CN110852795A - 一种基于计算机视觉的手机估价系统及其估价方法 - Google Patents
一种基于计算机视觉的手机估价系统及其估价方法 Download PDFInfo
- Publication number
- CN110852795A CN110852795A CN201911045882.2A CN201911045882A CN110852795A CN 110852795 A CN110852795 A CN 110852795A CN 201911045882 A CN201911045882 A CN 201911045882A CN 110852795 A CN110852795 A CN 110852795A
- Authority
- CN
- China
- Prior art keywords
- mobile phone
- model
- module
- valuation
- data
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001514 detection method Methods 0.000 claims abstract description 46
- 238000013210 evaluation model Methods 0.000 claims abstract description 34
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000013480 data collection Methods 0.000 claims abstract description 13
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 238000011176 pooling Methods 0.000 claims description 25
- 230000004913 activation Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000011157 data evaluation Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000003213 activating effect Effects 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 10
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Abstract
发明公开了一种基于计算机视觉的手机估价系统及其估价方法，该基于计算机视觉的手机估价系统包括：用于收集手机型号数据的手机型号数据收集模块；用于建立手机型号评估模型的手机型号评估模型构建模块；用于采集收集图像的手机图像采集模块；用于检测手机型号的手机型号检测模块；用估价手机的手机折旧估价模块。本发明提出利用计算机视觉技术，建立手机估计系统，该系统根据手机外观自动识别不同型号的手机，并提供所有预测的型号供用户选择，同时根据此型号下配置、使用时间、手机外观情况预估此手机的折旧价格，给出用户的具体估值情况，防止用户在手机损坏时维修费用大于更换手机的费用，也不会出现用户手机变卖过程中存在估价过低的情况。
Description
技术领域
发明涉及一种手机估价系统，具体是一种基于计算机视觉的手机估价系统。
背景技术
手机、全称为移动电话或无线电话，通常称为手机，原本只是一种通讯工具，早期又有大哥大的俗称，是可以在较广范围内使用的便携式电话终端。
手机最早是由美国贝尔实验室在1940年制造的战地移动电话机发展而来，然而随着现代科技的进步，手机更新换代也变得日常频繁。
然而很多人在手机使用过程中会遗忘自己手机型号，这在手机维修和变卖过程造成了一定的困难，同时由于用户在维修手机过程不了解自己手机保价，往往会造成维修费用远大于更换手机的费用，用户也会在手机变卖过程中存在估价过低的情况。
发明内容
发明目的：提供一种基于计算机视觉的手机估价系统，以解决现有技术存在的上述问题。
技术方案：一种基于计算机视觉的手机估价系统，包括：
用于收集手机型号数据的手机型号数据收集模块；
用于建立手机型号评估模型的手机型号评估模型构建模块；
用于采集收集图像的手机图像采集模块；
用于检测手机型号的手机型号检测模块；
以及用估价手机的手机折旧估价模块。
在进一步的实施例中，所述手机型号数据收集模块主要用于收集大量的手机型号数据；手机型号数据由手机外观图像和对应的手机型号标签组成，设计手机型号数据收集模块主要为了进行对手机型号数据的收集，进而给予手机型号检测模块对比图像，进而完成对手机型号的对比，进而完成对手机与型号配对。
在进一步的实施例中，所述手机型号评估模型构建模块用于手机型号评估模型；根据计算机视觉技术，采用了卷积、激活、池化层和全连接，进行对输入图像的处理，设计手机型号评估模型构建模块主要用于使用卷积进行模拟手机场景，使用卷积进行解决当采集的输入图像出现卡顿时，进行对卡顿现象的流畅播放，而设计池化层主要为了可以将一个局部区域的特征进一步进行抽象，池化可以减少参数数量及降低图像的维度，而设计全连接主要是为了进行对固定输入图像的输入尺寸，进而将输入尺寸预先录入手机型号检测模块中，用以对比估价手机的型号。
在进一步的实施例中，所述手机图像采集模块，用于采集用户放在系统平台上的手机外观图像，设计手机图像采集模块进行对需要进行估价手机的外观进行图像采集，进而与手机型号检测模块中预先录入的各个手机数据进行对比。
在进一步的实施例中，所述手机型号检测模块用于将系统采集到的手机外观图像放入系统的手机型号评估模型中；图像经过训练好的手机型号评估模型处理后，返回预测的型号结果，手机型号检测模块主要进行对估价手机的型号进行匹配，进而给出用户至少两个选择的手机型号，用户根据自身手机进行旋转，以确保对比出的手机型号的准确度。
在进一步的实施例中，所述手机折旧估价模块给予用户选择此手机型号的相应配置和使用时间，系统自动读取当前手机型号下相应配置的价格，根据使用时间和外观情况计算折旧价格。
一种基于计算机视觉的手机估价系统的估价方法，包括：
步骤1、此时手机型号数据收集模块首先收集大量的手机型号数据，手机型号数据由手机外观图像和对应的手机型号标签两部分组成，其中大部分数据用于手机型号评估模型构建模块的训练，这可以让模型通过大量的数据学习到各手机型号的特征，通过这些特征，模型可以知道不同外观的手机对应的型号，少量的数据用于最后的手机型号检测模块，根据这些数据评估结果判断模型学习的效果，并进行改进和升级；
步骤2、在通过手机型号评估模型模块根据计算机视觉技术，采用了下述四个基本的操作，分别为卷积、激活、池化层和全连接，将图像输入到手机型号评估模型模块中，模块通过卷积、激活、池化得到特征图，之后对特征图进行多次全连接操作，最终得到型号标签的预测结果；
卷积：每次将输入数据进行全局加权变换，得到相同大小深度为1的数据；其定义为
其中，X(m，n)表示输入图像在正常程度下的播放情况，H(m，n)表示网络卡顿卷积核，Y(m，n)表示输入图像卡顿，通过Y(m，n)估计出H(m，n)，进而采取措施X(m，n)解决输入图像卡顿现象；g[x，y]表示输入数据，f[x，y]表示权重分布；
激活：对输入数据进行非线性变换，得到相同数量的数据，为了使得卷积神经网络能够学习到图像中的非线性特征信息，在卷积操作后面添加非激活函数：
其中
表示卷积计算结果，其中(M，N)表示输入图像的尺寸大小，W表示卷积核的大小，b为卷积层中的偏置大小；
池化层：对输入数据进行等间隔采样，减小参数量：
最大池化是对每个4X4小区域选取最大值作为池化结果；
全连接：每次对输入数据进行加权计算，得到一个加权和，其可以表示为：
其中x为全连接层的输入值，输出维度为v，w为输出维度；
步骤3、此时再通过手机图像采集模块用户将手机放在系统平台上，系统将自动采集到手机外观图像，此时由手机图像采集模块将采集到的手机图像传送至手机型号检测模块，进而由手机型号检测模块进行对手机型号的对比检测；
步骤4、此时使用手机型号检测模块，系统将采集到的手机外观图像放入系统的手机型号检测模块中，图像经过训练好的手机型号检测模块处理后，返回预测的型号结果；此时将给出手机型号检测模块给出的至少两组型号给予用户选择最为匹配手机的选项；
步骤5、最后使用手机折旧估价模块，用户选择此手机型号的相应配置和使用时间，系统自动读取当前手机型号下相应配置的价格，根据使用时间和外观情况计算折旧价格；折旧价格计算公式可表示为：
折旧价格＝折旧率(每日)×产品使用时间(日)×产品价格
不同手机的折旧率是不同的，手机外观情况也会对折旧率产生影响；当然系统给出的价格是预期价格并不是最终价格，只能作为参考价格，具体价格情况还要对手机配置和性能进行综合评价。
有益效果：发明公开了一种基于计算机视觉的手机估价系统，本发明提出利用计算机视觉技术，建立手机估计系统，该系统可以根据手机外观自动识别不同型号的手机，并提供所有预测的型号供用户选择，同时根据此型号下配置、使用时间和手机外观情况预估此手机的折旧价格，进而给出用户的具体估值情况，进而防止用户在手机损坏时维修费用远大于更换手机的费用，同时也不会出现用户手机变卖过程中存在估价过低的情况。
附图说明
图1是发明的系统模块示意图。
图2时本发明的评估模型构建模块的流程图。
具体实施方式
经过申请人的研究分析，出现这一问题(现有手机维修费用远大于更换手机的费用，也会在手机变卖过程中存在估价过低)的原因在于，很多人在手机使用过程中会遗忘自己手机型号，这在手机维修和变卖过程造成了一定的困难，同时由于用户在维修手机过程不了解自己手机保价，往往会造成维修费用远大于更换手机的费用，用户也会在手机变卖过程中存在估价过低的情况，而本发明提出利用计算机视觉技术，建立手机估计系统，该系统可以根据手机外观自动识别不同型号的手机，并提供所有预测的型号供用户选择，同时根据此型号下配置、使用时间和手机外观情况预估此手机的折旧价格，进而给出用户的具体估值情况，进而防止用户在手机损坏时维修费用远大于更换手机的费用，同时也不会出现用户手机变卖过程中存在估价过低的情况。
一种基于计算机视觉的手机估价系统，包括：五大模块，分别为用于收集手机型号数据的手机型号数据收集模块；用于建立手机型号评估模型的手机型号评估模型构建模块；用于采集收集图像的手机图像采集模块；用于检测手机型号的手机型号检测模块；以及用估价手机的手机折旧估价模块。
其中所述手机型号数据收集模块主要用于收集大量的手机型号数据；手机型号数据由手机外观图像和对应的手机型号标签组成，设计手机型号数据收集模块主要为了进行对手机型号数据的收集，进而给予手机型号检测模块对比图像，进而完成对手机型号的对比，进而完成对手机与型号配对，手机型号数据收集模块首先收集大量的手机型号数据，手机型号数据由手机外观图像和对应的手机型号标签两部分组成，其中大部分数据用于手机型号评估模型构建模块的训练，这可以让模型通过大量的数据学习到各手机型号的特征，通过这些特征，模型可以知道不同外观的手机对应的型号，少量的数据用于最后的手机型号检测模块，根据这些数据评估结果判断模型学习的效果，并进行改进和升级；
所述手机型号评估模型构建模块用于手机型号评估模型；根据计算机视觉技术，采用了卷积、激活、池化层和全连接，进行对输入图像的处理，设计手机型号评估模型构建模块主要用于使用卷积进行模拟手机场景，使用卷积进行解决当采集的输入图像出现卡顿时，进行对卡顿现象的流畅播放，而设计池化层主要为了可以将一个局部区域的特征进一步进行抽象，池化可以减少参数数量及降低图像的维度，而设计全连接主要是为了进行对固定输入图像的输入尺寸，进而将输入尺寸预先录入手机型号检测模块中，用以对比估价手机的型号，通过手机型号评估模型模块根据计算机视觉技术，采用了下述四个基本的操作，分别为卷积、激活、池化层和全连接，将图像输入到手机型号评估模型模块中，模块通过卷积、激活、池化得到特征图，之后对特征图进行多次全连接操作，最终得到型号标签的预测结果；
卷积：每次将输入数据进行全局加权变换，得到相同大小深度为1的数据；其定义为
其中，X(m，n)表示输入图像在正常程度下的播放情况，H(m，n)表示网络卡顿卷积核，Y(m，n)表示输入图像卡顿，通过Y(m，n)估计出H(m，n)，进而采取措施X(m，n)解决输入图像卡顿现象；g[x，y]表示输入数据，f[x，y]表示权重分布；
激活：对输入数据进行非线性变换，得到相同数量的数据，为了使得卷积神经网络能够学习到图像中的非线性特征信息，在卷积操作后面添加非激活函数：
其中
表示卷积计算结果，其中(M，N)表示输入图像的尺寸大小，W表示卷积核的大小，b为卷积层中的偏置大小；
池化层：对输入数据进行等间隔采样，减小参数量：
最大池化是对每个4X4小区域选取最大值作为池化结果；
全连接：每次对输入数据进行加权计算，得到一个加权和，其可以表示为：
其中x为全连接层的输入值，输出维度为v，w为输出维度
所述手机图像采集模块，用于采集用户放在系统平台上的手机外观图像，设计手机图像采集模块进行对需要进行估价手机的外观进行图像采集，进而与手机型号检测模块中预先录入的各个手机数据进行对比，通过手机图像采集模块用户将手机放在系统平台上，系统将自动采集到手机外观图像，此时由手机图像采集模块将采集到的手机图像传送至手机型号检测模块，进而由手机型号检测模块进行对手机型号的对比检测。
所述手机型号检测模块用于将系统采集到的手机外观图像放入系统的手机型号评估模型中；图像经过训练好的手机型号评估模型处理后，返回预测的型号结果，手机型号检测模块主要进行对估价手机的型号进行匹配，进而给出用户至少两个选择的手机型号，用户根据自身手机进行旋转，以确保对比出的手机型号的准确度，手机型号检测模块，系统将采集到的手机外观图像放入系统的手机型号检测模块中，图像经过训练好的手机型号检测模块处理后，返回预测的型号结果；此时将给出手机型号检测模块给出的至少两组型号给予用户选择最为匹配手机的选项。
所述手机折旧估价模块给予用户选择此手机型号的相应配置和使用时间，系统自动读取当前手机型号下相应配置的价格，根据使用时间和外观情况计算折旧价格，使用手机折旧估价模块，用户选择此手机型号的相应配置和使用时间，系统自动读取当前手机型号下相应配置的价格，根据使用时间和外观情况计算折旧价格；折旧价格计算公式可表示为：
折旧价格＝折旧率(每日)×产品使用时间(日)×产品价格
不同手机的折旧率是不同的，手机外观情况也会对折旧率产生影响；当然系统给出的价格是预期价格并不是最终价格，只能作为参考价格，具体价格情况还要对手机配置和性能进行综合评价。
工作原理说明：当用户需要件对手机进行估价时，此时由手机型号数据收集模块首先收集大量的手机型号数据，手机型号数据由手机外观图像和对应的手机型号标签两部分组成，其中大部分数据用于手机型号评估模型构建模块的训练，这可以让模型通过大量的数据学习到各手机型号的特征，通过这些特征，模型可以知道不同外观的手机对应的型号，少量的数据用于最后的手机型号检测模块，根据这些数据评估结果判断模型学习的效果，并进行改进和升级，当手机型号数据收集模块收集完成后，此时由手机型号评估模型模块根据计算机视觉技术，采用了下述四个基本的操作，分别为卷积、激活、池化层和全连接，将图像输入到手机型号评估模型模块中，模块通过卷积、激活、池化得到特征图，之后对特征图进行多次全连接操作，最终得到型号标签的预测结果，当输入图像经过通过卷积、激活、池化得到特征图，之后对特征图进行多次全连接操作，最终得到型号标签的预测结果后，再由手机图像采集模块用户将手机放在系统平台上，系统将自动采集到手机外观图像，此时由手机图像采集模块将采集到的手机图像传送至手机型号检测模块，进而由手机型号检测模块进行对手机型号的对比检测，当对比手机图像采集完成后，由手机型号检测模块，系统将采集到的手机外观图像放入系统的手机型号检测模块中，图像经过训练好的手机型号检测模块处理后，返回预测的型号结果；此时将给出手机型号检测模块给出的至少两组型号给予用户选择最为匹配手机的选项，最后使用手机折旧估价模块，用户选择此手机型号的相应配置和使用时间，系统自动读取当前手机型号下相应配置的价格，根据使用时间和外观情况计算折旧价格；折旧价格计算公式可表示为：
折旧价格＝折旧率(每日)×产品使用时间(日)×产品价格
不同手机的折旧率是不同的，手机外观情况也会对折旧率产生影响；当然系统给出的价格是预期价格并不是最终价格，只能作为参考价格，具体价格情况还要对手机配置和性能进行综合评价。
以上结合附图详细描述了发明的优选实施方式，但是，发明并不限于上述实施方式中的具体细节，在发明的技术构思范围内，可以对发明的技术方案进行多种等同变换，这些等同变换均属于发明的保护范围。
Claims (7)
1.一种基于计算机视觉的手机估价系统，其特征是，包括：
用于收集手机型号数据的手机型号数据收集模块；
用于建立手机型号评估模型的手机型号评估模型构建模块；
用于采集收集图像的手机图像采集模块；
用于检测手机型号的手机型号检测模块；
以及用于估价手机的手机折旧估价模块。
2.根据权利要求1所述的一种基于计算机视觉的手机估价系统，其特征是：所述手机型号数据收集模块主要用于收集大量的手机型号数据；手机型号数据由手机外观图像和对应的手机型号标签组成。
3.根据权利要求1所述的一种基于计算机视觉的手机估价系统，其特征是：所述手机型号评估模型构建模块用于手机型号评估模型；根据计算机视觉技术，采用了卷积、激活、池化层和全连接，进行对输入图像的处理。
4.根据权利要求1所述的一种基于计算机视觉的手机估价系统，其特征是：所述手机图像采集模块，用于采集用户放在系统平台上的手机外观图像。
5.根据权利要求1所述的一种基于计算机视觉的手机估价系统，其特征是：所述手机型号检测模块用于将系统采集到的手机外观图像放入系统的手机型号评估模型中；图像经过训练好的手机型号评估模型处理后，返回预测的型号结果。
6.根据权利要求1所述的一种基于计算机视觉的手机估价系统，其特征是：所述手机折旧估价模块给予用户选择此手机型号的相应配置和使用时间，系统自动读取当前手机型号下相应配置的价格，根据使用时间和外观情况计算折旧价格。
7.一种基于计算机视觉的手机估价系统的估价方法，其特征是，包括：
步骤1、此时手机型号数据收集模块首先收集大量的手机型号数据，手机型号数据由手机外观图像和对应的手机型号标签两部分组成，其中大部分数据用于手机型号评估模型构建模块的训练，这可以让模型通过大量的数据学习到各手机型号的特征，通过这些特征，模型可以知道不同外观的手机对应的型号，少量的数据用于最后的手机型号检测模块，根据这些数据评估结果判断模型学习的效果，并进行改进和升级；
步骤2、再通过手机型号评估模型模块根据计算机视觉技术，采用了下述四个基本的操作，分别为卷积、激活、池化层和全连接，将图像输入到手机型号评估模型模块中，模块通过卷积、激活、池化得到特征图，之后对特征图进行多次全连接操作，最终得到型号标签的预测结果；
卷积：每次将输入数据进行全局加权变换，得到相同大小深度为1的数据；其定义为
其中，X(m,n)表示输入图像在正常程度下的播放情况，H(m,n)表示网络卡顿卷积核，Y(m，n)表示输入图像卡顿，通过Y(m，n)估计出H(m,n)，进而采取措施X(m,n)解决输入图像卡顿现象；g[x,y]表示输入数据,f[x,y]表示权重分布；
激活：对输入数据进行非线性变换，得到相同数量的数据，为了使得卷积神经网络能够学习到图像中的非线性特征信息，在卷积操作后面添加非激活函数：
其中
表示卷积计算结果，其中(M,N)表示输入图像的尺寸大小，W表示卷积核的大小，b为卷积层中的偏置大小；
池化层：对输入数据进行等间隔采样，减小参数量：
最大池化是对每个4*4小区域选取最大值作为池化结果；
全连接：每次对输入数据进行加权计算，得到一个加权和，其可以表示为：
其中x为全连接层的输入值，输出维度为v，w为输出维度；
步骤3、此时再通过手机图像采集模块用户将手机放在系统平台上，系统将自动采集到手机外观图像，此时由手机图像采集模块将采集到的手机图像传送至手机型号检测模块，进而由手机型号检测模块进行对手机型号的对比检测；
步骤4、此时使用手机型号检测模块，系统将采集到的手机外观图像放入系统的手机型号检测模块中，图像经过训练好的手机型号检测模块处理后，返回预测的型号结果；此时将给出手机型号检测模块给出的至少两组型号给予用户选择最为匹配手机的选项；
步骤5、最后使用手机折旧估价模块，用户选择此手机型号的相应配置和使用时间，系统自动读取当前手机型号下相应配置的价格，根据使用时间和外观情况计算折旧价格；折旧价格计算公式可表示为：
折旧价格＝折旧率(每日)×产品使用时间(日)×产品价格
不同手机的折旧率是不同的，手机外观情况也会对折旧率产生影响；当然系统给出的价格是预期价格并不是最终价格，只能作为参考价格，具体价格情况还要对手机配置和性能进行综合评价。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911045882.2A CN110852795A (zh) | 2019-10-30 | 2019-10-30 | 一种基于计算机视觉的手机估价系统及其估价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911045882.2A CN110852795A (zh) | 2019-10-30 | 2019-10-30 | 一种基于计算机视觉的手机估价系统及其估价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110852795A true CN110852795A (zh) | 2020-02-28 |
Family
ID=69599266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911045882.2A Pending CN110852795A (zh) | 2019-10-30 | 2019-10-30 | 一种基于计算机视觉的手机估价系统及其估价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110852795A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712401A (zh) * | 2021-03-29 | 2021-04-27 | 北京妃灵科技有限公司 | 一种多维度箱包价格获取方法、装置及系统 |
| CN113537256A (zh) * | 2020-03-29 | 2021-10-22 | 袁艳荣 | 用于残值分析的大数据识别系统 |
| WO2023279944A1 (zh) * | 2021-07-09 | 2023-01-12 | 杭州睿胜软件有限公司 | 评估矿物价格的方法和计算机系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104881926A (zh) * | 2015-04-16 | 2015-09-02 | 四川长虹电器股份有限公司 | 废旧手机自助回收系统 |
| CN105335710A (zh) * | 2015-10-22 | 2016-02-17 | 合肥工业大学 | 一种基于多级分类器的精细车辆型号识别方法 |
| KR101675820B1 (ko) * | 2016-01-19 | 2016-11-29 | 박은양 | 표준가격을 이용한 중고차 가격산정 시스템 |
-
2019
- 2019-10-30 CN CN201911045882.2A patent/CN110852795A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104881926A (zh) * | 2015-04-16 | 2015-09-02 | 四川长虹电器股份有限公司 | 废旧手机自助回收系统 |
| CN105335710A (zh) * | 2015-10-22 | 2016-02-17 | 合肥工业大学 | 一种基于多级分类器的精细车辆型号识别方法 |
| KR101675820B1 (ko) * | 2016-01-19 | 2016-11-29 | 박은양 | 표준가격을 이용한 중고차 가격산정 시스템 |
Non-Patent Citations (1)
| Title |
|---|
| 蒋卫祥: "《大数据时代计算机数据处理技术探究》", 31 March 2019, 北京工业大学出版社 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113537256A (zh) * | 2020-03-29 | 2021-10-22 | 袁艳荣 | 用于残值分析的大数据识别系统 |
| CN112712401A (zh) * | 2021-03-29 | 2021-04-27 | 北京妃灵科技有限公司 | 一种多维度箱包价格获取方法、装置及系统 |
| WO2023279944A1 (zh) * | 2021-07-09 | 2023-01-12 | 杭州睿胜软件有限公司 | 评估矿物价格的方法和计算机系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2019101786A4 (en) | Intelligent pig group rearing weighing method and apparatus, electronic device and storage medium | |
| CN109743683B (zh) | 一种采用深度学习融合网络模型确定手机用户位置的方法 | |
| CN110852795A (zh) | 一种基于计算机视觉的手机估价系统及其估价方法 | |
| CN104737523B (zh) | 通过指派用于数据群集的情境标签来管理移动装置中的情境模型 | |
| CN110210513B (zh) | 数据分类方法、装置及终端设备 | |
| CN108875007A (zh) | 兴趣点的确定方法和装置、存储介质、电子装置 | |
| CN109426977A (zh) | 一种信息处理方法、信息处理系统及计算机装置 | |
| CN102609735A (zh) | 一种字符书写规范度评测的方法和装置 | |
| CN112115906A (zh) | 基于深度学习目标检测和度量学习的开放性菜品识别方法 | |
| CN114998712B (zh) | 图像识别方法、存储介质及电子设备 | |
| CN110765882A (zh) | 一种视频标签确定方法、装置、服务器及存储介质 | |
| CN108897614A (zh) | 一种基于卷积神经网络的内存预警方法及服务端 | |
| CN114638633A (zh) | 异常流量检测的方法和装置、电子设备和存储介质 | |
| CN115187772A (zh) | 目标检测网络的训练及目标检测方法、装置及设备 | |
| CN110321774A (zh) | 农作物灾情评估方法、装置、设备及计算机可读存储介质 | |
| CN116977937A (zh) | 一种行人重识别的方法及系统 | |
| CN114881286A (zh) | 一种基于深度学习的短时降水预测方法 | |
| CN113191478A (zh) | 神经网络模型的训练方法、装置和系统 | |
| CN111178370B (zh) | 车辆检索方法及相关装置 | |
| CN112559877A (zh) | 基于跨平台异构数据及行为上下文的ctr预估方法及系统 | |
| CN112113638A (zh) | 水表功能自检装置及方法 | |
| CN113269403B (zh) | 一种支持生境双向变化的景观连通度获取方法及系统 | |
| Zhang et al. | Wild plant data collection system based on distributed location | |
| CN113361405B (zh) | 一种基于yolo v3的亚洲象识别方法及系统 | |
| CN116189076A (zh) | 一种鸟类观测站的观测识别系统及其方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 211000 floor 3, building 3, Qilin artificial intelligence Industrial Park, 266 Chuangyan Road, Nanjing, Jiangsu Applicant after: Zhongke Nanjing artificial intelligence Innovation Research Institute Applicant after: INSTITUTE OF AUTOMATION, CHINESE ACADEMY OF SCIENCES Address before: 211000 3rd floor, building 3, 266 Chuangyan Road, Jiangning District, Nanjing City, Jiangsu Province Applicant before: NANJING ARTIFICIAL INTELLIGENCE CHIP INNOVATION INSTITUTE, INSTITUTE OF AUTOMATION, CHINESE ACADEMY OF SCIENCES Applicant before: INSTITUTE OF AUTOMATION, CHINESE ACADEMY OF SCIENCES |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200228 |