CN111179160A - 一种信息过滤方法、装置、电子设备及存储介质 - Google Patents
一种信息过滤方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111179160A CN111179160A CN202010002011.9A CN202010002011A CN111179160A CN 111179160 A CN111179160 A CN 111179160A CN 202010002011 A CN202010002011 A CN 202010002011A CN 111179160 A CN111179160 A CN 111179160A
- Authority
- CN
- China
- Prior art keywords
- image
- information
- filtered
- mask
- original
- 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 64
- 238000001914 filtration Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000011218 segmentation Effects 0.000 claims abstract description 26
- 230000008569 process Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 7
- 230000007797 corrosion Effects 0.000 claims description 6
- 238000005260 corrosion Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 21
- 238000005034 decoration Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 11
- 238000002372 labelling Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000001915 proofreading effect Effects 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本公开实施例公开了一种信息过滤方法、装置、电子设备及存储介质,该方法包括:将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图;将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图;基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像。本公开实施例的技术方案,实现了对目标信息进行过滤的目的。
Description
技术领域
本公开实施例涉及计算机技术领域,尤其涉及一种信息过滤方法、装置、电子设备及存储介质。
背景技术
图纸矫正是房地产开发行业中的重要任务。通常情况下,从项目开始图纸制作到项目结束(如楼盘交楼)至少需要两年时间。整个项目周期过程具有很强的不确定性,这其中包括图纸的频繁改动。图纸的频繁改动给楼盘建设、统筹和营销等带来诸多不便,图纸的每一次改动,相关工作人员都要重新进行一次校对,以确定出图纸中被改动的部分。
目前,通常采用人工智能的方法进行辅助校对,在采用人工智能进行辅助校对时,常用的方法是图像比对,但是在图像比对中,图纸的标注信息会给比对结果带来较大的干扰,影响校对精度。因此,在采用人工智能等方法进行辅助校对时需要排除标注信息的干扰。
发明内容
本公开实施例提供一种信息过滤方法、装置、电子设备及存储介质,以实现对目标信息的过滤。
第一方面,本公开实施例提供了一种信息过滤方法,该方法包括:
将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图;
将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图;
基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像。
进一步的,将所述掩码图与所述原版图像进行对应位置的像素比对处理之前,还包括:
基于寻找连续的外轮廓方法确定所述掩码图中每个独立的待过滤信息项。
进一步的,将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图,包括:
针对所述每个独立的待过滤信息项,将当前待过滤信息项里的像素分别与所述原版图像中相同位置处的像素进行比对;
若参与比对的两目标像素的像素值相等,则保留掩码图中的所述目标像素,
若参与比对的两目标像素的像素值不相等,则删除掩码图中的所述目标像素,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图。
进一步的,所述方法还包括:
若参与比对的两目标像素的像素值不相等,则利用原版图像中的所述目标像素对所述掩码图中的相同位置进行像素填充;
将填充后的掩码图确定为所述修正后的掩码图。
进一步的,所述方法还包括:
对所述每个独立的待过滤信息项按照设定数据格式进行存储。
进一步的,所述基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像,包括:
将所述修正后的掩码图与所述原版图像进行差分处理,以过滤所述原版图像中所包含的所述待过滤信息,得到目标图像。
进一步的,所述方法还包括:基于形态学图像操作对所述目标图像进行腐蚀处理,以过滤所述目标图像中残余的待过滤信息。
进一步的,所述原版图像包括房地产装修图纸的图像,对应的,所述待过滤信息包括房地产装修图纸中的标注信息。
第二方面,本公开实施例还提供了一种信息过滤装置,该装置包括:
分割模块,用于将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图;
修正模块,用于将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图;
过滤模块,用于基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像。
第三方面,本公开实施例还提供了一种设备,所述设备包括:
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,使得所述一个或多个处理器实现如本公开实施例任一所述的信息过滤方法。
第四方面,本公开实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的信息过滤方法。
本公开实施例的技术方案,通过将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图;将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图;基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像的技术手段,实现了对目标信息进行过滤的目的。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本公开实施例一所提供的一种信息过滤方法流程示意图;
图2为本公开实施例一所提供的一种包含待过滤信息的原版图像的示意图;
图3为本公开实施例一所提供的一种仅包括所述待过滤信息的掩码图的示意图;
图4为本公开实施例一所提供的一种语义分割网络的具体结构示意图;
图5为本公开实施例一所提供的一种修正过程示意图;
图6为本公开实施例一所提供的一种目标图像的示意图;
图7为本公开实施例二所提供的一种信息过滤方法流程示意图;
图8为本公开实施例二所提供的另一种信息过滤方法流程示意图;
图9为本公开实施例三所提供的一种信息过滤装置结构示意图;
图10为本公开实施例四所提供的一种电子设备结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
实施例一
图1为本公开实施例一所提供的一种信息过滤方法流程示意图,该方法可适用于对房地产开发项目中装修图纸中的标注信息进行过滤的场景。原始装修图纸(即包含待过滤信息的原版图像)的示意图可参见图2所示,其中的待过滤信息(即标注信息)具体为图2中所示的文字(例如餐厅、卧室、排风井或者厨房等)、数字以及标注线。该方法可以由信息过滤装置来执行,该装置可以通过软件和/或硬件的形式实现。
如图1所述,本实施例提供的信息过滤方法包括如下步骤:
步骤110、将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图。
其中,所述原版图像包括房地产装修图纸的图像,对应的,所述待过滤信息包括房地产装修图纸中的标注信息。以所述原版图像为房地产开发项目中的装修图纸,所述待过滤信息为装修图纸中的标注信息为例,参考图2所示的一种包含待过滤信息的原版图像的示意图。本实施例提供的技术方案的发明目的是将其中的标注信息过滤掉,以减少后期图像处理的干扰因素。对应的,所述仅包括所述待过滤信息的掩码图的示意图参见图3所示。
具体的,将包含待过滤信息的原版图像作为预先训练好的语义分割网络的输入,所述原版图像经过语义分割网络的处理,输出仅包括所述待过滤信息的掩码图。语义分割网络的具体结构示意图如图4所示,通过将编码网络和解码网络的连接,加入了多尺度融合的思想,使分割效果更佳优越,能够很好地将装修图纸中的标注信息和非标注信息区分开来。具体的,所述原版图像X输入语义分割网络,经过编码网络(Convolutional Encoder)和解码网络(Convolutional Decoder),其中编码网络的特征信息将会与解码网络的特征信息进行融合,最后输出一张关于标注信息的掩码图,具体是将标注信息(标注信息指的是原版图像中的文字和测量线的数据)所在的位置记为类别1,其他位置记为类别2,通过图像分类获得仅包括标注信息的掩码图。在所述分割网络的训练阶段,实际输出的掩码图将与目标掩码图进行损失计算,对应的损失函数可采用focal loss函数,具体的,其中,Lfl表示实际输出的掩码图与目标掩码图相比得到的损失值,y表示目标掩码图中特定坐标位置的数值,y’表示实际输出的掩码图在所述特定位置处为标注信息的概率,γ和α为可调整的超参数。由于标注信息仅占据整个图纸的小部分,因此正样本数量较少,focal loss能够很好的解决这种问题。训练分割网络时所使用的目标掩码图为通过使用CAD软件对装修图纸原版图像中的标注信息进行隐藏处理,得到一张无标注信息的装修图s,将这张无标注信息的装修图s与所述装修图纸原版图像进行差分,得到需要处理的仅包括标注信息的掩码图。
步骤120、将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图。
其中,由于通过语义分割网络得到的掩码图的精度不高,因此,需要对所述掩码图进行进一步修正,以提高所述掩码图的精度,进而提高目标信息过滤精度。具体的,通过对掩码图进行数据统计采样和基于原版图像的像素延伸操作,精确定位所述掩码图中的标注信息。
示例性的,将所述掩码图与所述原版图像进行对应位置的像素比对处理之前,还包括:
基于寻找连续的外轮廓方法确定所述掩码图中每个独立的待过滤信息项,具体的,可利用OPENCV中寻找封闭图形的网轮廓方法确定所述掩码图中每个独立的待过滤信息项。进一步的,对所述每个独立的待过滤信息项按照设定数据格式进行存储,以方便后续对所述待过滤信息项的使用,提高使用效率。
示例性的,将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图,包括:
针对所述每个独立的待过滤信息项,将当前待过滤信息项里的像素分别与所述原版图像中相同位置处的像素进行比对;
若参与比对的两目标像素的像素值相等,则保留掩码图中的所述目标像素,
若参与比对的两目标像素的像素值不相等,则删除掩码图中的所述目标像素,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图。
进一步的,若参与比对的两目标像素的像素值不相等,则利用原版图像中的所述目标像素对所述掩码图中的相同位置进行像素填充;
将填充后的掩码图确定为所述修正后的掩码图。
上述修正过程可参见图5所示的示意图,其中,像素数据S1表示掩码图中的一个独立的待过滤信息项,像素数据S3表示像素数据S1中与原版图像中相同位置处的像素值相等的像素数据,像素数据S2表示原版图像中与像素数据S1对应的一个独立的待过滤信息项,上述修正过程具体是保留像素数据S3,并利用原版图像中的像素数据S21对掩码图中的对应位置进行像素填充,从而达到修正掩码图中的所述待过滤信息的坐标位置的目的。需要说明的是,图5所示的一个独立的待过滤信息项为封闭的方形,其目的是为了方便说明上述修正过程,实际中一个独立的待过滤信息项是一条封闭的轮廓,并不是方形。
步骤130、基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像。
具体的,所述基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像,包括:
将所述修正后的掩码图与所述原版图像进行差分处理,以过滤所述原版图像中所包含的所述待过滤信息,得到目标图像。所述目标图像的示意图可参见图6所示。
本公开实施例的技术方案,通过将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图;将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图;基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像的技术手段,实现了对目标信息进行过滤的目的。
实施例二
图7为本公开实施例二所提供的一种信息过滤方法的流程示意图。在上述实施例的基础上,本实施例对方案进行了进一步优化,具体是增加了“基于形态学图像操作对所述目标图像进行腐蚀处理,以过滤所述目标图像中残余的待过滤信息”的操作,其目的是进一步提高目标信息的过滤精度。
如图7所示,所述方法包括:
步骤710、将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图。
步骤720、将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图。
步骤730、基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像。
步骤740、基于形态学图像操作对所述目标图像进行腐蚀处理,以过滤所述目标图像中残余的待过滤信息。
其中,所述残余的待过滤信息例如具体可以是装修图纸中标注信息的标注线,或者一些残余的小黑点。
进一步的,上述步骤720的实质是基于筛选算法通过对掩码图进行数据统计采样和基于原版图像的像素延伸操作,精确定位标注信息的过程,参见图8所示的另一种信息过滤方法的流程示意图,其包括:开始-输入原始的装修图,即所述原版图像-经过语义分割网络-得到掩码图-经过筛选算法-得到初步的标注项信息图-经过形态学处理-得到最终的标注项信息图-经过与原版图像进行差分处理得到去除标注信息的最终装修图纸,即如图6所示的示意图。
本公开实施例的技术方案,通过基于形态学图像操作对所述目标图像进行腐蚀处理,以过滤所述目标图像中残余的待过滤信息,提高了目标信息的过滤精度。
实施例三
图9为本公开实施例三提供的一种信息过滤装置,该装置包括:分割模块910、修正模块920和过滤模块930。
其中,分割模块910,用于将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图;修正模块920,用于将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图;过滤模块930,用于基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像。
在上述技术方案的基础上,所述装置还包括:确定模块,用于将所述掩码图与所述原版图像进行对应位置的像素比对处理之前,基于寻找连续的外轮廓方法确定所述掩码图中每个独立的待过滤信息项。
在上述各技术方案的基础上,修正模块920具体包括:
比对单元,用于针对所述每个独立的待过滤信息项,将当前待过滤信息项里的像素分别与所述原版图像中相同位置处的像素进行比对;
保留单元,用于若参与比对的两目标像素的像素值相等,则保留掩码图中的所述目标像素,
删除单元,用于若参与比对的两目标像素的像素值不相等,则删除掩码图中的所述目标像素,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图。
在上述各技术方案的基础上,修正模块920还包括:
填充单元,用于若参与比对的两目标像素的像素值不相等,则利用原版图像中的所述目标像素对所述掩码图中的相同位置进行像素填充;将填充后的掩码图确定为所述修正后的掩码图。
在上述各技术方案的基础上,所述装置还包括:
存储模块,用于对所述每个独立的待过滤信息项按照设定数据格式进行存储。
在上述各技术方案的基础上,过滤模块930具体用于:
将所述修正后的掩码图与所述原版图像进行差分处理,以过滤所述原版图像中所包含的所述待过滤信息,得到目标图像。
在上述各技术方案的基础上,所述装置还包括:
腐蚀模块,用于基于形态学图像操作对所述目标图像进行腐蚀处理,以过滤所述目标图像中残余的待过滤信息。
在上述各技术方案的基础上,所述原版图像包括房地产装修图纸的图像,对应的,所述待过滤信息包括房地产装修图纸中的标注信息。
本公开实施例的技术方案,通过将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图;将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图;基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像的技术手段,实现了对目标信息进行过滤的目的。
本公开实施例所提供的信息过滤装置可执行本公开任意实施例所提供的信息过滤方法,具备执行方法相应的功能模块和有益效果。
值得注意的是,上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本公开实施例的保护范围。
实施例四
下面参考图10,其示出了适于用来实现本公开实施例的电子设备(例如图10中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图10示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图10所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置406加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置406;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图10示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,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,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态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装置409从网络上被下载和安装,或者从存储装置406被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的终端与上述实施例提供的信息过滤方法属于同一发明构思,未在本公开实施例中详尽描述的技术细节可参见上述实施例,并且本公开实施例与上述实施例具有相同的有益效果。
实施例五
本公开实施例提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述实施例所提供的信息过滤方法。
需要说明的是,本公开上述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。在本公开中,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。而在本公开中,计算机可读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,该计算机可读信号介质可以发送、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:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述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该电子设备执行时,使得该电子设备:
将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图;
将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图;
基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、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,该模块、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,框图和/或流程图中的每个方框、以及框图和/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。
描述于本公开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。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,可编辑内容显示单元还可以被描述为“编辑单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
Claims (10)
1.一种信息过滤方法,其特征在于,包括:
将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图;
将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图;
基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像。
2.根据权利要求1所述的方法,其特征在于,将所述掩码图与所述原版图像进行对应位置的像素比对处理之前,还包括:
基于寻找连续的外轮廓方法确定所述掩码图中每个独立的待过滤信息项。
3.根据权利要求2所述的方法,其特征在于,将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图,包括:
针对所述每个独立的待过滤信息项,将当前待过滤信息项里的像素分别与所述原版图像中相同位置处的像素进行比对;
若参与比对的两目标像素的像素值相等,则保留掩码图中的所述目标像素,
若参与比对的两目标像素的像素值不相等,则删除掩码图中的所述目标像素,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图。
4.根据权利要求3所述的方法,其特征在于,还包括:
若参与比对的两目标像素的像素值不相等,则利用原版图像中的所述目标像素对所述掩码图中的相同位置进行像素填充;
将填充后的掩码图确定为所述修正后的掩码图。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像,包括:
将所述修正后的掩码图与所述原版图像进行差分处理,以过滤所述原版图像中所包含的所述待过滤信息,得到目标图像。
6.根据权利要求1-4任一项所述的方法,其特征在于,还包括:
基于形态学图像操作对所述目标图像进行腐蚀处理,以过滤所述目标图像中残余的待过滤信息。
7.根据权利要求1-4任一项所述的方法,其特征在于,所述原版图像包括房地产装修图纸的图像,对应的,所述待过滤信息包括房地产装修图纸中的标注信息。
8.一种信息过滤装置,其特征在于,包括:
分割模块,用于将包含待过滤信息的原版图像输入至预先训练好的语义分割网络,得到仅包括所述待过滤信息的掩码图;
修正模块,用于将所述掩码图与所述原版图像进行对应位置的像素比对处理,以对所述掩码图中的所述待过滤信息的坐标位置进行修正,得到修正后的掩码图;
过滤模块,用于基于所述修正后的掩码图,将所述原版图像中所包含的所述待过滤信息进行删除,得到目标图像。
9.一种电子设备,其特征在于,所述电子设备包括:
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,使得所述一个或多个处理器实现如权利要求1-7中任一项所述的信息过滤方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一项所述的信息过滤方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010002011.9A CN111179160A (zh) | 2020-01-02 | 2020-01-02 | 一种信息过滤方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010002011.9A CN111179160A (zh) | 2020-01-02 | 2020-01-02 | 一种信息过滤方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111179160A true CN111179160A (zh) | 2020-05-19 |
Family
ID=70656046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010002011.9A Pending CN111179160A (zh) | 2020-01-02 | 2020-01-02 | 一种信息过滤方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111179160A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0793564A (ja) * | 1993-09-27 | 1995-04-07 | Ricoh Co Ltd | 情報抽出マスク生成方法 |
JP2005252556A (ja) * | 2004-03-03 | 2005-09-15 | Kddi Corp | 注目画素値選択型符号化装置および復号装置 |
US20050244076A1 (en) * | 2004-05-03 | 2005-11-03 | Ratakonda Krishna C | Method and apparatus of filtering pixels in a video encoding process |
US20160063667A1 (en) * | 2014-08-29 | 2016-03-03 | Aspeed Technology Inc. | Graphic Remoting System With Masked DMA And Graphic Processing Method |
US20160358337A1 (en) * | 2015-06-08 | 2016-12-08 | Microsoft Technology Licensing, Llc | Image semantic segmentation |
US20180268220A1 (en) * | 2017-03-17 | 2018-09-20 | Magic Leap, Inc. | Room layout estimation methods and techniques |
US20190094875A1 (en) * | 2017-09-28 | 2019-03-28 | Nec Laboratories America, Inc. | Generating occlusion-aware bird eye view representations of complex road scenes |
US20190130573A1 (en) * | 2017-10-30 | 2019-05-02 | Rakuten, Inc. | Skip architecture neural network machine and method for improved semantic segmentation |
CN110060255A (zh) * | 2017-12-28 | 2019-07-26 | 达索系统公司 | 利用逐像素分类器来对2d平面图进行语义分割 |
US10402689B1 (en) * | 2017-04-04 | 2019-09-03 | Snap Inc. | Generating an image mask using machine learning |
-
2020
- 2020-01-02 CN CN202010002011.9A patent/CN111179160A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0793564A (ja) * | 1993-09-27 | 1995-04-07 | Ricoh Co Ltd | 情報抽出マスク生成方法 |
JP2005252556A (ja) * | 2004-03-03 | 2005-09-15 | Kddi Corp | 注目画素値選択型符号化装置および復号装置 |
US20050244076A1 (en) * | 2004-05-03 | 2005-11-03 | Ratakonda Krishna C | Method and apparatus of filtering pixels in a video encoding process |
US20160063667A1 (en) * | 2014-08-29 | 2016-03-03 | Aspeed Technology Inc. | Graphic Remoting System With Masked DMA And Graphic Processing Method |
US20160358337A1 (en) * | 2015-06-08 | 2016-12-08 | Microsoft Technology Licensing, Llc | Image semantic segmentation |
US20180268220A1 (en) * | 2017-03-17 | 2018-09-20 | Magic Leap, Inc. | Room layout estimation methods and techniques |
US10402689B1 (en) * | 2017-04-04 | 2019-09-03 | Snap Inc. | Generating an image mask using machine learning |
US20190094875A1 (en) * | 2017-09-28 | 2019-03-28 | Nec Laboratories America, Inc. | Generating occlusion-aware bird eye view representations of complex road scenes |
US20190130573A1 (en) * | 2017-10-30 | 2019-05-02 | Rakuten, Inc. | Skip architecture neural network machine and method for improved semantic segmentation |
CN110060255A (zh) * | 2017-12-28 | 2019-07-26 | 达索系统公司 | 利用逐像素分类器来对2d平面图进行语义分割 |
US20190243928A1 (en) * | 2017-12-28 | 2019-08-08 | Dassault Systemes | Semantic segmentation of 2d floor plans with a pixel-wise classifier |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111292420B (zh) | 用于构建地图的方法和装置 | |
CN111784565A (zh) | 图像处理方法、迁移模型训练方法、装置、介质及设备 | |
CN111242881A (zh) | 显示特效的方法、装置、存储介质及电子设备 | |
CN110413812B (zh) | 神经网络模型的训练方法、装置、电子设备及存储介质 | |
CN110298851B (zh) | 人体分割神经网络的训练方法及设备 | |
CN111950555A (zh) | 文本识别方法、装置、可读介质及电子设备 | |
CN111414879A (zh) | 人脸遮挡程度识别方法、装置、电子设备及可读存储介质 | |
CN114418834A (zh) | 一种文字生成方法、装置、电子设备及存储介质 | |
CN115409881A (zh) | 图像处理方法、装置及设备 | |
CN113239925A (zh) | 一种文本检测模型训练方法、文本检测方法及装置、设备 | |
CN113034648A (zh) | 图像处理方法、装置、设备和存储介质 | |
CN110705511A (zh) | 模糊图像的识别方法、装置、设备及存储介质 | |
CN112330788A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN115578570A (zh) | 图像处理方法、装置、可读介质及电子设备 | |
CN113610034B (zh) | 识别视频中人物实体的方法、装置、存储介质及电子设备 | |
CN113191257B (zh) | 笔顺检测方法、装置和电子设备 | |
CN114445269A (zh) | 一种图像特效处理方法、装置、设备及介质 | |
CN114170342A (zh) | 图像处理方法、装置、设备及存储介质 | |
CN109410121B (zh) | 人像胡须生成方法及装置 | |
CN111612715A (zh) | 图像修复方法、装置和电子设备 | |
CN115272667B (zh) | 农田图像分割模型训练方法、装置、电子设备和介质 | |
CN114040129B (zh) | 视频生成方法、装置、设备及存储介质 | |
CN110688116A (zh) | 一种图像文件的解析方法、装置、设备和可读介质 | |
CN111179160A (zh) | 一种信息过滤方法、装置、电子设备及存储介质 | |
CN114723600A (zh) | 美妆特效的生成方法、装置、设备、存储介质和程序产品 |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240209 |