CN110223340B - 一种机器人识别图书所在架位的方法、装置 - Google Patents
一种机器人识别图书所在架位的方法、装置 Download PDFInfo
- Publication number
- CN110223340B CN110223340B CN201910502060.6A CN201910502060A CN110223340B CN 110223340 B CN110223340 B CN 110223340B CN 201910502060 A CN201910502060 A CN 201910502060A CN 110223340 B CN110223340 B CN 110223340B
- Authority
- CN
- China
- Prior art keywords
- spine
- book
- information
- identification
- image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本发明的实施例公开一种机器人识别图书所在架位的方法和装置,所述方法包括以下步骤:步骤1,机器人获取待识别书的书脊信息;步骤2,将所述待识别书的书脊信息,与书脊信息库中的书脊信息进行匹配,获取所述待识别书所对应的书架位置;所述书脊信息库保存有书脊信息与书架位置的对应关系。本发明能够提高图书的自动化管理水平。
Description
技术领域
本发明涉及图书识别领域,尤其涉及一种机器人识别图书所在架位的方法和装置。
背景技术
现有技术中,图书越来越多,图书管理的工作量也越来越大。很多图书馆使用机器人来识别整理图书,而图书的自动识别方法有很多,条形码、RFID等,但识别率都不高,如何提高图书的识别率是图书管理人员最为关心的问题,也是目前使用机器人识别整理图书的一个瓶颈。
发明内容
有鉴于此,本发明实施例提供一种机器人识别图书所在架位的方法和装置,能够提高机器人识别图书的识别率。
一种机器人识别图书所在架位的方法,包括以下步骤:
步骤1,机器人获取待识别书的书脊信息;
步骤2,将所述待识别书的书脊信息,与书脊信息库中的书脊信息进行匹配,获取所述待识别书所对应的书架位置;所述书脊信息库保存有书脊信息与书架位置的对应关系。
一种机器人识别图书所在架位的装置,包括以下步骤:
识别装置,获取待识别书的书脊信息;
匹配装置,将所述待识别书的书脊信息,与书脊信息库中的书脊信息进行匹配,判断所述待识别书所对应的书架位置;所述书脊信息库保存有书脊信息与书架位置的对应关系;所述书架位置包括校区、书库、架位、单双面、列数和层数。
上述实施例中,通过采集书脊信息管理图书,能够提高图书的自动化管理水平。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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它的附图。
图1为本发明的实施例为本发明所述的一种机器人识别图书所在架位的方法的流程示意图;
图2为本发明的为本发明所述的一种机器人识别图书所在架位的装置的连接示意图。
具体实施方式
下面结合附图对本发明实施例进行详细描述。
应当明确,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。
为了描述的方便,描述以上装置是以功能分为各种单元/模块分别描述。当然,在实施本发明时可以把各单元/模块的功能在同一个或多个软件和/或硬件中实现。为本发明所述的一种机器人识别图书所在架位的方法
如图1所示,包括以下步骤:
步骤11,机器人获取待识别书的书脊信息;
步骤12,将所述待识别书的书脊信息,与书脊信息库中的书脊信息进行匹配,获取所述待识别书所对应的书架位置;所述书脊信息库保存有书脊信息与书架位置的对应关系。
所述书架位置的唯一标识用标签表示,所述标签为二维码或条形码;
所述书架位置包括校区、书库、架位、单双面、列数和层数。
可选的,所述步骤2包括:
将待识别书的书脊信息与待识别书当前所在书架的当前层的书脊信息库进行对比,确认是否属于当前所在书架的当前层内的图书,生成判断结果;
当判断结果为否时,则遍历所有书架的所有层的书脊信息库进行对比,以确认待识别书的书架位置。
可选的,所述步骤1之前,所述方法还包括:
步骤10a,获取每个书架中每层的书的书脊信息;
步骤10b,建立每本书的书脊信息与书架位置之间的对应关系。
其中,步骤10a包括:
获取每层书架的图像,作为第一图像:
在所述第一图像中,确定每层书架的边缘;确定本层书架的深度;确定所述每层图书图像的边缘,对图像背影去噪,根据边缘形成整体图书书脊图像;
根据所述整体图书书脊图像中的平行线条进行图像切割,形成单本图书书脊图像;
对所述单本图书书脊图像进行文字转化,形成文字信息;
对所述单本图书书脊图像分析,获取书脊的高度及厚度、书脊的纸张纹路特征、书脊的背景颜色和书脊的突出色块特征;
将所述书脊图像、文字信息、书脊高度及厚度、书脊纸张纹路特征、书脊背景颜色和书脊突出色块中的至少一个或者多个的任意组合作为书脊信息。
所述纸张纹路特征包括:纹路走向、纹路间距、纹路交叉角度和纹路与所述书脊图像边缘的相交角度中的一个或者多个信息的任意组合;
所述书脊的突出色块特征包括:色块色值、色块形状、色块位置、色块间距、色块顺序、所述色块特征与所述纸张纹路重叠的影像信息中的一个或者多个信息的组合。
其中,步骤10b还包括:
建立每一本书的书脊信息与唯一的书脊信息编码之间的一一对应关系;
建立所述书脊信息编码与图书的索书号之间的一一对应关系。
所述步骤10b还包括:
沿每本书的书脊粘贴条形码,建立条形码,每一条形码对应唯一一本图书;
所述书脊信息还包括:条形码。
所述方法还包括:
步骤13,建立自我深度学习库,生成所述书的书脊信息的学习结果信息;深度学习的范围包括:字体模糊辨识、书脊变形辨识、书脊颜色渐变辨识、书脊破损辨识和环境光线变化辨识;
步骤14,使用所述学习结果信息,更新所述书的书脊信息;所述书脊信息表还包括:字体模糊辨识特征、书脊变形辨识特征、书脊颜色渐变辨识特征、书脊破损辨识特征和环境光线变化辨识特征中的一个或者多个的任意组合;
所述字体模糊辨识包括:将字体反复变焦,从清晰到模糊的模拟过程中记取每一个状态下的字体信息,作为字体模糊辨识特征;
所述书脊变形辨识包括:将书脊由长方体变形为拱形的渐变模拟过程中所有变形状态下的书脊图像信息记录下来,作为书脊变形辨识特征;
所述书脊颜色渐变辨识包括:将书脊背景颜色按自然褪色规律模拟并提取渐变过程中的颜色信息,作为书脊渐变辨识特征;
所述书脊破损辨识包括:模拟书脊各个部位破损的情况下,记取书脊图像信息,作为书脊破损辨识特征;
所述环境光线变化辨识包括:获取模拟环境的光线在不同强度下的书脊图像信息,作为环境光线变化辨识的特征。
以下描述本发明的应用场景。
一种机器人识别图书所在架位的识别方法,包括以下步骤:每层书架通过标签确定唯一标识;每层书架所有书籍全部在架;对每层书架进行图像初始化;建立书脊信息库,每本书脊信息与图书的索书号一一对应;建立自我学习库,进行深度学习,学习结果信息并入书架对应的所述书脊信息库;按所述标签识别书架信息,按所述初始化方式形成书架内书脊信息;与本书架书脊信息表进行对比,确认是否属于本书架内图书;非本书架图书,将遍历整个书脊信息库所有的书脊信息表,进行对比,确认所属书架。
所述每层书架通过标签确定书架唯一标识,其中标签为二维码或条形码;所述书架唯一标识为每层书架的位置信息。
所述通过机器人的红外摄像头对每层书架图像初始化包括:确定本层书架的边缘;确定本层书架的深度;确定所述每层图书图像边缘,对图像背影去噪,根据边缘形成整体图书书脊图像;根据所述整体图书书脊图像中的平行线条进行图像切割,形成单本图书书脊图像;对所述单本图书书脊图像进行文字转化,形成文字信息;对所述单本图书书脊图像分析,获取书脊高度及厚度、书脊纸张纹路特征、书脊背景颜色和书脊突出色块特征信息。
所述纸张纹路特征包括:纹路走向、纹路间距、纹路交叉角度和纹路与所述书脊图像边缘的相交角度;所述书脊突出色块特征包括色块色值、色块形状、色块位置、色块间距、色块顺序;获取所述色块特征与所述纸张纹路重叠的影像信息。
所述建立书脊信息库,是根据所述初始化获得的所有信息,将每层书架对应一个单独的书脊信息表,每一本书脊的所有信息对应一个唯一的书脊信息编码,所述书脊信息编码与图书的索书号一一对应。
建立自我学习库,深度学习范围包括:字体模糊辨识、书脊变形辨识、书脊颜色渐变辨识、书脊破损辨识和环境光线变化辨识,每层书架所有学习结果信息加入本书架对应的所述书脊信息表。
所述字体模糊辨识是将字体反复变焦,从清晰到模糊的模拟过程中记取每一个状态下的字体信息,作为字体模糊辨识特征;所述书脊变形辨识是将书脊由长方体变形为拱形的渐变模拟过程中所有变形状态下的书脊图像信息记录下来,作为书脊变形辨识特征;所述书脊颜色渐变辨识,是将书脊背景颜色按自然褪色规律模拟并提取渐变过程中的颜色信息,作为书脊渐变辨识特征;所述书脊破损辨识,是模拟书脊各个部位破损的情况下,记取书脊图像信息,作为书脊破损辨识特征;所述环境光线变化辨识,是获取模拟环境的光线在不同强度下的书脊图像信息,作为环境光线变化辨识的特征。
按所述初始化方式形成书架内书脊信息;与本书架书脊信息表进行对比,确认是否属于本书架内图书;每一次执行对比,对比结果确定为本书架图书,同时将本次书脊信息有变化的特征加入所述书脊信息表;非本书架图书,将遍历整个书脊信息库所有的书脊信息表,进行对比,确认所属书架,同时将本次书脊信息有变化的特征加入所述书脊信息表。
沿每本书脊粘贴条形码,建立条形码库,每一条形码对应唯一一本图书,由机器人的条形码读取器读取识别。
如图2所示,为本发明所述的一种机器人识别图书所在架位的装置,包括以下步骤:
识别装置21,获取待识别书的书脊信息;
匹配装置22,将所述待识别书的书脊信息,与书脊信息库中的书脊信息进行匹配,判断所述待识别书所对应的书架位置;所述书脊信息库保存有书脊信息与书架位置的对应关系;所述书架位置包括校区、书库、架位、单双面、列数和层数。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种机器人识别图书所在架位的方法,其特征在于,包括以下步骤:
步骤1,机器人获取待识别书的书脊信息;
步骤2,将所述待识别书的书脊信息,与书脊信息库中的书脊信息进行匹配,获取所述待识别书所对应的书架位置;所述书脊信息库保存有书脊信息与书架位置的对应关系;
所述方法还包括:
建立自我深度学习库,生成所述书的书脊信息的学习结果信息;深度学习的范围包括:字体模糊辨识、书脊变形辨识、书脊颜色渐变辨识、书脊破损辨识和环境光线变化辨识;
使用所述学习结果信息,更新所述书的书脊信息;所述书脊信息表还包括:字体模糊辨识特征、书脊变形辨识特征、书脊颜色渐变辨识特征、书脊破损辨识特征和环境光线变化辨识特征中的一个或者多个的任意组合;
所述字体模糊辨识包括:将字体反复变焦,从清晰到模糊的模拟过程中记取每一个状态下的字体信息,作为字体模糊辨识特征;
所述书脊变形辨识包括:将书脊由长方体变形为拱形的渐变模拟过程中所有变形状态下的书脊图像信息记录下来,作为书脊变形辨识特征;
所述书脊颜色渐变辨识包括:将书脊背景颜色按自然褪色规律模拟并提取渐变过程中的颜色信息,作为书脊渐变辨识特征;
所述书脊破损辨识包括:模拟书脊各个部位破损的情况下,记取书脊图像信息,作为书脊破损辨识特征;
所述环境光线变化辨识包括:获取模拟环境的光线在不同强度下的书脊图像信息,作为环境光线变化辨识的特征。
2.根据权利要求1所述的方法,其特征在于,
所述书架位置的唯一标识用标签表示,所述标签为二维码或条形码;
所述书架位置包括校区、书库、架位、单双面、列数和层数。
3.根据权利要求1所述的方法,其特征在于,所述步骤2包括:
将待识别书的书脊信息与待识别书当前所在书架的当前层的书脊信息库进行对比,确认是否属于当前所在书架的当前层内的图书,生成判断结果;
当判断结果为否时,则遍历所有书架的所有层的书脊信息库进行对比,以确认待识别书的书架位置。
4.根据权利要求1所述的方法,其特征在于,所述步骤1之前,所述方法还包括:
获取每个书架中每层的书的书脊信息;
建立每本书的书脊信息与书架位置之间的对应关系。
5.根据权利要求4所述的方法,其特征在于,所述获取每个书架中每层的书的书脊信息的步骤包括:
获取每个书架中每层书架的图像,作为第一图像:
在所述第一图像中,确定每层书架的边缘;确定本层书架的深度;确定每层图书图像的边缘,对图像背影去噪,根据边缘形成整体图书书脊图像;
根据所述整体图书书脊图像中的平行线条进行图像切割,形成单本图书书脊图像;
对所述单本图书书脊图像进行文字转化,形成文字信息;
对所述单本图书书脊图像分析,获取书脊的高度及厚度、书脊的纸张纹路特征、书脊的背景颜色和书脊的突出色块特征;
将所述书脊图像、文字信息、书脊高度及厚度、书脊纸张纹路特征、书脊背景颜色和书脊突出色块中的至少一个或者多个的任意组合作为书脊信息。
6.根据权利要求5所述的方法,其特征在于,
所述纸张纹路特征包括:纹路走向、纹路间距、纹路交叉角度和纹路与所述书脊图像边缘的相交角度中的一个或者多个信息的任意组合;
所述书脊的突出色块特征包括:色块色值、色块形状、色块位置、色块间距、色块顺序、所述色块特征与所述纸张纹路重叠的影像信息中的一个或者多个信息的组合。
7.根据权利要求4所述的方法,其特征在于,所述建立每本书的书脊信息与索书号以及书架位置之间的对应关系的步骤还包括:
建立每一本书的书脊信息与唯一的书脊信息编码之间的一一对应关系;
建立所述书脊信息编码与图书的索书号之间的一一对应关系。
8.根据权利要求4所述的方法,其特征在于,所述建立每本书的书脊信息与索书号以及书架位置之间的对应关系的步骤还包括:
沿每本书的书脊粘贴条形码,建立条形码,每一条形码对应唯一一本图书;
所述书脊信息还包括:条形码。
9.一种机器人识别图书所在架位的装置,其特征在于,包括:
识别装置,获取待识别书的书脊信息;
匹配装置,将所述待识别书的书脊信息,与书脊信息库中的书脊信息进行匹配,判断所述待识别书所对应的书架位置;所述书脊信息库保存有书脊信息与书架位置的对应关系;所述书架位置包括校区、书库、架位、单双面、列数和层数;
所述装置还用于:
建立自我深度学习库,生成所述书的书脊信息的学习结果信息;深度学习的范围包括:字体模糊辨识、书脊变形辨识、书脊颜色渐变辨识、书脊破损辨识和环境光线变化辨识;
使用所述学习结果信息,更新所述书的书脊信息;所述书脊信息表还包括:字体模糊辨识特征、书脊变形辨识特征、书脊颜色渐变辨识特征、书脊破损辨识特征和环境光线变化辨识特征中的一个或者多个的任意组合;
所述字体模糊辨识包括:将字体反复变焦,从清晰到模糊的模拟过程中记取每一个状态下的字体信息,作为字体模糊辨识特征;
所述书脊变形辨识包括:将书脊由长方体变形为拱形的渐变模拟过程中所有变形状态下的书脊图像信息记录下来,作为书脊变形辨识特征;
所述书脊颜色渐变辨识包括:将书脊背景颜色按自然褪色规律模拟并提取渐变过程中的颜色信息,作为书脊渐变辨识特征;
所述书脊破损辨识包括:模拟书脊各个部位破损的情况下,记取书脊图像信息,作为书脊破损辨识特征;
所述环境光线变化辨识包括:获取模拟环境的光线在不同强度下的书脊图像信息,作为环境光线变化辨识的特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910502060.6A CN110223340B (zh) | 2019-06-11 | 2019-06-11 | 一种机器人识别图书所在架位的方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910502060.6A CN110223340B (zh) | 2019-06-11 | 2019-06-11 | 一种机器人识别图书所在架位的方法、装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110223340A CN110223340A (zh) | 2019-09-10 |
CN110223340B true CN110223340B (zh) | 2023-04-18 |
Family
ID=67816346
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910502060.6A Active CN110223340B (zh) | 2019-06-11 | 2019-06-11 | 一种机器人识别图书所在架位的方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110223340B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111091124B (zh) * | 2019-12-04 | 2022-06-03 | 吉林大学 | 一种书脊文字识别方法 |
CN111898555B (zh) * | 2020-07-31 | 2023-05-19 | 上海交通大学 | 基于图像与文本的图书盘点识别方法、装置、设备及系统 |
CN114147680A (zh) * | 2021-12-16 | 2022-03-08 | 三明学院 | 一种智能图书馆机器人及其工作方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107329469A (zh) * | 2017-04-21 | 2017-11-07 | 南京邮电大学 | 一种自主机器人的乱架图书管理系统 |
CN108806518A (zh) * | 2017-05-01 | 2018-11-13 | 范喜 | 实体智能书 |
CN108921160B (zh) * | 2018-05-04 | 2021-10-26 | 广东数相智能科技有限公司 | 一种图书识别方法、电子设备及存储介质 |
-
2019
- 2019-06-11 CN CN201910502060.6A patent/CN110223340B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110223340A (zh) | 2019-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110223340B (zh) | 一种机器人识别图书所在架位的方法、装置 | |
CN108009602B (zh) | 一种基于条码识别的图书定位方法、电子设备及存储介质 | |
CN108399386A (zh) | 饼图中的信息提取方法及装置 | |
CN113538574B (zh) | 位姿定位方法、装置、设备及计算机可读存储介质 | |
CN110598686A (zh) | 发票的识别方法、系统、电子设备和介质 | |
CN112257665A (zh) | 图像内容的识别方法、图像识别模型的训练方法及介质 | |
RU2729399C1 (ru) | Способ обнаружения и распознавания визуальных маркеров большой дальности и высокой плотности | |
CN113065536A (zh) | 处理表格的方法、计算设备和计算机可读存储介质 | |
CN103745214A (zh) | 一种字符的识别方法和识别设备 | |
CN109086336A (zh) | 试卷数据存储方法、装置及电子设备 | |
CN113159014A (zh) | 基于手写题号的客观题批阅方法、装置、设备及存储介质 | |
CN106372216A (zh) | 提高题目查找准确率的方法和装置 | |
CN111144270A (zh) | 基于神经网络的手写文本工整度的评测方法与评测装置 | |
CN112613367A (zh) | 票据信息文本框获取方法、系统、设备及存储介质 | |
CN117216051A (zh) | 用于大语言模型训练的数据标注质量的确定方法、装置 | |
CN111539390A (zh) | 一种基于Yolov3的小目标图像识别方法、设备和系统 | |
CN109754242A (zh) | 助记符生成方法、装置以及电子设备 | |
CN112541505B (zh) | 文本识别方法、装置以及计算机可读存储介质 | |
CN113837167A (zh) | 一种文本图像识别方法、装置、设备及存储介质 | |
KR102595789B1 (ko) | 전자 회로도 영상의 자동인식 및 네트리스트 변환 방법 | |
CN116863482B (zh) | 一种互感器检测方法、装置、设备及存储介质 | |
CN116166889B (zh) | 酒店产品筛选方法、装置、设备及存储介质 | |
KR102223684B1 (ko) | 객체 식별 장치, 그 방법 및 컴퓨터 프로그램이 기록된 기록매체 | |
Miao | Intelligent Library Service Transformation Strategies Based on Convolutional Networks in the Information Age in the Context of Digital Transformation | |
CN111476229A (zh) | 一种图书管理机器人在架错序图书识别算法 |
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 |