CN110502984B - 图纸审查方法、装置、计算机设备和存储介质 - Google Patents
图纸审查方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110502984B CN110502984B CN201910625622.6A CN201910625622A CN110502984B CN 110502984 B CN110502984 B CN 110502984B CN 201910625622 A CN201910625622 A CN 201910625622A CN 110502984 B CN110502984 B CN 110502984B
- Authority
- CN
- China
- Prior art keywords
- primitive
- layer
- primitives
- picture
- screenshot
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0021—Image watermarking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06V20/64—Three-dimensional objects
-
- 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
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2201/00—General purpose image data processing
- G06T2201/005—Image watermarking
- G06T2201/0052—Embedding of the watermark in the frequency domain
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种图纸审查方法、装置、计算机设备和存储介质,所述方法包括:获取待审查图纸;所述待审查图纸包括多个图层;在每个图层截取一个或多个图元的图片;基于预训练的图元分类器确定所述图片对应的图元类别;根据不同图元类别对应的审查项,对相应图层进行缺陷识别;在所述待审查图纸中相应图元所在位置标记识别得到的缺陷。采用本方法能够提高图纸审查效率及准确性。
Description
技术领域
本申请涉及图像处理技术领域,特别是涉及一种图纸审查方法、装置、计算机设备和存储介质。
背景技术
施工图纸审查是施工图设计文件审查简称,是指建设主管部门认定的施工图审查机构按照有关法律、法规,对施工图纸涉及公共利益、公众安全和工程建设强制性标准的内容进行的审查。施工图纸记录了按照一定空间顺序布局的大量施工元素。传统的图纸审查主要依赖人工对施工图纸中繁杂的施工元素进行逐一审查,不仅效率低,且易出错。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高图纸审查效率及准确性的图纸审查方法、装置、计算机设备和存储介质。
一种图纸审查方法,包括:获取待审查图纸;所述待审查图纸包括多个图层;在每个图层截取一个或多个图元的图片;基于预训练的图元分类器确定所述图片对应的图元类别;根据不同图元类别对应的审查项,对相应图层进行缺陷识别;在所述待审查图纸中相应图元所在位置标记识别得到的缺陷。
在一个实施例中,所述在每个图层截取一个或多个图元的图片包括:提取每个图层中不同图元对应的描述文本;识别图元库中是否存在与所述描述文本语义相似的图元标签;若是,根据所述图元标签确定相应图元的图元类别;否则,在每个图层截取一个或多个图元的图片。
在一个实施例中,所述在每个图层截取一个或多个图元的图片包括:计算每个图元在所述图层的图元密度;在每个图层中截取一个或多个所述图元密度符合预设条件的图元的图片。
在一个实施例中,所述在每个图层截取一个或多个图元的图片包括:拦截对所述待审查图纸的截图指令;检测所述截图指令对应的截图区域是否包含多个图元;若是,对所述截图指令对应的截图区域进行掩盖处理;否则,响应所述截图指令,在所述图层截取相应图元的图片。
在一个实施例中,图元分类器的训练步骤包括:获取训练样本对及对应分类标签;训练样本对包括图元的描述文本和图片;通过预训练的文本特征提取模型提取所述描述文本的文本特征;通过待训练的图片特征提取模型提取所述图片的图元特征;将所述文本特征及所述图元特征输入图元分类器,得到预测分类结果;按照预测分类结果与所述分类标签的差异,调整所述图元特征提取模型及所述图元分类器的参数并继续训练,直至满足训练停止条件时结束训练。
在一个实施例中,所述根据不同图元类别对应的审查项,对相应图层进行缺陷识别包括:通过将不同图元类别对应的图层进行叠加,确定每个图元与其他图元之间的坐标距离及相对位置关系;根据所述审查项比较所述坐标距离是否达到阈值,或判断所述相对位置关系是否符合预设条件。
一种图纸审查装置,包括:图层解构模块,用于获取待审查图纸;所述待审查图纸包括多个图层;图元识别模块,用于在每个图层截取一个或多个图元的图片;基于预训练的图元分类器确定所述图片对应的图元类别;缺陷审查模块,用于根据不同图元类别对应的审查项,对相应图层进行缺陷识别;在所述待审查图纸中相应图元所在位置标记识别得到的缺陷。
在一个实施例中,所述图元识别模块还用于提取每个图层中不同图元对应的描述文本;识别图元库中是否存在与所述描述文本语义相似的图元标签;若是,根据所述图元标签确定相应图元的图元类别;否则,在每个图层截取一个或多个图元的图片。
在一个实施例中,所述图元识别模块还用于拦截对所述待审查图纸的截图指令;检测所述截图指令对应的截图区域是否包含多个图元;若是,对所述截图指令对应的截图区域进行掩盖处理;否则,响应所述截图指令,在所述图层截取相应图元的图片。
一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一项图纸审查方法的步骤。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项图纸审查方法的步骤。
上述图纸审查方法、装置、计算机设备和存储介质,通过将审查图纸划分为多个图层,可以在每个图层截取得到一个或多个图元的图片;基于预训练的图元分类器,可以确定所述图片对应的图元类别;根据预置的不同图元类别对应的审查项,可以有针对性的对每个图层进行缺陷识别以及缺陷标记。基于图元分类器自动进行图元类别识别,并根据预先针对不同图元类别设置的审查项,可以自动对每个图层进行缺陷识别,进而提高图纸审查效率。此外,由于是基于图层进行缺陷识别,相比对待审查图纸整体进行缺陷识别,可以减少图元之间的干扰,进而提高图纸审查结果准确性。
附图说明
图1为一个实施例中图纸审查方法的应用场景图;
图2为一个实施例中图纸审查方法的流程图;
图3为一个实施例中图纸审查装置的框图;
图4为一个实施例中计算机设备的框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供图纸审查方法,可以应用于如图1所示的应用环境中。其中,终端110通过网路与服务器120连接。图纸审查方法可以在终端110或服务器120完成。终端110可以获取待审查图纸后采用上述图纸审查方法识别待审查图纸中的缺陷,并进行缺陷标记。或者终端110可以获取到用户上传的待审查图纸后,通过网络连接将待审查图纸发送至服务器120,服务器120采用上述图纸审查方法识别待审查图纸中的缺陷,并进行缺陷标记。终端110可以是智能手机、平板电脑、台式计算机、车载电脑中的至少一种,但并不局限于此。服务器120可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群。
在一个实施例中,如图2所示,提供了一种图纸审查方法,以该方法应用于终端或服务器为例进行说明,具体包括以下步骤:
S202,获取待审查图纸;待审查图纸包括多个图层。
其中,待审查图纸可以是建筑工程中的施工图纸。根据建筑工程的工程类别不同,待审查图纸具体可以是轨道交通图纸、园林图纸、电气图纸、供给水图纸、供暖图纸、防火图纸、安全通道图纸或防空地下室图纸等。待审查图纸可以是基于CAD(Computer AidedDesign,计算机辅助设计)、Pro/Engineer(三维软件)等工具绘制而成的二维或三维图纸,也可以是基于BIM(Building Information Modeling,建筑信息模型)设计而成的三维图纸。
多个待审查图纸可以记录在同一图纸文件中。图纸文件基于图框对不同的待审查图纸进行区分。图框是指用于框取待审查图纸处于图纸文件中的位置区域的边框。待审查图纸包括多个含有文字或图形等元素的图层。多个图层按顺序叠加在一起形成待审查图纸的最终效果。图层可以将待审查图纸上的元素精确定位。本实施例每个图层记录了一个或多个图元的属性信息。同一图层中的多个图元是相同类别(以下称图元类别)的。图元类别是指图元所代表施工元素的类别,如窗户、消防栓、门、停车位等。根据图元类别不同,可以对不同的图层进行区分。属性信息包括图元的描述文本,如图元编号、图元名称等。
具体地,计算机设备获取待审查图纸,并对待审查图纸进行图层解构,得到多个图层。在一个实施例中,计算机设备也可通过USB(Universal Serial Bus,通用串行总线)接口连接或网络连接等通信方式从其他计算机设备处获取待审查图纸。容易理解,若图纸文件记录了多个待审查图纸,则计算机设备首先进行图框识别,提取图框内的待审查图纸,可以减少图框外边线对待审查图纸造成的干扰。
S204,在每个图层截取一个或多个图元的图片。
图元的图片是指图层中图元所在区域的局部图像。图元所在区域是图元在图层中的位置。具体地,计算机设备可根据图元定义信息识别每个图层中的图元区域,如通过矩形框标识图元的位置。计算机设备在确定每个图层中的图元区域后,可沿该图元区域截取图层得到该图元对应的图片。每个图层可截取得到一个或多个图元的图片。
S206,基于预训练的图元分类器确定图片对应的图元类别。
在一个实施例中,图元分类器的训练步骤包括:获取训练样本对及对应分类标签;训练样本对包括图元的描述文本和图片;通过预训练的文本特征提取模型提取描述文本的文本特征;通过待训练的图片特征提取模型提取图片的图元特征;将文本特征及图元特征输入图元分类器,得到预测分类结果;按照预测分类结果与分类标签的差异,调整图元特征提取模型及图元分类器的参数并继续训练,直至满足训练停止条件时结束训练。
其中,训练样本对可以是从预设图元库中筛选得到的用于训练图元特征提取模型的多个图元的描述文本和对应图片。训练样本对中的描述文本不仅包括图元名称或图元编号等,还可以包括图元所在待审查图纸的用途描述等。在其他场景中,用户可以根据自己的理解,人工为图片赋予一定的语义描述信息,训练样本对中的文本也可以是用户针对图片人工赋予的语义描述信息。训练样本对中的图片是蕴含有图元的形状信息、颜色信息或其他含义信息,且可能配有描述文本的图片。分类标签是用于标注训练样本对所属类别的数据。在一个实施例中,计算机设备可以从预设图元库中选择多个训练样本对,将训练样本对进行分类,并为每一类的训练样本对分配分类标签。
具体地,计算机设备对描述文本进行分词、去停用词或同义词扩展等预处理,将预处理得到的分词输入预训练的文本特征提取模型,得到文本特征。文本特征提取模型是经过训练后具有自然语言处理(NLP,natural language processing)能力的语言模型,具体可以是以预设图元库中描述文本作为训练数据,进行学习训练得到的用于提取文本语义的语言模型。比如word2vector模型word2vec模型(word to vector,用于产生词向量的模型)、elmo模型(Embeddings from Language Models,文本嵌入模型)、bert模型(Bidirectional Encoder Representations from Transformers,双向编码变换模型)等。预训练的文本特征提取模型具有固定的模型结构和模型参数。文本特征是表示描述文本的语义的特征。文本特征的表现形式可以是向量形式。
进一步地,计算机设备可提取训练样本对中图片自身的属性特征或者额外赋予的标识特征,将提取得到的图片的属性特征或标识特征输入待训练的图片特征提取模型,得到图片特征。待训练的图片特征提取模型是由人工神经网络构成的模型。神经网络模型比如CNN(Convolutional Neural Network,卷积神经网络)模型、DNN(Deep Neural Network,深度神经网络)模型和RNN(Recurrent Neural Network,循环神经网络)模型等。图片特征提取模型也可以是多种神经网络模型的组合。图元特征是表示图片的含义的特征。在本实施例中,图元特征具体可以是计算机设备从图片中提取出的可以表示图元含义的数据,得到图元含义的表示或描述,如向量或符号等。
计算机设备可将训练样本对对应的文本特征和图元特征输入到图元分类器后,由该图元分类器判定该训练样本对所属的类别标签,从而将该类别标签作为预测分类结果。图元分类器是具有对图片进行分类的能力的机器学习模型。图元分类器可以是通过卷积神经网络模型、循环神经网络模型、LR(Logistic Regression,逻辑回归算法)、SVM(SupportVector Machine,支持向量机)模型或GBDT(Gradient Boosting Decision Tree,梯度提升树)等训练得到的模型。待训练的图元特征提取模型与图元分类器分别包含有模型参数。该模型参数作为本实施例中训练图元特征提取模型的初始参数参与到训练中。
计算机设备可比较预测分类结果与分类标签的差异,从而朝减少差异的方向,调整图元特征提取模型及图元分类器的参数。如果调整参数后,不满足训练停止条件,则返回通过预训练的文本特征提取模型提取描述文本的文本特征的步骤继续训练,直到满足训练停止条件时结束训练。训练停止条件可以是达到预设的迭代次数,或者是调整参数后的图片分类器的分类性能指标达到预设指标。
上述模型训练方式,在参数调整过程中,使得图元特征提取模型既能充分利用图片本身的特征,又能结合训练样本对中描述文本的语义。在基于图元特征提取模型对图片进行类别识别时,得到了图元特征和文本特征的双重指导,可以大大提高了图元类别识别的准确性。
S208,根据不同图元类别对应的审查项,对相应图层进行缺陷识别。
计算机设备预存储了多种图元类别及每种图元类别对应的一个或多个审查项。审查项是指需要对图元进行哪些方面的审查,如图元距离、图元相对位置等。每种审查项具有对应的审查指标和审查条件。比如,审查项“图元距离”对应的审查指标包括与其他图元的坐标距离;审查项“图元相对位置”对应的审查指标包括与其他图元的相对位置关系等。
在一个实施例中,根据不同图元类别对应的审查项,对相应图层进行缺陷识别包括:通过将不同图元类别对应的图层进行叠加,确定每个图元与其他图元之间的坐标距离及相对位置关系;根据审查项比较坐标距离是否达到阈值,或判断相对位置关系是否符合预设条件。
当审查项为图元距离时,计算机设备通过将不同图元类别对应的图层进行叠加,确定每个图元与其他图元之间的坐标距离。计算机设备比较该坐标距离是否达到阈值,以判断该图元与其他图元的坐标距离是否符合相应审查条件。
当审查项为图元相对位置时,计算机设备按照预设方式针对每个图层构建坐标系,确定每个图元在相应图层的位置坐标,进而根据位置坐标确定不同图元的相对位置关系。计算机设备判断不同图元之间的相对位置关系是否符合预设的审查条件。
S210,在待审查图纸中相应图元所在位置标记识别得到的缺陷。
当某项审查指标的审查结果为审查失败时,计算机设备根据图元实际对应审查指标的指标值(如上述坐标距离或相对位置关系等)以及审查条件生成缺陷标记文本,将缺陷标记文本添加在待审查图纸中相应图元所在位置。
上述图纸审查方法,通过将审查图纸划分为多个图层,可以在每个图层截取得到一个或多个图元的图片;基于预训练的图元分类器,可以确定图片对应的图元类别;根据预置的不同图元类别对应的审查项,可以有针对性的对每个图层进行缺陷识别以及缺陷标记。基于图元分类器自动进行图元类别识别,并根据预先针对不同图元类别设置的审查项,可以自动对每个图层进行缺陷识别,进而提高图纸审查效率。此外,由于是基于图层进行缺陷识别,相比对待审查图纸整体进行缺陷识别,可以减少图元之间的干扰,进而提高图纸审查结果准确性。
在一个实施例中,在每个图层截取一个或多个图元的图片包括:提取每个图层中不同图元对应的描述文本;识别图元库中是否存在与描述文本语义相似的图元标签;若是,根据图元标签确定相应图元的图元类别;否则,在每个图层截取一个或多个图元的图片。
如上文,描述文本包括图元名称、图元编号、图元所在待审查图纸的用途描述或人工赋予的其他语义描述信息等。不同用户在设计待审查图纸时对同一类别的图元,可能采用不同的命名或编号方式。比如,对于施工元素“墙”,对应的描述文本可能是“墙”、“wall”、“ABC”或者“123”等。图元标签是指能够指代图元在实际施工中所代表含义的标准名称,如施工元素“墙”对应的图元标签可以是“墙”或“wall”。
具体地,计算机设备首先对描述文本进行语义识别,判断图元库中是否存在与描述文本语义相似的图元标签。图元库存储了多种图元的图元标签。容易理解,若描述文本为图元名称,可以通过关键词匹配的方式,识别图元库中是否将相应描述文本作为图元名称的图元。若图元库中存在将相应描述文本作为图元名称的图元,则根据该描述文本可以直接确定相应图元的图元类别。
图元库还存储了每个图元标签对应的文本特征。若描述文本为人工赋予的语义描述信息,可以采用上述预训练的文本特征提取模型确定该描述文本的文本特征,计算描述文本的文本特征与图元库中每个图元标签对应文本特征的特征相似度。计算机设备判断是否存在特征相似度达到阈值的图元标签。若图元库存在特征相似度达到阈值的图元标签,则根据特征相似度最大且达到阈值的图元标签直接确定相应图元的图元类别。
当根据描述文本无法确定图元的图元类别时,计算机设备按照方式基于预训练的图元分类器确定图元的图元类别。在一个实施例中,计算机设备还可以将整个图层输入图元分类器,进行全量识别,可以免去图元分割的步骤,提高图纸审查效率。
上述实施例中,首先根据描述文本进行图元类别识别,简单的描述文本语义分析可以节约计算机计算资源,且可以提高图元类别识别效率。只有在描述文本无法准确识别得到图元类别时才进行图元分割,基于图元分类器对图元图片进行分析处理,实现多层级图元识别逻辑,可以同时兼顾图元识别效率和准确性。
在一个实施例中,在每个图层截取一个或多个图元的图片包括:计算每个图元在图层的图元密度;在每个图层中截取一个或多个图元密度符合预设条件的图元的图片。
其中,图元密度是指图元在相应图层的分布密集程度。图元密度具体可以通过单位区域面积内图元的数量来表征。图元密度的预设条件可以是一个或多个图元密度的取值区间。
由于同一图层中的多个图元具有相同的图元类别,为了提高图元类别识别效率,计算机设备可以在每个图层选取一部分图元进行图元类别识别。具体的图元筛选逻辑可以是覆盖每个图层中高图元密度区域内的图元以及低图元密度区域内的图元。容易理解,计算机设备也可以按照其他逻辑进行图元筛选,如随机选取其中预设数量的图元,对此不作限制。
上述实施例中,基于图元密度进行图元筛选,可以覆盖分布在每个图层中高图元密度区域内的图元以及低图元密度区域内的图元,有助于提高图纸审查结果准确性。
在一个实施例中,在每个图层截取一个或多个图元的图片包括:拦截对待审查图纸的截图指令;检测截图指令对应的截图区域是否包含多个图元;若是,对截图指令对应的截图区域进行掩盖处理;否则,响应截图指令,在图层截取相应图元的图片。
当用户基于终端对待审查图纸进行审查时,用户将待审查图纸上传至终端上的图纸审查工具,图纸审查工具在图纸审查页面展示待审查图纸,并采用上述图纸审查方法对待审查图纸自动进行缺陷识别。在自动对待审查图纸进行审查期间,用户可以基于图纸审查工具辅助对待审查图纸进行人工审查,比如,额外添加一些缺陷标记。
图纸审查工具具有截图功能,但仅在截取图元图片时使用。在图纸审查期间,用户可能通过调起区别于图纸审查工具的其他工具的截图功能,如社交工具、绘图工具等。为了提高待审查图纸的数据安全性,图纸审查工具不支持用户在图纸审查页面进行截图操作。具体地,图纸审查工具对产生的截图指令进行拦截,并通过检测截图指令对应的截图区域包含图元的数量来判断该截图指令是由用户人工触发,还是图纸审查工具在截取图元图片时自动触发。截图指令对应的截图区域是指调起计算机设备上的截图功能后,在图纸审查页面进行的截图操作所指向的区域。
当检测到截图区域包含多个图元时,表示相应截图指令是由人工借助其他工具触发的,图纸审查工具对截图指令对应的截图区域进行掩盖处理,如将截图区域填充为特定颜色或形状的内容。当检测到截图区域仅包含一个图元时,一定置信程度上可以认为相应截图指令是由图纸审查工具自动触发,则图纸审查工具相应该截图指令,在图层截取相应图元的图片。
上述实施例中,通过检测截图指令对应的截图区域包含图元的数量来对该截图指令是由用户人工触发,还是在截取图元图片时自动触发进行区分,对于人工触发的截图指令不予响应,避免用户通过截图的方式盗取图纸数据,可以提高待审查图纸的数据安全性。
在一个实施例中,上述图纸审查方法还包括:获取空间域水印图像;对控件域水印图像进行频域变换,得到频域水印图像;获取与频域水印图像相应配置的透明参数;根据透明参数,将频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染。
为了提高数据安全性,计算机设备采用数字水印技术为完成缺陷标记的每个图层添加水印。数字水印技术是将水印图像嵌入到待保护的数字载体(比如待审查图纸等)当中。传统方式将空间域的水印图像直接覆盖在待保护的数字载体上,会让水印的颜色和原图有色差,容易被用户感知。此外,由于水印的内容和位置信息等很明显,很容易被不法分子知晓,从而做相应的防范处理。但如果在空间域上让用户不易区分,则叠加的水印信息需要非常微弱,容易受到图片压缩、涂抹等干扰,同样起不到数据保护的效果。具体地,计算机设备获取携带有标记信息的空间域水印图像,将空间域水印图像覆盖在每个完成缺陷标记的图层上,得到空间域标记图层。
为了解决上述问题,计算机设备获取空间域的水印图像,对空间域水印图像进行频域变换,得到频域水印图像。其中,空间域水印图像是图像数据属于空间域的图像。频域水印图像是图像数据属于频率域的图像。空间域水印图像和频域水印图像都可称作水印图像,只是一个从空间上表示标记信息,另一个从频率上表示标记信息。水印图像是可通过嵌入到待保护信息中的图像,用来标记待保护的信息,便于后续的侵权追踪和版权保护等。水印图像是根据标记信息生成的图像。标记信息具体可以是文字或图形等。
图像的空间域是指图像平面所在的二维平面,对于空间域的图像的处理主要是对像素灰度值的改变,其位置不变。图像的频率域是指图像像素的灰度值随位置变化的空间频率,以频谱表示信息分布特征。比如,通过傅立叶变换能把遥感图像从空间域变换到只包含不同频率信息的频率域,原图像上的灰度突变部位、图像结构复杂的区域、图像细节及干扰噪声等信息集中在高频区,而原图像上灰度变化平缓部位的信息集中在低频区。频域水印图像和空间域水印图像之间可以通过离散余弦、傅里叶变换等图像变换/逆变换进行相互转化。
计算机设备可预先配置与频域标记图像对应的透明参数。透明参数是对图像进行透明化处理的参数,取值范围可以是0至1中的任意数值。透明参数越接近0或1的端值则图像越透明。该透明参数决定了在进行图层渲染时频域标记图像的透明程度。当计算机设备获取频域水印图像时,可对应查询与该频域水印图像对应配置的透明参数。在一个实施例中,在对图像进行处理时,可将图像的图像数据转化成四通道表示的图像数据。其中,四通道包括R(red,红色)通道、G(green,绿色)通道、B(blue,蓝色)通道和alpha通道。其中,R通道、G通道和B通道所对应的图像数据决定了图像的色彩情况,而alpha通道所对应的图像数据则决定了图像的透明程度。此时,透明参数就可以是与alpha通道对应的α系数。
计算机设备按图层的上下顺序将多个图层进行叠加渲染。具体地,计算机设备可按照透明参数,将频域标记图像叠加至待审查图纸中每个待保护的图层之上进行图层叠加渲染。在对多个图层进行图层叠加渲染时,上层图层的像素会覆盖下层图层的像素。
上述实施例中,将空间域水印图像经过频域变换得到频域水印图像,将频域水印图像按预配置的透明参数与待审查图纸进行图层叠加渲染。这样,展示的页面中就包括了透明化的频域水印图像,由于频域和空间域的像素分布位置是不同的,这样能很好地隐藏标记信息,具有很好的抗压缩和涂抹的鲁棒性。当用户对展示的渲染图像进行截图或分享时,所传递的截图图像就自动包括了隐藏的频域水印图像,便于对泄露的图纸数据进行侵权追踪和版权保护等,有效地保护了图纸数据。
在一个实施例中,根据透明参数,将频域水印图像与完成缺陷标记的每个图层分别进行叠加渲染包括:根据透明参数,将频域水印图像转化为相应的透明图层;将透明图层作为前景图层;根据完成缺陷标记的图层生成背景图层;将前景图层覆盖于背景图层之上进行图层叠加渲染。
计算机设备在渲染页面时是无法改变图像的alpha通道所对应的alpha值(也就是透明值),只能对多个图层进行叠加渲染。因而,为了将频域水印图像覆盖至目标页面进行展示,可先将频域水印图像转换成透明化的透明图层,再将该透明图像作为前景图层,将完成缺陷标记的每个图层分为作为背景图层,将透明图层覆盖于之上进行最终展示,即可实现在待审查图纸上添加隐藏水印的效果。
计算机设备将频域水印图像转化为相应的透明图层主要是将频域水印图像转换成带alpha通道的图像。其中,alpha通道是用来处理透明色的一种方式。在每个像素中保存一个alpha值(也就是透明值),用来表示这个像素的透明程度。加了alpha通道的透明值后,就变成用RGBA来表示一个像素。
由于频域水印图像是图像的频域图,计算机设备可确定频域水印图像中各像素对应的频率值,再将频率值乘以透明参数即可得到alpha通道对应的透明值。或者,计算机设备也可将频率值乘以透明参数的反值(也就是1-透明参数),得到alpha通道对应的透明值。其中,alpha通道对应的透明值用来表示图像的透明程度。通常alpha通道对应的透明值为一个端值时,图像是完全透明的,当alpha通道对应的透明值为另一个端值时,图像是完全不透明的。
在一个实施例中,对频域水印图像进行图片透明化处理时,频域水印图像中的无效像素区域的alpha通道对应的透明值为0,而有效像素区域的alpha通道对应的透明值为当前像素的频率值乘以α系数(比如α=0.1,其中,α系数越高,则水印越明显,α系数越低则相反),得到透明图层。
在一个实施例中,计算机设备在将频域水印图像转换为相应的透明图层时,主要是将当前的频域水印图像转换为带alpha通道的四通道透明图层。当空间域水印图像为一通道的灰度图像时,计算机设备在将频域水印图像转换为相应的透明图层时,可设置对应的R通道、G通道、和B通道所对应的亮度值分别为预设亮度值(比如255),或者为空间域水印图像的灰度值等。在一个实施例中,当空间域水印图像为三通道的彩色图像时,计算机设备可设置对应的R通道、G通道、和B通道所对应的亮度值分别为空间域水印图像中各像素在各通道中的亮度值。计算机设备根据频域水印图像中各像素的透明值和亮度值,生成与频域水印图像对应的透明图层。此时生成的透明图层是带alpha通道的透明图层。
上述实施例中,根据透明参数和各像素所对应的频率值,计算得到相应像素的透明值。依据频域水印图像中各像素的透明值和亮度值,则可方便快捷地生成与频域水印图像对应的透明图层。
计算机设备将前景图层覆盖于背景图层之上进行图层叠加渲染时,具体可采用如下方式:首先分别将前景图层和背景图层中各像素的RGB三个颜色分量分离;在这里称前景图层中的像素为前景像素,称背景图层中的像素为背景像素,然后把前景像素的三个颜色分量分别乘上Alpha的值,并把背景像素的三个颜色分量分别乘上Alpha的反值(也就是透明值的反值);进一步地,将相应前景像素和背景像素所对应的颜色分量分别相加,并分别将各颜色分量除以alpha的最大值;最后将三个颜色分量重新合成为一个像素输出。容易理解,alpha值越大,透明效果就越弱。当alpha值达到最大时,就是不透明的,相反,如果alpha值为0,则是全透明。其中,alpha的取值一般为0到255。
上述实施例中,根据透明参数,将频域水印图像转化为相应的透明图层,将透明图层作为前景图层,并根据待审查图纸中每个图层生成背景图层。再将前景图层覆盖于背景图层之上进行图层叠加渲染,可以实现将透明图层叠加至待审查图纸进行展示的效果,也就是实现在待审查图纸上添加水印的效果。
在一个实施例中,如图3所示,提供了一种图纸审查装置,包括:图层解构模块302,图元识别模块304和缺陷审查模块306,其中:
图层解构模块302,用于获取待审查图纸;待审查图纸包括多个图层。
图元识别模块304,用于在每个图层截取一个或多个图元的图片;基于预训练的图元分类器确定图片对应的图元类别。
缺陷审查模块306,用于根据不同图元类别对应的审查项,对相应图层进行缺陷识别;在待审查图纸中相应图元所在位置标记识别得到的缺陷。
在一个实施例中,图元识别模块304还用于提取每个图层中不同图元对应的描述文本;识别图元库中是否存在与描述文本语义相似的图元标签;若是,根据图元标签确定相应图元的图元类别;否则,在每个图层截取一个或多个图元的图片。
在一个实施例中,图元识别模块304还用于计算每个图元在图层的图元密度;在每个图层中截取一个或多个图元密度符合预设条件的图元的图片。
在一个实施例中,图元识别模块304还用于拦截对待审查图纸的截图指令;检测截图指令对应的截图区域是否包含多个图元;若是,对截图指令对应的截图区域进行掩盖处理;否则,响应截图指令,在图层截取相应图元的图片。
在一个实施例中,上述图纸审查装置还包括分类器训练模块308,用于获取训练样本对及对应分类标签;训练样本对包括图元的描述文本和图片;通过预训练的文本特征提取模型提取描述文本的文本特征;通过待训练的图片特征提取模型提取图片的图元特征;将文本特征及图元特征输入图元分类器,得到预测分类结果;按照预测分类结果与分类标签的差异,调整图元特征提取模型及图元分类器的参数并继续训练,直至满足训练停止条件时结束训练。
在一个实施例中,缺陷审查模块306还用于通过将不同图元类别对应的图层进行叠加,确定每个图元与其他图元之间的坐标距离及相对位置关系;根据审查项比较坐标距离是否达到阈值,或判断相对位置关系是否符合预设条件。
上述的图纸审查装置可以实现为一种计算机程序的形式,计算机程序可在如图4所示的计算机设备上运行。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,也可以是移动终端。当该计算机设备为服务器时,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图纸审查方法。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。处理器执行计算机程序时可以执行以下步骤:获取待审查图纸;待审查图纸包括多个图层;在每个图层截取一个或多个图元的图片;基于预训练的图元分类器确定图片对应的图元类别;根据不同图元类别对应的审查项,对相应图层进行缺陷识别;在待审查图纸中相应图元所在位置标记识别得到的缺陷。
在一个实施例中,处理器执行计算机程序时还执行以下步骤:提取每个图层中不同图元对应的描述文本;识别图元库中是否存在与描述文本语义相似的图元标签;若是,根据图元标签确定相应图元的图元类别;否则,在每个图层截取一个或多个图元的图片。
在一个实施例中,处理器执行计算机程序时还执行以下步骤:计算每个图元在图层的图元密度;在每个图层中截取一个或多个图元密度符合预设条件的图元的图片
在一个实施例中,处理器执行计算机程序时还执行以下步骤:拦截对待审查图纸的截图指令;检测截图指令对应的截图区域是否包含多个图元;若是,对截图指令对应的截图区域进行掩盖处理;否则,响应截图指令,在图层截取相应图元的图片。
在一个实施例中,处理器执行计算机程序时还执行以下步骤:获取训练样本对及对应分类标签;训练样本对包括图元的描述文本和图片;通过预训练的文本特征提取模型提取描述文本的文本特征;通过待训练的图片特征提取模型提取图片的图元特征;将文本特征及图元特征输入图元分类器,得到预测分类结果;按照预测分类结果与分类标签的差异,调整图元特征提取模型及图元分类器的参数并继续训练,直至满足训练停止条件时结束训练。
在一个实施例中,处理器执行计算机程序时还执行以下步骤:通过将不同图元类别对应的图层进行叠加,确定每个图元与其他图元之间的坐标距离及相对位置关系;根据审查项比较坐标距离是否达到阈值,或判断相对位置关系是否符合预设条件。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现计算机程序以下步骤:获取待审查图纸;待审查图纸包括多个图层;在每个图层截取一个或多个图元的图片;基于预训练的图元分类器确定图片对应的图元类别;根据不同图元类别对应的审查项,对相应图层进行缺陷识别;在待审查图纸中相应图元所在位置标记识别得到的缺陷。
在一个实施例中,计算机程序被处理器执行时还执行以下步骤:提取每个图层中不同图元对应的描述文本;识别图元库中是否存在与描述文本语义相似的图元标签;若是,根据图元标签确定相应图元的图元类别;否则,在每个图层截取一个或多个图元的图片。
在一个实施例中,计算机程序被处理器执行时还执行以下步骤:计算每个图元在图层的图元密度;在每个图层中截取一个或多个图元密度符合预设条件的图元的图片
在一个实施例中,计算机程序被处理器执行时还执行以下步骤:拦截对待审查图纸的截图指令;检测截图指令对应的截图区域是否包含多个图元;若是,对截图指令对应的截图区域进行掩盖处理;否则,响应截图指令,在图层截取相应图元的图片。
在一个实施例中,计算机程序被处理器执行时还执行以下步骤:获取训练样本对及对应分类标签;训练样本对包括图元的描述文本和图片;通过预训练的文本特征提取模型提取描述文本的文本特征;通过待训练的图片特征提取模型提取图片的图元特征;将文本特征及图元特征输入图元分类器,得到预测分类结果;按照预测分类结果与分类标签的差异,调整图元特征提取模型及图元分类器的参数并继续训练,直至满足训练停止条件时结束训练。
在一个实施例中,计算机程序被处理器执行时还执行以下步骤:通过将不同图元类别对应的图层进行叠加,确定每个图元与其他图元之间的坐标距离及相对位置关系;根据审查项比较坐标距离是否达到阈值,或判断相对位置关系是否符合预设条件。
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,前述计算机程序可存储于一非易失性存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,前述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种图纸审查方法,包括:
获取待审查图纸;所述待审查图纸包括多个图层;
在每个图层截取一个或多个图元的图片;
基于预训练的图元分类器确定所述图片对应的图元类别;
通过将不同图元类别对应的图层进行叠加,确定每个图元与其他图元之间的坐标距离及相对位置关系;
根据不同图元类别对应的审查项,比较坐标距离是否达到阈值,或判断相对位置关系是否符合预设条件,以对相应图层进行缺陷识别;
在所述待审查图纸中相应图元所在位置标记识别得到的缺陷。
2.根据权利要求1所述的方法,其特征在于,所述在每个图层截取一个或多个图元的图片包括:
提取每个图层中不同图元对应的描述文本;
识别图元库中是否存在与所述描述文本语义相似的图元标签;
若是,根据所述图元标签确定相应图元的图元类别;
否则,在每个图层截取一个或多个图元的图片。
3.根据权利要求1所述的方法,其特征在于,所述在每个图层截取一个或多个图元的图片包括:
计算每个图元在所述图层的图元密度;
在每个图层中截取一个或多个所述图元密度符合预设条件的图元的图片。
4.根据权利要求1所述的方法,其特征在于,所述在每个图层截取一个或多个图元的图片包括:
拦截对所述待审查图纸的截图指令;
检测所述截图指令对应的截图区域是否包含多个图元;
若是,对所述截图指令对应的截图区域进行掩盖处理;
否则,响应所述截图指令,在所述图层截取相应图元的图片。
5.根据权利要求1所述的方法,其特征在于,图元分类器的训练步骤包括:
获取训练样本对及对应分类标签;训练样本对包括图元的描述文本和图片;
通过预训练的文本特征提取模型提取所述描述文本的文本特征;
通过待训练的图片特征提取模型提取所述图片的图元特征;
将所述文本特征及所述图元特征输入图元分类器,得到预测分类结果;
按照预测分类结果与所述分类标签的差异,调整所述图片特征提取模型及所述图元分类器的参数并继续训练,直至满足训练停止条件时结束训练。
6.一种图纸审查装置,包括:
图层解构模块,用于获取待审查图纸;所述待审查图纸包括多个图层;
图元识别模块,用于在每个图层截取一个或多个图元的图片;基于预训练的图元分类器确定所述图片对应的图元类别;
缺陷审查模块,用于通过将不同图元类别对应的图层进行叠加,确定每个图元与其他图元之间的坐标距离及相对位置关系;根据不同图元类别对应的审查项,比较坐标距离是否达到阈值,或判断相对位置关系是否符合预设条件,以对相应图层进行缺陷识别;在所述待审查图纸中相应图元所在位置标记识别得到的缺陷。
7.根据权利要求6所述的装置,其特征在于,所述图元识别模块还用于提取每个图层中不同图元对应的描述文本;识别图元库中是否存在与所述描述文本语义相似的图元标签;若是,根据所述图元标签确定相应图元的图元类别;否则,在每个图层截取一个或多个图元的图片。
8.根据权利要求6所述的装置,其特征在于,所述图元识别模块还用于拦截对所述待审查图纸的截图指令;检测所述截图指令对应的截图区域是否包含多个图元;若是,对所述截图指令对应的截图区域进行掩盖处理;否则,响应所述截图指令,在所述图层截取相应图元的图片。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-5任意一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现权利要求1-5任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625622.6A CN110502984B (zh) | 2019-07-11 | 2019-07-11 | 图纸审查方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910625622.6A CN110502984B (zh) | 2019-07-11 | 2019-07-11 | 图纸审查方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110502984A CN110502984A (zh) | 2019-11-26 |
CN110502984B true CN110502984B (zh) | 2022-08-09 |
Family
ID=68585299
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910625622.6A Active CN110502984B (zh) | 2019-07-11 | 2019-07-11 | 图纸审查方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110502984B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126414A (zh) * | 2019-12-03 | 2020-05-08 | 武汉邦拓信息科技有限公司 | 一种基于深度学习的装修图内图块识别方法 |
CN111222186B (zh) * | 2020-01-03 | 2023-06-02 | 湖南特能博世科技有限公司 | 图元识别的方法、装置及服务器 |
CN113630606B (zh) * | 2020-05-07 | 2024-04-19 | 百度在线网络技术(北京)有限公司 | 视频水印处理方法、装置、电子设备及存储介质 |
CN111914612B (zh) * | 2020-05-21 | 2024-03-01 | 淮阴工学院 | 一种基于改进的卷积神经网络的施工图图元自适应识别方法 |
CN111783561A (zh) * | 2020-06-12 | 2020-10-16 | 万翼科技有限公司 | 审图结果修正方法、电子设备及相关产品 |
CN111782583B (zh) * | 2020-06-12 | 2023-08-18 | 万翼科技有限公司 | 智能审图方法及相关装置 |
CN111832449A (zh) * | 2020-06-30 | 2020-10-27 | 万翼科技有限公司 | 工程图纸的显示方法及相关装置 |
CN111859503B (zh) * | 2020-07-09 | 2024-04-26 | 深圳市万翼数字技术有限公司 | 图纸审查方法、电子设备与图形服务器 |
CN111782215A (zh) * | 2020-07-21 | 2020-10-16 | 致诚阿福技术发展(北京)有限公司 | 一种为目标对象动态添加标识特征的方法和装置 |
CN112100422A (zh) * | 2020-09-24 | 2020-12-18 | 武汉百家云科技有限公司 | 工程图纸处理方法、装置、设备及存储介质 |
CN112486384B (zh) * | 2020-11-27 | 2022-12-20 | 万翼科技有限公司 | 审图处理方法及相关装置 |
CN112749434A (zh) * | 2021-01-12 | 2021-05-04 | 苍穹数码技术股份有限公司 | 施工审查模型处理方法、装置、设备及存储介质 |
CN112989923A (zh) * | 2021-01-20 | 2021-06-18 | 上海品览智造科技有限公司 | 一种cad立面图中立面窗有无遮挡的精准判断的方法 |
CN112883801B (zh) * | 2021-01-20 | 2024-05-24 | 上海品览智造科技有限公司 | Cad配电系统图中住户配电箱系统图子图的精准识别方法 |
CN113239424B (zh) * | 2021-04-25 | 2021-10-15 | 北京城建设计发展集团股份有限公司 | 一种用于轨道交通设计图纸辅助核查方法 |
CN113760834B (zh) * | 2021-09-22 | 2024-04-09 | 北京字跳网络技术有限公司 | 文件分类方法、装置、设备及介质 |
CN114494114A (zh) * | 2021-12-20 | 2022-05-13 | 上海品览数据科技有限公司 | 一种基于深度学习的结构专业墙柱施工图中暗柱及其属性识别的方法 |
CN114626164B (zh) * | 2022-03-28 | 2024-04-16 | 南京维拓科技股份有限公司 | 一种自动审查三维图纸中粘贴物超出粘贴面的方法 |
CN115795761B (zh) * | 2022-12-02 | 2024-03-29 | 西安宝光智能电气有限公司 | 一种基于模块化的主母排工程制图生成方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189010A1 (en) * | 2014-12-30 | 2016-06-30 | Facebook, Inc. | Systems and methods for image object recognition based on location information and object categories |
CN107832765A (zh) * | 2017-09-13 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 对包括文字内容和图像内容的图片识别 |
CN108875599A (zh) * | 2018-05-30 | 2018-11-23 | 成都小智审图科技有限公司 | 一种建筑行业工程cad图纸的识别审图方法 |
-
2019
- 2019-07-11 CN CN201910625622.6A patent/CN110502984B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160189010A1 (en) * | 2014-12-30 | 2016-06-30 | Facebook, Inc. | Systems and methods for image object recognition based on location information and object categories |
CN107832765A (zh) * | 2017-09-13 | 2018-03-23 | 百度在线网络技术(北京)有限公司 | 对包括文字内容和图像内容的图片识别 |
CN108875599A (zh) * | 2018-05-30 | 2018-11-23 | 成都小智审图科技有限公司 | 一种建筑行业工程cad图纸的识别审图方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110502984A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110502984B (zh) | 图纸审查方法、装置、计算机设备和存储介质 | |
CN110517223A (zh) | 图纸审查方法、装置、计算机设备和存储介质 | |
AU2017362937B2 (en) | Information processing device, information processing method, and program | |
CN111709408B (zh) | 图像真伪检测方法和装置 | |
Hsu et al. | Detecting image splicing using geometry invariants and camera characteristics consistency | |
US11636639B2 (en) | Mobile application for object recognition, style transfer and image synthesis, and related systems, methods, and apparatuses | |
Macé et al. | A system to detect rooms in architectural floor plan images | |
CN112016545A (zh) | 一种包含文本的图像生成方法及装置 | |
US9824289B2 (en) | Exploiting color for license plate recognition | |
CN113393471A (zh) | 图像处理方法和装置 | |
CN110942456B (zh) | 篡改图像检测方法、装置、设备及存储介质 | |
US11113537B2 (en) | Image detection using multiple detection processes | |
CN114114457B (zh) | 基于多模态测井数据的裂缝表征方法、装置及设备 | |
CN113762053B (zh) | 一种图像处理方法、装置、计算机及可读存储介质 | |
US20230325959A1 (en) | Zoom agnostic watermark extraction | |
US20230325961A1 (en) | Zoom agnostic watermark extraction | |
US11494377B2 (en) | Multi-detector probabilistic reasoning for natural language queries | |
CN113705559A (zh) | 基于人工智能的文字识别方法及装置、电子设备 | |
CN112818301A (zh) | Ofd版式电子文档的隐藏信息嵌入及提取方法、装置 | |
CN112307873A (zh) | 一种基于全卷积神经网络的违章建筑自动识别方法 | |
Montero et al. | Watermark detection and clearance in video using simple signal and image processing techniques | |
WO2021129213A1 (zh) | 主题图标的生成方法及其装置、计算机设备 | |
CN116012248B (zh) | 图像处理方法、装置、计算机设备及计算机存储介质 | |
CN114840700B (zh) | 结合rpa和ai实现ia的图像检索方法、装置及电子设备 | |
CN113011989B (zh) | 对象核验方法、装置、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 |