第三相似度确定对所述待检测图片的相似度检测结果。
需要说明的是，第三比对算法的比对精度高于所述第二比对算法的精度。
在示例性的实施例中，基于得到的第三相似度的数值，可以得到对待检测图片的相似度检测结果，进而，可以根据检测结果对待检测图片进行处理。处理方式可以是：例如：相似阈值为e，不相似阈值为f，当第一相似度小于等于e时则检测出待检测图片与预设基准图片库中的基准图片相似，此时，可以将待测图片移动到相似图片文件夹，完成对待检测图片的相似度检测；当第一相似度大于等于f时，则检测出待检测图片与预设基准图片库中的基准图片不相似，此时，可以对待检测图片调用差异算法，差异图算法主要是标注待检测图片与基准图片之间的差异，对差异度比较大的地方用红框标注，有一定差异的地方高亮显示，没有差异的地方进行半透明处理。最后将待测图移动到错误目录，并同时生成差异图，放到差异图目录中，完成对待检测图片的相似度检测。
以下介绍本发明的装置实施例，可以用于执行本发明上述的图片相似度检测方法。
图5示意性示出了根据本发明的一个实施例的图片相似度检测装置框图，该检测装置可以设置在图片相似度检测的服务器中。
参照图5所示，根据本发明的一个实施例的图片相似度检测装置框图500，包含如下模块：第一比对模块501，第二比对模块502，以下详细进行阐述：
第一比对模块501，用于获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度，当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测。
在示例性的实施例中，第一比对模块用于获取到经过预处理之后的待检测图片，并运用第一精度的感知哈希算法将待检测图片与预设的基准图片库中的基准图片进行比对，得到第一相似度值，并且，当第一相似度值满足预设的相似度阈值条件时，根据预设阈值条件对相似图片和不相似图片进行处理，此外，对于不满足相似度阈值条件的待检测图片，进行再次比对。
第二比对模块502，用于当所述第一相似度不满足所述预设的相似度阈值条件时，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对，其中，第二比对算法的比对精度高于所述第一比对算法的精度。
在示例性的实施例中，第二比对模块用于将第一相似度不满足预设阈值条件的待检测图片与预设的基准图片库中的基准图片运用第二精度的感知哈希算法进行再次比对，得到第二相似度，并根据第二相似度值对待检测图片进行处理。对于不满足相似度阈值条件的待检测图片，运行第三比对算法，即峰值信噪比算法与结构相似性算法的组合。通过三个层次的相似度比对算法，提高了相似度检测的精度与准确率。
由于本发明的示例实施例的图片相似度检测装置的各个功能模块与上述图片相似度检测方法的示例实施例的步骤对应，因此对于本发明装置实施例中未披露的细节，请参照本发明上述的图片相似度检测方法的实施例。
下面参考图6，其示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备的计算机系统600仅是一个示例，不应对本发明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，还存储有系统操作所需的各种程序和数据。CPU601、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。
以下部件连接至I/O接口605：包括键盘、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，根据本发明的实施例，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，本发明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，执行本申请的系统中限定的上述功能。
需要说明的是，本发明所示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存储介质或者是上述两者的任意组合。计算机可读存储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。计算机可读存储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。在本发明中，计算机可读存储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。而在本发明中，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存储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。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、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，上述模块、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，框图或流程图中的每个方框、以及框图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。
描述于本发明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。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。
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电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。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一个该电子设备执行时，使得该电子设备实现如上述实施例中所述的图片相似度检测方法。
例如，所述的电子设备可以实现如图1中所示的：步骤S101，获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度；步骤S102，当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测；步骤S103，当所述第一相似度不满足所述预设的相似度阈值条件时，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对；其中，第二比对算法的比对精度高于所述第一比对算法的精度。
又如，所述的电子设备可以实现如图2-5任一图所示的各个步骤。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明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，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明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。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图片相似度检测方法，其特征在于，包括：
获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度；
当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测；
当所述第一相似度不满足所述预设的相似度阈值条件时，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对；
其中，第二比对算法的比对精度高于所述第一比对算法的精度。
2.根据权利要求1所述的图片相似度检测方法，其特征在于，根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对，包括：
判断所述第二相似度是否满足所述预设的相似度阈值条件；
当所述第二相似度满足所述预设的相似度阈值条件时，完成对所述待检测图片的相似度检测；
当所述第二相似度不满足预设条件时，利用第三比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第三相似度；
根据所述第三相似度确定对所述待检测图片的相似度检测结果；
其中，第三比对算法的比对精度高于所述第二比对算法的精度。
3.根据权利要求2所述的图片相似度检测方法，其特征在于，
所述第一比对算法为第一精度的图片哈希算法，所述第二比对算法为第二精度的图片哈希算法，所述第三比对算法为峰值信噪比算法与结构相似性算法的组合。
4.根据权利要求1至3任一项所述的图片相似度检测方法，其特征在于，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度，包括：
将所述待检测图片与所述预设的基准图片库中的基准图片缩小到相同数量级，且转换为对应的灰度图片；
对所述灰度图片进行离散余弦变换得到系数矩阵；
对所述系数矩阵进行处理，生成待检测图片指纹与基准图片指纹；
比对所述待检测图片指纹与所述基准图片指纹，得到第一相似度。
5.根据权利要求1至3任一项所述的图片相似度检测方法，其特征在于，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，包括：
所述待检测图片与所述预设的基准图片库中的基准图片进行分割，生成对应的至少一张分割图片；
对所述至少一张分割图片再次运行所述第一比对算法，得到第二相似度。
6.根据权利要求2或3所述的图片相似度检测方法，其特征在于，利用第三比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第三相似度，包括：
对所述待检测图片与所述预设基准图片库中的基准图片运行峰值信噪比算法，得到峰值信噪比计算结果；
对所述待检测图片与所述预设基准图片库中的基准图片运行结构相似性算法，得到结构相似性计算结果；
将所述峰值信噪比计算结果与所述结构相似性计算结果分别乘以各自的预设权重，得到第三相似度。
7.根据权利要求1至3任一项所述的图片相似度检测方法，获取待检测图片，包括：
基于边缘检测算法对原始图片进行边缘检测，得到原始图片的外层坐标；
基于所述外层坐标对原始图片进行切割，得到待检测图片。
8.一种图片相似度检测装置，其特征在于，包括：
第一比对模块，用于获取待检测图片，利用第一比对算法将所述待检测图片与预设的基准图片库中的基准图片进行比对，获得第一相似度，当所述第一相似度满足预设的相似度阈值条件时，完成对所述待检测图片的相似度检测；
第二比对模块，用于当所述第一相似度不满足所述预设的相似度阈值条件时，利用第二比对算法将所述待检测图片与所述预设的基准图片库中的基准图片再次比对，获得第二相似度，并根据所述第二相似度确定是否再次将所述待检测图片与所述预设的基准图片库中的基准图片进行比对；
其中，第二比对算法的比对精度高于所述第一比对算法的精度。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至7中任一项所述的图片相似度检测的方法。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，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至7中任一项所述的图片相似度检测的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811270419.3A CN109447154B (zh) | 2018-10-29 | 2018-10-29 | 图片相似度检测方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811270419.3A CN109447154B (zh) | 2018-10-29 | 2018-10-29 | 图片相似度检测方法、装置、介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109447154A true CN109447154A (zh) | 2019-03-08 |
| CN109447154B CN109447154B (zh) | 2021-06-04 |
Family
ID=65548614
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811270419.3A Active CN109447154B (zh) | 2018-10-29 | 2018-10-29 | 图片相似度检测方法、装置、介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447154B (zh) |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110399511A (zh) * | 2019-07-23 | 2019-11-01 | 中南民族大学 | 基于Redis的图片缓存方法、设备、存储介质及装置 |
| CN110503504A (zh) * | 2019-03-14 | 2019-11-26 | 杭州海康威视数字技术股份有限公司 | 网络产品的信息识别方法、装置及设备 |
| CN110610485A (zh) * | 2019-08-26 | 2019-12-24 | 北京许继电气有限公司 | 一种基于ssim算法的特高压输电线路通道隐患预警方法 |
| CN110688514A (zh) * | 2019-08-30 | 2020-01-14 | 中国人民财产保险股份有限公司 | 一种保险理赔图像数据的查重方法及装置 |
| CN111143601A (zh) * | 2019-12-31 | 2020-05-12 | 深圳市芭田生态工程股份有限公司 | 一种图像处理方法 |
| CN111178437A (zh) * | 2019-12-30 | 2020-05-19 | 深圳市芭田生态工程股份有限公司 | 一种施肥方法及计算机可读存储介质 |
| CN111242053A (zh) * | 2020-01-16 | 2020-06-05 | 国网山西省电力公司电力科学研究院 | 一种输电线路火焰检测方法及系统 |
| CN111275096A (zh) * | 2020-01-17 | 2020-06-12 | 青梧桐有限责任公司 | 基于图像识别的同名小区辨别方法及系统 |
| CN111538503A (zh) * | 2020-03-27 | 2020-08-14 | 北京达佳互联信息技术有限公司 | 安装包体积的优化方法、装置、电子设备及存储介质 |
| CN111913873A (zh) * | 2020-06-17 | 2020-11-10 | 浙江数链科技有限公司 | 图片校验方法、装置、系统和计算机可读存储介质 |
| CN111966600A (zh) * | 2020-08-31 | 2020-11-20 | 平安健康保险股份有限公司 | 网页测试方法、装置、计算机设备及计算机可读存储介质 |
| CN112183342A (zh) * | 2020-09-28 | 2021-01-05 | 国网安徽省电力有限公司检修分公司 | 一种带有模板的综合型换流站缺陷识别方法 |
| CN112365487A (zh) * | 2020-11-20 | 2021-02-12 | 中国邮政集团有限公司广州市分公司 | 一种邮票鉴别方法、系统、装置及存储介质 |
| CN112561986A (zh) * | 2020-12-02 | 2021-03-26 | 南方电网电力科技股份有限公司 | 巡检机器人云台的二次对准方法、装置、设备和存储介质 |
| CN113139589A (zh) * | 2021-04-12 | 2021-07-20 | 网易（杭州）网络有限公司 | 图片相似度检测方法、装置、处理器及电子装置 |
| CN113435485A (zh) * | 2021-06-15 | 2021-09-24 | 北京百度网讯科技有限公司 | 图片检测方法、装置、电子设备及存储介质 |
| CN116225972A (zh) * | 2023-05-09 | 2023-06-06 | 成都赛力斯科技有限公司 | 图片差异对比方法、装置及存储介质 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102013018A (zh) * | 2010-12-03 | 2011-04-13 | 黄晓峰 | 闭环的图像比较方法 |
| CN103336776A (zh) * | 2013-05-13 | 2013-10-02 | 云南瑞攀科技有限公司 | 基于图片内容的图片搜索方法 |
| CN103903249A (zh) * | 2012-12-27 | 2014-07-02 | 纽海信息技术（上海）有限公司 | 图像匹配系统及方法 |
| CN104112116A (zh) * | 2011-06-30 | 2014-10-22 | 深圳市君盛惠创科技有限公司 | 一种云服务器 |
| CN104318259A (zh) * | 2014-10-20 | 2015-01-28 | 北京齐尔布莱特科技有限公司 | 一种识别目标图片的设备、方法以及计算设备 |
| CN105117724A (zh) * | 2015-07-30 | 2015-12-02 | 北京邮电大学 | 一种车牌定位方法及装置 |
| CN105631487A (zh) * | 2015-12-31 | 2016-06-01 | 北京奇艺世纪科技有限公司 | 图片比对方法、装置及视频比对方法、装置 |
| CN106372606A (zh) * | 2016-08-31 | 2017-02-01 | 北京旷视科技有限公司 | 目标对象信息生成方法和单元、识别方法和单元及系统 |
| CN106650829A (zh) * | 2017-01-04 | 2017-05-10 | 华南理工大学 | 一种图片相似度计算方法 |
| US20170140212A1 (en) * | 2015-11-16 | 2017-05-18 | MorphoTrak, LLC | Facial Matching System |
| CN106845397A (zh) * | 2017-01-18 | 2017-06-13 | 湘潭大学 | 一种基于相似度度量的人脸确认方法 |
| CN107844803A (zh) * | 2017-10-30 | 2018-03-27 | 中国银联股份有限公司 | 一种图片比对的方法和装置 |
-
2018
- 2018-10-29 CN CN201811270419.3A patent/CN109447154B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102013018A (zh) * | 2010-12-03 | 2011-04-13 | 黄晓峰 | 闭环的图像比较方法 |
| CN104112116A (zh) * | 2011-06-30 | 2014-10-22 | 深圳市君盛惠创科技有限公司 | 一种云服务器 |
| CN103903249A (zh) * | 2012-12-27 | 2014-07-02 | 纽海信息技术（上海）有限公司 | 图像匹配系统及方法 |
| CN103336776A (zh) * | 2013-05-13 | 2013-10-02 | 云南瑞攀科技有限公司 | 基于图片内容的图片搜索方法 |
| CN104318259A (zh) * | 2014-10-20 | 2015-01-28 | 北京齐尔布莱特科技有限公司 | 一种识别目标图片的设备、方法以及计算设备 |
| CN105117724A (zh) * | 2015-07-30 | 2015-12-02 | 北京邮电大学 | 一种车牌定位方法及装置 |
| US20170140212A1 (en) * | 2015-11-16 | 2017-05-18 | MorphoTrak, LLC | Facial Matching System |
| CN105631487A (zh) * | 2015-12-31 | 2016-06-01 | 北京奇艺世纪科技有限公司 | 图片比对方法、装置及视频比对方法、装置 |
| CN106372606A (zh) * | 2016-08-31 | 2017-02-01 | 北京旷视科技有限公司 | 目标对象信息生成方法和单元、识别方法和单元及系统 |
| CN106650829A (zh) * | 2017-01-04 | 2017-05-10 | 华南理工大学 | 一种图片相似度计算方法 |
| CN106845397A (zh) * | 2017-01-18 | 2017-06-13 | 湘潭大学 | 一种基于相似度度量的人脸确认方法 |
| CN107844803A (zh) * | 2017-10-30 | 2018-03-27 | 中国银联股份有限公司 | 一种图片比对的方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| A HARIS RANGKUTI 等: "Analysis of image similarity with CBIR concept using wavelet transform and threshold algorithm", 《2013 IEEE SYMPOSIUM ON COMPUTERS & INFORMATICS (ISCI)》 * |
| 郑德忠，崔法毅: "小波包特征提取及方差相似度的人脸识别", 《光学技术》 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110503504B (zh) * | 2019-03-14 | 2022-02-15 | 杭州海康威视数字技术股份有限公司 | 网络产品的信息识别方法、装置及设备 |
| CN110503504A (zh) * | 2019-03-14 | 2019-11-26 | 杭州海康威视数字技术股份有限公司 | 网络产品的信息识别方法、装置及设备 |
| CN110399511A (zh) * | 2019-07-23 | 2019-11-01 | 中南民族大学 | 基于Redis的图片缓存方法、设备、存储介质及装置 |
| CN110610485A (zh) * | 2019-08-26 | 2019-12-24 | 北京许继电气有限公司 | 一种基于ssim算法的特高压输电线路通道隐患预警方法 |
| CN110688514A (zh) * | 2019-08-30 | 2020-01-14 | 中国人民财产保险股份有限公司 | 一种保险理赔图像数据的查重方法及装置 |
| CN111178437A (zh) * | 2019-12-30 | 2020-05-19 | 深圳市芭田生态工程股份有限公司 | 一种施肥方法及计算机可读存储介质 |
| CN111143601A (zh) * | 2019-12-31 | 2020-05-12 | 深圳市芭田生态工程股份有限公司 | 一种图像处理方法 |
| CN111242053A (zh) * | 2020-01-16 | 2020-06-05 | 国网山西省电力公司电力科学研究院 | 一种输电线路火焰检测方法及系统 |
| CN111275096A (zh) * | 2020-01-17 | 2020-06-12 | 青梧桐有限责任公司 | 基于图像识别的同名小区辨别方法及系统 |
| CN111538503A (zh) * | 2020-03-27 | 2020-08-14 | 北京达佳互联信息技术有限公司 | 安装包体积的优化方法、装置、电子设备及存储介质 |
| CN111913873A (zh) * | 2020-06-17 | 2020-11-10 | 浙江数链科技有限公司 | 图片校验方法、装置、系统和计算机可读存储介质 |
| CN111966600A (zh) * | 2020-08-31 | 2020-11-20 | 平安健康保险股份有限公司 | 网页测试方法、装置、计算机设备及计算机可读存储介质 |
| CN111966600B (zh) * | 2020-08-31 | 2023-08-04 | 平安健康保险股份有限公司 | 网页测试方法、装置、计算机设备及计算机可读存储介质 |
| CN112183342A (zh) * | 2020-09-28 | 2021-01-05 | 国网安徽省电力有限公司检修分公司 | 一种带有模板的综合型换流站缺陷识别方法 |
| CN112183342B (zh) * | 2020-09-28 | 2022-07-12 | 国网安徽省电力有限公司检修分公司 | 一种带有模板的综合型换流站缺陷识别方法 |
| CN112365487A (zh) * | 2020-11-20 | 2021-02-12 | 中国邮政集团有限公司广州市分公司 | 一种邮票鉴别方法、系统、装置及存储介质 |
| CN112561986A (zh) * | 2020-12-02 | 2021-03-26 | 南方电网电力科技股份有限公司 | 巡检机器人云台的二次对准方法、装置、设备和存储介质 |
| CN113139589A (zh) * | 2021-04-12 | 2021-07-20 | 网易（杭州）网络有限公司 | 图片相似度检测方法、装置、处理器及电子装置 |
| CN113139589B (zh) * | 2021-04-12 | 2023-02-28 | 网易（杭州）网络有限公司 | 图片相似度检测方法、装置、处理器及电子装置 |
| CN113435485A (zh) * | 2021-06-15 | 2021-09-24 | 北京百度网讯科技有限公司 | 图片检测方法、装置、电子设备及存储介质 |
| CN116225972A (zh) * | 2023-05-09 | 2023-06-06 | 成都赛力斯科技有限公司 | 图片差异对比方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109447154B (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447154A (zh) | 图片相似度检测方法、装置、介质及电子设备 | |
| CN108898086B (zh) | 视频图像处理方法及装置、计算机可读介质和电子设备 | |
| CN108229296B (zh) | 人脸皮肤属性识别方法和装置、电子设备、存储介质 | |
| US20140181956A1 (en) | Methods, systems, and media for measuring quality of gesture-based passwords | |
| CN108846440A (zh) | 图像处理方法及装置、计算机可读介质和电子设备 | |
| CN109558779A (zh) | 图像检测方法和装置 | |
| CN111915480A (zh) | 生成特征提取网络的方法、装置、设备和计算机可读介质 | |
| CN114494784A (zh) | 深度学习模型的训练方法、图像处理方法和对象识别方法 | |
| CN110390706A (zh) | 一种物体检测的方法和装置 | |
| CN114092963A (zh) | 关键点检测及模型训练方法、装置、设备和存储介质 | |
| CN113705362A (zh) | 图像检测模型的训练方法、装置、电子设备及存储介质 | |
| CN109711441A (zh) | 图像分类方法、装置、存储介质及电子设备 | |
| CN115311469A (zh) | 图像标注方法、训练方法、图像处理方法以及电子设备 | |
| CN112241761A (zh) | 模型训练方法、装置和电子设备 | |
| CN114419327B (zh) | 图像检测方法和图像检测模型的训练方法、装置 | |
| CN114707638A (zh) | 模型训练、对象识别方法及装置、设备、介质和产品 | |
| CN109948636A (zh) | 数据融合方法和装置 | |
| CN112861940A (zh) | 双目视差估计方法、模型训练方法以及相关设备 | |
| CN113298747A (zh) | 图片、视频检测方法和装置 | |
| CN107493471B (zh) | 一种视频传输质量的计算方法和装置 | |
| CN109634868A (zh) | 金融数据分析系统自动化测试结果的处理方法及装置 | |
| CN112348615A (zh) | 用于审核信息的方法和装置 | |
| CN115659167B (zh) | 多特征库合并方法及装置、设备、计算机可读存储介质 | |
| CN114844889B (zh) | 视频处理模型的更新方法、装置、电子设备及存储介质 | |
| CN114565030B (zh) | 特征筛选方法、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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |