CN110085299A - 一种图像识别去燥方法、系统及图像库 - Google Patents
一种图像识别去燥方法、系统及图像库 Download PDFInfo
- Publication number
- CN110085299A CN110085299A CN201910319847.9A CN201910319847A CN110085299A CN 110085299 A CN110085299 A CN 110085299A CN 201910319847 A CN201910319847 A CN 201910319847A CN 110085299 A CN110085299 A CN 110085299A
- Authority
- CN
- China
- Prior art keywords
- image
- triple
- module
- dryness
- picture
- 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
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Radiology & Medical Imaging (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种图像识别去燥方法、系统及图像库,包括以下步骤:步骤一:通过视频采集模块采集图像原始数据并通过以太网将图像的原始数据发送至图像搜索去燥模块;步骤二:将网络图像数据库/HIS图像数据库内存储的图像相关数据库信息发送至图像搜索去燥模块;步骤三:通过图像搜索去燥模块对图像原始数据进行去燥,并将去燥后的图像原始数据以及图像相关数据库信息发送至信息比对确认模块;将社保卡/身份证信息输入模块内存储的社保卡/身份证信息发送至信息比对确认模块;解决了现有技术中构建图像库时,图片大小重复、同义以及类型图像三元组被不恰当归类的问题。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种图像识别去燥方法、系统及图像库。
背景技术
随着计算机网络及移动互联等技术的发展应用,因特网逐步成为人们信息发布、交流、共享的主要平台。医院HIS信息系统查询信息还依然处于手动文本搜索方法;本发明摒弃传统的搜索方法,采用一种视频采集图像并快速搜索图像相关信息,导出相应数据库,可节约医院挂号,医生诊断、信息查询等时间;同时,该方法适用于网络犯罪侦查等,如机场、车站等在线图片信息比对等,图像库的构建正在成为各行各业开展图像管理和图像服务的基础。此外,在医院病人信息存储中,病人信息存在大量的重复、同义以及图像被不恰当归类等现象,使得医院HIS图像库存在效率和准确性较低的问题。
发明内容
本发明的目的在于提供一种图像识别去燥方法、系统及图像库。
本发明所要解决的技术问题为:解决了现有技术中构建图像库时,图片大小重复、同义以及类型图像三元组被不恰当归类的问题;
本发明的目的可以通过以下技术方案实现:一种图像识别去燥方法,包括以下步骤:
步骤一:通过视频采集模块采集图像原始数据并通过以太网将图像的原始数据发送至图像搜索去燥模块;
步骤二:将网络图像数据库/HIS图像数据库内存储的图像相关数据库信息发送至图像搜索去燥模块;
步骤三:通过图像搜索去燥模块对图像原始数据进行去燥,并将去燥后的图像原始数据以及图像相关数据库信息发送至信息比对确认模块;将社保卡/身份证信息输入模块内存储的社保卡/身份证信息发送至信息比对确认模块;
步骤四:通过信息比对确认模块对去燥后的图像原始数据、图像相关数据库信息和社保卡/身份证信息进行人工比对确认后,并将其确认结果发送至图像相关信息输出模块输出;
优选的,所述图像搜索去燥模块的去燥方法包括以下步骤:
S11、在网络开放图像资源中收集图像原始数据;
S12、基于图像原始数据,对预设概念所隶属的类型,进行网络图像数据库上的图像三元组的爬取和解析;
S13、爬取预设子类中包含图像的类型标签并将类型标签添加到图像三元组;其中,预设子类即对图像原始数据进行预设概念所隶属的类型确定,预设概念所隶属的类型包括图像格式、大小以及类型;
S14、计算图像三元组初始相似度;
S15、对图像三元组标签添加图片类型距离,并根据初始相似度,通过搜索识别按照预设方法获取图像三元组目标相似度;
S16、根据图像三元组目标相似度进行图像去燥;
优选的,所述S12中基于图像原始数据,对预设概念所隶属的类型,进行网络图像数据库上的图像三元组的爬取和解析后还包括:将每一个顶层大类组织为包含子类本体概念的层次关系,再将所述子类本体概念下包含相应的所述图像三元组;根据图片的类型标签关系对所有的子类本体概念下的图像三元组标注“是”或“否”并进行筛选;
优选的,所述S12中采用网络爬虫进行网络图像数据库上的图像三元组的爬取和解析;
优选的,所述S14中计算图像三元组初始相似度的计算步骤如下:
步骤一:基于编辑图片类型的距离计算所述图像三元组第一初始相似度;
步骤二:基于相似度识别计算所述图像三元组第二初始相似度;
步骤三:对所述第一初始相似度与所述第二初始相似度按照预设方式进行互补融合,获取目标相似度;
优选的,所述S15中对图像三元组标签添加图片类型距离,通过遍历图片分类树进行图片类型的距离计算;
优选的,所述S16根据图像三元组目标相似度进行图像去燥,将目标相似度从大到小进行排列并获取预设个数的原始数据进行图像去燥;
一种图像识别去燥系统,包括:图像收集模块、图像获取模块、图像计算模块和图像去燥模块;
所述图像收集模块用于在网络开放图像资源或网络图像数据库/医院HIS系统中对图片资源进行收集原始数据;
所述图像获取模块包括第一获取单元与第二获取单元;所述第一获取单元用于基于图像原始数据,对预设概念所隶属的类型,进行网络图像数据库上的图像三元组的爬取和解析;所述第二获取单元用于爬取预设子类所包含的所述图像三元组的类型标签,将所述类型标签添加到所述图像三元组后;
所述图像计算模块包括第一计算单元与第二计算单元;所述第一计算单元用于计算所述图像三元组初始相似度;所述第二计算单元用于对所述图像三元组标签添加图片类型距离,并根据所述初始相似度,通过搜索识别按照预设方法获取图像三元组目标相似度;
所述图像去燥模块用于根据所述图像三元组目标相似度进行图像去燥;
一种图像识别去燥图像库,所述图像库是通过上述图像识别去燥方法对图片去燥后构成图像库。
本发明的有益效果:基于编辑距离和相似度识别方法相融合,借助类型标签构建图像三元组搜索识别来首先对海量图像三元组去燥,来尽量减少开放图像库中大量重复歧义的现象,解决了现有技术中构建图像库时,图片类型重复、同义以及类型图像三元组被不恰当归问题。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明提供一种图像识别去燥方法框图;
图2为本发明提供一种图像识别去燥方法的流程图;
图3为本发明提供一种图像识别去燥系统框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1-2所示,本发明为一种图像识别去燥方法,包括以下步骤:
步骤一:通过视频采集模块1采集图像原始数据并通过以太网2将图像的原始数据发送至图像搜索去燥模块3;
步骤二:将网络图像数据库/HIS图像数据库4内存储的图像相关数据库信息发送至图像搜索去燥模块3;
步骤三:通过图像搜索去燥模块3对图像原始数据进行去燥,并将去燥后的图像原始数据以及图像相关数据库信息发送至信息比对确认模块6;将社保卡/身份证信息输入模块5内存储的社保卡/身份证信息发送至信息比对确认模块6;
步骤四:通过信息比对确认模块6对去燥后的图像原始数据、图像相关数据库信息和社保卡/身份证信息进行人工比对确认后,并将其确认结果发送至图像相关信息输出模块7输出;
图像搜索去燥3的去燥方法,包括以下步骤:
S11、在网络开放图像资源中收集图像原始数据;
具体地,选取网络图像资源,在网络图像数据库作为原始数据源,在原始数据源中收集图像原始数据;
S12、基于图像原始数据,对预设概念所隶属的类型,进行网络图像数据库上的图像三元组的爬取和解析;
使用爬虫工具对图片的开放分类页面和类型页面所包含的结构化信息进行爬取和解析,并将其以图像三元组的形式组织起来,形成大规模开放域图像库;
基于视频采集原始图像数据,对预设概念所隶属的类型,进行网络图像或HIS信息系统中数据库的图像三元组的爬取和解析之后,将每一个顶层大类组织为包含子类概念的本体概念层次关系,再将所述子类本体概念下组织包含相应的图像三元组;
S13、爬取预设子类中包含图像的类型标签并将类型标签添加到图像三元组;其中,预设子类即对图像原始数据进行预设概念所隶属的类型确定,预设概念所隶属的类型包括图像格式、大小以及类型;
具体地,在子类本体概念的图像三元组的基础上,从爬取相关类型的标签添加到相应图像三元组图片中的每条对应的图像三元组后,并以约定好的格式加以标示;
首先根据图片类型的关系对所有的子类概念的图像三元组以标注“是”或“否”的形式进行筛选和标注;其中,“是”或“否”的标注由人工进行添加;
S14、计算图像三元组初始相似度;
图像三元组分别由图片类型、大小(占用空间)和图像信息(分辨率、像素)组成,用<S,P,O>来表示一条图像三元组,其中,S代表图像三元组的图片类型,P代表大小(占用空间),O代表图像信息(分辨率、像素);初始相似度计算是在子类本体下图像三元组图片与其所对应的顶层大类图像三元组图片之间进行的;具体地,在进行初始相似度计算时,基于编辑距离计算第一初始相似度;基于相似度识别计算第二初始相似度;对第一初始相似度与第二初始相似度按照预设方式进行互补融合,获取目标相似度;
在进行初始相似度计算时要考虑资源需求少、效率高的计算方法,因此采用基于编辑距离的相似度计算方法;通过编辑距离算法SIME可以获取图像三元组之间的字面相似性,而忽略其图片类型相关性;
设某子类图片B中的任意一条图像三元组bi=<bis,bip,bio>,图片B所对应的顶层大类图片H中的其中任意一条图像三元组hj=<hjs,hjp,hjo>,则对于图像三元组bi和hj类型之间的编辑距离相似度由公式(1)给出,这里大小(占用空间)之间和图像信息(分辨率、像素)之间的编辑距离相似度同理可得;
其中,|Step(bis,hjs)|为使bis和hjs彼此相等所需要的编辑操作步数,len(bis)和len(hjs)表示词语bis和hjs的字符数长度;
通过计算,得到图像三元组的第一初始相似度;
根据图像信息的结构特点,首先对图像三元组中的图片类型、大小和图像信息的信息编码进行解析,其中,大小是指图片的占用空间;图像信息是指图片的分辨率、像素;然后抽取出第一至第五层子编码,再从第一层子编码开始比较;若出现子编码不同,则根据出现的层次来赋予该映射对相应的相似度权重;子编码不同出现在越深的层次,则相似度权重越高,反之则越低;同时,每层的分支节点数的多少也对相似度有影响;
S15、对图像三元组标签添加图片类型距离,并根据初始相似度,通过搜索识别按照预设方法获取图像三元组目标相似度;
对于不属于当前大类本体概念的标签进行惩罚,目的是为了对含有图片类型距离较远标签的图像三元组进行初始相似度进行削弱以便基于目标相似度进行二次排序,目标排名靠后的图像三元组将被剔出图像库;所以要基于图像三元组所带标签进行相似度计算,从而更利于我们去燥声和优化图像库;
S16、根据图像三元组目标相似度进行图像去燥;
对初始相似度进行搜索识别处理之后,然后按照目标相似度值进行降序排序;
S12中基于图像原始数据,对预设概念所隶属的类型,进行网络图像数据库上的图像三元组的爬取和解析后还包括:将每一个顶层大类组织为包含子类本体概念的层次关系,再将子类本体概念下包含相应的图像三元组;根据图片的类型标签关系对所有的子类本体概念下的图像三元组标注“是”或“否”并进行筛选;
S12中采用爬虫工具进行网络图像数据库上的图像三元组的爬取和解析;爬虫工具为网络爬虫;
S14中计算图像三元组初始相似度的计算步骤如下:
步骤一:基于编辑图片类型的距离计算图像三元组第一初始相似度;
步骤二:基于相似度识别计算图像三元组第二初始相似度;
步骤三:对第一初始相似度与第二初始相似度按照预设方式进行互补融合,获取目标相似度;
S15中对图像三元组标签添加图片类型距离,通过遍历图片分类树进行图片类型的距离计算;
S16根据图像三元组目标相似度进行图像去燥,将目标相似度从大到小进行排列并获取预设个数的原始数据进行图像去燥;
请参阅图3所示,一种图像识别去燥系统,包括:图像收集模块31、图像获取模块32、图像计算模块33和图像去燥模块34;
图像收集模块31用于在网络开放图像资源或网络图像数据库/医院HIS系统中对图片资源进行收集原始数据;
图像获取模块32包括第一获取单元321与第二获取单元322;第一获取单元321用于基于图像原始数据,对预设概念所隶属的类型,进行网络图像数据库上的图像三元组的爬取和解析;第二获取单元322用于爬取预设子类所包含的图像三元组的类型标签,将类型标签添加到图像三元组后;
图像计算模块33包括第一计算单元331与第二计算单元332;第一计算单元331用于计算图像三元组初始相似度;第二计算单元332用于对图像三元组标签添加图片类型距离,并根据初始相似度,通过搜索识别按照预设方法获取图像三元组目标相似度;
图像去燥模块34用于根据图像三元组目标相似度进行图像去燥;
一种图像识别去燥图像库,图像库是通过上述图像识别去燥方法对图片去燥后构成图像库;在进行图像库构建时,基于编辑距离和相似度识别方法相融合,借助类型标签构建图像三元组搜索识别来首先对海量图像三元组去燥,来尽量减少开放图片库中大量重复歧义的现象,解决了现有技术中构建图像库时,图片大小重复、同义以及类型图像三元组被不恰当归类的问题;
基于编辑距离和相似度识别后对每个图像三元组进行初始相似度的赋值,把人工标注在图像三元组后的“是”或“否”和从网络开放图片中提取的相关概念的标签与子类概念进行图片合并,以此形成下一阶段由本发明提出的搜索识别算法处理的输入数据集合;
根据初始相似度的大小对合并后子类概念图片中的图像三元组按从大到小排序;
本发明的工作原理:基于编辑距离和相似度识别方法相融合,借助类型标签构建图像三元组搜索识别来首先对海量图像三元组去燥,来尽量减少开放图像库中大量重复歧义的现象,解决了现有技术中构建图像库时,图片大小重复、同义以及类型图像三元组被不恰当归类的问题。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (9)
1.一种图像识别去燥方法,其特征在于,包括以下步骤:
步骤一:通过视频采集模块(1)采集图像原始数据并通过以太网(2)将图像的原始数据发送至图像搜索去燥模块(3);
步骤二:将网络图像数据库/HIS图像数据库(4)内存储的图像相关数据库信息发送至图像搜索去燥模块(3);
步骤三:通过图像搜索去燥模块(3)对图像原始数据进行去燥,并将去燥后的图像原始数据以及图像相关数据库信息发送至信息比对确认模块(6);将社保卡/身份证信息输入模块(5)内存储的社保卡/身份证信息发送至信息比对确认模块(6);
步骤四:通过信息比对确认模块(6)对去燥后的图像原始数据、图像相关数据库信息和社保卡/身份证信息进行人工比对确认后,并将其确认结果发送至图像相关信息输出模块(7)输出。
2.根据权利要求1所述的一种图像识别去燥方法,其特征在于,所述图像搜索去燥模块(3)的去燥方法包括以下步骤:
S11、在网络开放图像资源中收集图像原始数据;
S12、基于图像原始数据,对预设概念所隶属的类型,进行网络图像数据库上的图像三元组的爬取和解析;
S13、爬取预设子类中包含图像的类型标签并将类型标签添加到图像三元组;其中,预设子类即对图像原始数据进行预设概念所隶属的类型确定,预设概念所隶属的类型包括图像格式、大小以及类型;
S14、计算图像三元组初始相似度;
S15、对图像三元组标签添加图片类型距离,并根据初始相似度,通过搜索识别按照预设方法获取图像三元组目标相似度;
S16、根据图像三元组目标相似度进行图像去燥。
3.根据权利要求2所述的一种图像识别去燥方法,其特征在于,所述S12中基于图像原始数据,对预设概念所隶属的类型,进行网络图像数据库上的图像三元组的爬取和解析后还包括:将每一个顶层大类组织为包含子类本体概念的层次关系,再将所述子类本体概念下包含相应的所述图像三元组;根据图片的类型标签关系对所有的子类本体概念下的图像三元组标注“是”或“否”并进行筛选。
4.根据权利要求2所述的一种图像识别去燥方法,其特征在于,所述S12中采用爬虫工具进行网络图像数据库上的图像三元组的爬取和解析;爬虫工具为网络爬虫。
5.根据权利要求2所述的一种图像识别去燥方法,其特征在于,所述S14中计算图像三元组初始相似度的计算步骤如下:
步骤一:基于编辑图片类型的距离计算所述图像三元组第一初始相似度;
步骤二:基于相似度识别计算所述图像三元组第二初始相似度;
步骤三:对所述第一初始相似度与所述第二初始相似度按照预设方式进行互补融合,获取目标相似度。
6.根据权利要求2所述的一种图像识别去燥方法,其特征在于,所述S15中对图像三元组标签添加图片类型距离,通过遍历图片分类树进行图片类型的距离计算。
7.根据权利要求2所述的一种图像识别去燥方法,其特征在于,所述S16根据图像三元组目标相似度进行图像去燥,将目标相似度从大到小进行排列并获取预设个数的原始数据进行图像去燥。
8.一种图像识别去燥系统,其特征在于,包括:图像收集模块(31)、图像获取模块(32)、图像计算模块(33)和图像去燥模块(34);
所述图像收集模块(31)用于在网络开放图像资源或网络图像数据库/医院HIS系统中对图片资源进行收集原始数据;
所述图像获取模块(32)包括第一获取单元(321)与第二获取单元(322);所述第一获取单元(321)用于基于图像原始数据,对预设概念所隶属的类型,进行网络图像数据库上的图像三元组的爬取和解析;所述第二获取单元(322),用于爬取预设子类所包含的所述图像三元组的类型标签,将所述类型标签添加到所述图像三元组后;
所述图像计算模块(33)包括第一计算单元(331)与第二计算单元(332);所述第一计算单元(331)用于计算所述图像三元组初始相似度;所述第二计算单元(332)用于对所述图像三元组标签添加图片类型距离,并根据所述初始相似度,通过搜索识别按照预设方法获取图像三元组目标相似度;
所述图像去燥模块(34)用于根据所述图像三元组目标相似度进行图像去燥。
9.一种图像识别去燥图像库,其特征在于,所述图像库是通过上述图像识别去燥方法对图片去燥后构成图像库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319847.9A CN110085299B (zh) | 2019-04-19 | 2019-04-19 | 一种图像识别去燥方法、系统及图像库 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910319847.9A CN110085299B (zh) | 2019-04-19 | 2019-04-19 | 一种图像识别去燥方法、系统及图像库 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110085299A true CN110085299A (zh) | 2019-08-02 |
CN110085299B CN110085299B (zh) | 2020-12-08 |
Family
ID=67415862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910319847.9A Active CN110085299B (zh) | 2019-04-19 | 2019-04-19 | 一种图像识别去燥方法、系统及图像库 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110085299B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111265825A (zh) * | 2020-03-03 | 2020-06-12 | 淮安信息职业技术学院 | 一种运动训练设备及其控制方法 |
CN111265835A (zh) * | 2020-03-03 | 2020-06-12 | 淮安信息职业技术学院 | 一种投掷运动训练设备及其控制方法 |
CN111562267A (zh) * | 2020-05-29 | 2020-08-21 | 重庆施鲁逊智能科技有限公司 | 用于汽车保险盒装配的视觉检测系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101742961A (zh) * | 2007-10-18 | 2010-06-16 | 佳能株式会社 | 诊断支持设备、控制诊断支持设备的方法及其程序 |
US20120250950A1 (en) * | 2011-03-29 | 2012-10-04 | Phaedra Papakipos | Face Recognition Based on Spatial and Temporal Proximity |
CN103315746A (zh) * | 2012-03-20 | 2013-09-25 | 瓦里安医疗系统国际股份公司 | 用于自动患者识别的方法和系统 |
CN106355627A (zh) * | 2015-07-16 | 2017-01-25 | 中国石油化工股份有限公司 | 一种用于生成知识图谱的方法及系统 |
CN107133237A (zh) * | 2016-02-29 | 2017-09-05 | 富士通株式会社 | 图像链接方法和图像链接设备 |
CN107391703A (zh) * | 2017-07-28 | 2017-11-24 | 北京理工大学 | 图像库的建立方法及系统、图像库和图像分类方法 |
CN107463786A (zh) * | 2017-08-17 | 2017-12-12 | 王卫鹏 | 基于结构化报告模板的医学影像知识库建立方法 |
US20180129782A1 (en) * | 2016-11-09 | 2018-05-10 | General Electric Company | System and method for saving medical imaging data |
CN109065112A (zh) * | 2018-08-21 | 2018-12-21 | 上海商汤智能科技有限公司 | 信息处理方法及装置、电子设备及存储介质 |
CN109086697A (zh) * | 2018-07-20 | 2018-12-25 | 腾讯科技(深圳)有限公司 | 一种人脸数据处理方法、装置及存储介质 |
CN109147890A (zh) * | 2018-05-14 | 2019-01-04 | 平安科技(深圳)有限公司 | 一种医学报告的生成方法及设备 |
-
2019
- 2019-04-19 CN CN201910319847.9A patent/CN110085299B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101742961A (zh) * | 2007-10-18 | 2010-06-16 | 佳能株式会社 | 诊断支持设备、控制诊断支持设备的方法及其程序 |
US20120250950A1 (en) * | 2011-03-29 | 2012-10-04 | Phaedra Papakipos | Face Recognition Based on Spatial and Temporal Proximity |
CN103315746A (zh) * | 2012-03-20 | 2013-09-25 | 瓦里安医疗系统国际股份公司 | 用于自动患者识别的方法和系统 |
CN106355627A (zh) * | 2015-07-16 | 2017-01-25 | 中国石油化工股份有限公司 | 一种用于生成知识图谱的方法及系统 |
CN107133237A (zh) * | 2016-02-29 | 2017-09-05 | 富士通株式会社 | 图像链接方法和图像链接设备 |
US20180129782A1 (en) * | 2016-11-09 | 2018-05-10 | General Electric Company | System and method for saving medical imaging data |
CN107391703A (zh) * | 2017-07-28 | 2017-11-24 | 北京理工大学 | 图像库的建立方法及系统、图像库和图像分类方法 |
CN107463786A (zh) * | 2017-08-17 | 2017-12-12 | 王卫鹏 | 基于结构化报告模板的医学影像知识库建立方法 |
CN109147890A (zh) * | 2018-05-14 | 2019-01-04 | 平安科技(深圳)有限公司 | 一种医学报告的生成方法及设备 |
CN109086697A (zh) * | 2018-07-20 | 2018-12-25 | 腾讯科技(深圳)有限公司 | 一种人脸数据处理方法、装置及存储介质 |
CN109065112A (zh) * | 2018-08-21 | 2018-12-21 | 上海商汤智能科技有限公司 | 信息处理方法及装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
吴中: ""大规模图像搜索中的图像表示模型"", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111265825A (zh) * | 2020-03-03 | 2020-06-12 | 淮安信息职业技术学院 | 一种运动训练设备及其控制方法 |
CN111265835A (zh) * | 2020-03-03 | 2020-06-12 | 淮安信息职业技术学院 | 一种投掷运动训练设备及其控制方法 |
CN111562267A (zh) * | 2020-05-29 | 2020-08-21 | 重庆施鲁逊智能科技有限公司 | 用于汽车保险盒装配的视觉检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110085299B (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111353030B (zh) | 基于旅游领域知识图谱的知识问答检索方法及装置 | |
US6178417B1 (en) | Method and means of matching documents based on text genre | |
Jobin et al. | Docfigure: A dataset for scientific document figure classification | |
CN110990590A (zh) | 一种基于强化学习和迁移学习的动态金融知识图谱构建方法 | |
CN105893611B (zh) | 一种构建面向社交网络的兴趣主题语义网络的方法 | |
CN110085299A (zh) | 一种图像识别去燥方法、系统及图像库 | |
CN102422286A (zh) | 利用图像获取参数和元数据自动和半自动的图像分类、注释和标签 | |
CN106502991B (zh) | 出版物处理方法和装置 | |
CN115424282A (zh) | 一种非结构化文本表格识别方法和系统 | |
CN103425740A (zh) | 一种面向物联网的基于语义聚类的物资信息检索方法 | |
CN110647632A (zh) | 基于机器学习的图像与文本映射技术 | |
CN112149422A (zh) | 一种基于自然语言的企业新闻动态监测方法 | |
CN115329210A (zh) | 一种基于交互图分层池化的虚假新闻检测方法 | |
CN112434049A (zh) | 表格数据存储方法、装置、存储介质及电子装置 | |
CN114943285B (zh) | 互联网新闻内容数据智能审核系统 | |
Jing et al. | Flood event image recognition via social media image and text analysis | |
JP2004287670A (ja) | 画像データベース作成装置、画像データベース作成方法、プログラム、及び記録媒体 | |
CN115658993A (zh) | 一种网页的核心内容的智能化抽取方法及系统 | |
CN114238735A (zh) | 一种互联网数据智能采集方法 | |
CN114996410A (zh) | 一种关于环境数据资源自动整合及共享的方法 | |
Choe et al. | Semantic video event search for surveillance video | |
Zinger et al. | Extracting an ontology of portrayable objects from WordNet | |
KR101104753B1 (ko) | 구조계산서 텍스트 정보의 계층 구조 추출 방법 | |
Rabiu et al. | TEXTUAL AND STRUCTURAL APPROACHES TO DETECTING FIGURE PLAGIARISM IN SCIENTIFIC PUBLICATIONS. | |
Sharma et al. | Attributed paths for layout-based document retrieval |
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 |