CN111259697A - 用于发送信息的方法和装置 - Google Patents
用于发送信息的方法和装置 Download PDFInfo
- Publication number
- CN111259697A CN111259697A CN201811459754.8A CN201811459754A CN111259697A CN 111259697 A CN111259697 A CN 111259697A CN 201811459754 A CN201811459754 A CN 201811459754A CN 111259697 A CN111259697 A CN 111259697A
- Authority
- CN
- China
- Prior art keywords
- picture
- expression
- expression category
- retrieval
- image sequence
- 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 47
- 230000014509 gene expression Effects 0.000 claims abstract description 217
- 230000001815 facial effect Effects 0.000 claims abstract description 59
- 230000004044 response Effects 0.000 claims abstract description 30
- 230000003068 static effect Effects 0.000 claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000012549 training Methods 0.000 claims description 40
- 238000002372 labelling Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 230000008921 facial expression Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/174—Facial expression recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了用于发送信息的方法和装置。该方法的一具体实施方式包括:响应于接收到终端发送的第一图片检索请求,其中,上述第一图片检索请求包括由至少两张静态图像组成的检索用图片,执行以下第一检索操作:对上述检索用图片中包括的至少两张静态图像进行人脸检测,得到人脸图像序列;将上述人脸图像序列输入预先建立的表情识别模型,得到表情类别,以及将得到的表情类别作为检索用表情类别;响应于确定上述检索用表情类别与预先建立的图片集合中的图片上已标注的表情类别相匹配,将上述图片集合中的相匹配的表情类别对应的图片发送给上述终端。该实施方式实现了基于检索用图片的表情类别的图片检索。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及用于发送信息的方法和装置。
背景技术
在互联网技术不断发展的过程中,各种信息资源也逐渐丰富。为了能够更好地利用这些资源,进行信息检索是不可避免的。图像检索作为信息检索的一种,可以使用户快速地在海量图片资源中检索自己所需要的图片。现阶段,可以基于文本检索图像,即利用文本描述的方式描述图像的特征(例如,图像的名称、图像所呈现的内容、图像尺寸等等)进行图像检索。还可以利用图像的内容语义(例如,图像的颜色、纹理、布局等等)进行图像检索,该检索方式可以允许用户输入一张图片,以查找具有相同或相似内容的其他图片。
发明内容
本申请实施例提出了用于发送信息的方法和装置。
第一方面,本申请实施例提供了一种用于发送信息的方法,该方法包括:响应于接收到终端发送的第一图片检索请求,其中,上述第一图片检索请求包括由至少两张静态图像组成的检索用图片,执行以下第一检索操作:对上述检索用图片中包括的至少两张静态图像进行人脸检测,得到人脸图像序列;将上述人脸图像序列输入预先建立的表情识别模型,得到表情类别,以及将得到的表情类别作为检索用表情类别,其中,上述表情识别模型用于表征人脸图像序列与表情类别的对应关系;响应于确定上述检索用表情类别与预先建立的图片集合中的图片上已标注的表情类别相匹配,将上述图片集合中的相匹配的表情类别对应的图片发送给上述终端。
在一些实施例中,上述方法还包括:响应于接收到终端发送的第二图片检索请求,其中,上述第二图片检索请求包括目标表情类别,执行以下第二检索操作:响应于确定上述目标表情类别与上述图片集合中的图片上已标注的表情类别相匹配,将上述图片集合中的、与上述目标表情类别相匹配的表情类别对应的图片发送给上述终端。
在一些实施例中,上述方法还包括:对上述图片集合中未标注的图片进行表情类别标注。
在一些实施例中,上述图片集合中的图片由至少两张静态图像组成;以及上述对上述图片集合中未标注的图片进行表情类别标注,包括:对于上述图片集合中未标注的图片,执行以下标注步骤:对该图片中包括的至少两张静图像进行人脸检测,得到针对该图片的人脸图像序列;将针对该图片的人脸图像序列输入上述表情识别模型,得到针对该图片的表情类别;使用针对该图片的表情类别对该图片进行标注。
在一些实施例中,上述表情识别模型是通过以下方式训练得到的:获取训练样本集,其中,训练样本包括人脸图像序列和与人脸图像序列对应的表情类别;将上述训练样本集中的训练样本的人脸图像序列作为输入,将与输入的人脸图像序列对应的表情类别作为期望输出,训练得到上述表情识别模型。
第二方面,本申请实施例提供了一种用于发送信息的装置,上述装置包括:第一接收单元,被配置成响应于接收到终端发送的第一图片检索请求,其中,上述第一图片检索请求包括由至少两张静态图像组成的检索用图片,执行以下第一检索操作:对上述检索用图片中包括的至少两张静态图像进行人脸检测,得到人脸图像序列;将上述人脸图像序列输入预先建立的表情识别模型,得到表情类别,以及将得到的表情类别作为检索用表情类别,其中,上述表情识别模型用于表征人脸图像序列与表情类别的对应关系;响应于确定上述检索用表情类别与预先建立的图片集合中的图片上已标注的表情类别相匹配,将上述图片集合中的相匹配的表情类别对应的图片发送给上述终端。
在一些实施例中,上述装置还包括:第二接收单元,被配置成响应于接收到终端发送的第二图片检索请求,其中,上述第二图片检索请求包括目标表情类别,执行以下第二检索操作:响应于确定上述目标表情类别与上述图片集合中的图片上已标注的表情类别相匹配,将上述图片集合中的、与上述目标表情类别相匹配的表情类别对应的图片发送给上述终端。
在一些实施例中,上述装置还包括:标注单元,被配置成对上述图片集合中未标注的图片进行表情类别标注。
在一些实施例中,上述图片集合中的图片由至少两张静态图像组成;以及上述标注单元进一步被配置成:对于上述图片集合中未标注的图片,执行以下标注步骤:对该图片中包括的至少两张静图像进行人脸检测,得到针对该图片的人脸图像序列;将针对该图片的人脸图像序列输入上述表情识别模型,得到针对该图片的表情类别;使用针对该图片的表情类别对该图片进行标注。
在一些实施例中,上述表情识别模型是通过以下方式训练得到的:获取训练样本集,其中,训练样本包括人脸图像序列和与人脸图像序列对应的表情类别;将上述训练样本集中的训练样本的人脸图像序列作为输入,将与输入的人脸图像序列对应的表情类别作为期望输出,训练得到上述表情识别模型。
第三方面,本申请实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行时,使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本申请实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于发送信息的方法和装置,响应于接收到终端发送的第一图像检索请求,执行第一检索操作:首先,对检索用图片中包括的至少两张静态图像进行人脸检测得到人脸图像序列。然后,将人脸图像序列输入表情识别模型得到表情类别,并将得到的表情类别作为检索用表情类别。最后,响应于确定检索用表情类别与图片集合中的图片上已标注的表情类别相匹配,将图片集合中的相匹配的表情类别对应的图片发送给终端。从而有效利用了检索用图片中包括的人脸图像所对应的表情类别,实现了基于检索用图片的表情类别的图片检索。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的用于发送信息的方法的一个实施例的流程图;
图3是根据本申请的用于发送信息的方法的一个应用场景的示意图;
图4是根据本申请的用于发送信息的方法的又一个实施例的流程图;
图5是根据本申请的用于发送信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请实施例的用于发送信息的方法或用于发送信息的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持图片检索的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的图片提供支持的后台服务器。后台服务器可以对接收到的第一图片检索请求等数据进行分析等处理,并将处理结果(例如图片)反馈给终端设备101、102、103。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的用于发送信息的方法一般由服务器105执行,相应地,用于发送信息的装置一般设置于服务器105中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于发送信息的方法的一个实施例的流程200。该用于发送信息的方法,包括以下步骤:
步骤201,响应于接收到终端发送的第一图片检索请求,执行第一检索操作。
在本实施例中,用于发送信息的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从用户利用其进行图片检索的终端(例如图1所示的终端设备101、102、103)接收第一图片检索请求。其中,上述第一图片检索请求可以包括由至少两张静态图像组成的检索用图片。上述至少两张静态图像可以为图像序列,图像序列中的静态图像可以以指定的频率切换而产生动态效果。实践中,检索用图片可以是动态图片,如GIF(Graphics Interchange Format,图像互换格式)图像。动态图片是指当一组特定的静态图像以指定的频率切换而产生某种动态效果的图片。响应于接收到终端发送的第一图片检索请求,上述执行主体可以执行第一检索操作,其中,第一检索操作可以通过以下步骤来实现:
步骤2011,对检索用图片中包括的至少两张静态图像进行人脸检测,得到人脸图像序列。
在本实施例中,上述执行主体可以对上述检索用图片中包括的至少两张静态图像中的每一张静态图像进行人脸检测,从而得到人脸图像序列。在这里,人脸检测可以检测出各张静态图像中存在的人脸图像,并把它的位置准确地框出来。需要说明的是,人脸检测技术是目前广泛研究和应用的公知技术,在此不再赘述。
步骤2012,将人脸图像序列输入预先建立的表情识别模型,得到表情类别,以及将得到的表情类别作为检索用表情类别。
在本实施例中,上述执行主体中可以预先存储有表情识别模型。这样,上述执行主体可以将步骤2011中得到的人脸图像序列输入表情识别模型,从而得到该人脸图像序列对应的表情类别。上述执行主体可以将得到的表情类别作为检索用表情类别。
在这里,表情类别可以用于表征人脸图像序列所形成的动态人脸所呈现的表情类别。作为示例,可以预先将人脸表情划分为不同类别,例如,根据人脸表情所表达的情绪划分为无表情、高兴、惊讶、害怕、生气等等。
在这里,上述表情识别模型可以用于表征人脸图像序列与表情类别的对应关系。作为示例,上述表情识别模型可以包括特征提取部分和对应关系表。特征提取部分可以用于提取人脸图像序列中各张人脸图像中的特征信息,得到特征信息序列,可以理解的是,人脸图像的特征信息提取是目前应用比较广泛的技术,此处不再赘述。对应关系表可以是技术人员基于对大量特征信息序列与表情类别的统计而制定的、存储有多个特征信息序列与表情类别的对应关系的对应关系表。这样,对于某一个人脸图像序列,上述表情识别模型可以首先使用特征提取单元提取该人脸图像序列中各张人脸图像的特征信息,得到特征信息序列,并将得到的特征信息序列作为目标特征信息序列。之后,将目标特征信息序列与对应关系表中的特征信息序列进行对比,若目标特征信息序列与对应关系表中的某条特征信息序列相同或相似,则将对应关系表中的该条特征信息序列对应的表情类别作为该人脸图像序列的表情类别。
在本实施例的一些可选的实现方式中,上述表情识别模型可以是通过以下方式训练得到的:首先,获取训练样本集,其中,上述训练样本集中的训练样本可以包括人脸图像序列和与人脸图像序列对应的表情类别。然后,将训练样本集中的训练样本的人脸图像序列作为输入,将与输入的人脸图像序列对应的表情类别作为期望输出,训练得到表情识别模型。
在这里,训练表情识别模型的执行主体可以与上述主体相同,也可以不同。作为示例,训练表情识别模型的执行主体可以首先确定初始模型以及初始模型的模型参数。这里,初始模型可以用于表征人脸图像序列与表情类别的对应关系,初始模型可以是卷积神经网络、深度神经网络等等各种机器学习模型。举例来说,初始模型可以是长短期记忆网络模型(Long-Short Term Memory,LSTM)。LSTM是一种时间递归神经网络,适合于处理和预测时间序列中间隔和延迟相对较长的重要事件,LSTM在基于从人类图像序列中提取的特征信息生成表情类别时,可以充分利用人脸图像序列中各人脸图像的时序关系,从而提高生成的表情类别的准确性。之后,可以将训练样本集中的训练样本中的人脸图像序列输入初始模型,得到该人脸图像序列的表情类别,将该人脸图像序列对应的表情类别作为初始模型的期望输出,利用机器学习方法训练初始模型。具体地,可以首先利用预设的损失函数计算所得到的表情类别与期望输出之间的差异。然后,可以基于计算所得的差异,调整初始模型的模型参数,并在满足预设的训练结束条件的情况下,结束训练,得到表情识别模型。例如,这里预设的训练结束条件可以包括但不限于以下至少一项:训练时间超过预设时长,训练次数超过预设次数,初始模型的预测准确率大于预设准确率阈值等等。
这里,可以采用各种实现方式基于所生成的表情类别与期望输出之间的差异调整初始模型的模型参数。例如,可以采用BP(Back Propagation,反向传播)算法或者SGD(Stochastic Gradient Descent,随机梯度下降)算法来调整初始模型的模型参数。
步骤2013,响应于确定检索用表情类别与预先建立的图片集合中的图片上已标注的表情类别相匹配,将图片集合中的相匹配的表情类别对应的图片发送给终端。
在本实施例中,上述执行主体中可以预先存储有图片集合,该图片集合中可以包括多张标注有表情类别的人脸图片。这样,上述执行主体可以将检索用表情类别与图片集合中的各张图片所标注的表情类别进行匹配,如果检索用表情类别与图片集合中的图片所标注的表情类别相匹配(例如,相同),则可以将图片集合中相匹配的表情类别对应的图片发送给终端。在一些应用场景下,执行主体可以将图片集合中相匹配的表情类别对应的全部图片发送给终端,可以将图片集合中相匹配的表情类别对应的部分图片发送给终端。实践中,图片集合中的图片可以是动态图片(例如,GIF图片),也可以是静态人脸图像。
在本实施例的一些可选的实现方式中,上述用于发送信息的方法还可以包括以下内容:对上述图片集合中未标注的图片进行表情类别标注。
在本实现方式中,对图片集合中未标注的图片进行标注的执行主体可以与上述执行主体相同,也可以不同。作为示例,对图片进行标注的执行主体可以首先将图片集合中未标注的图片发送给指定终端,以供指定终端进行显示。作为示例,该指定终端可以是技术人员所使用的终端。之后,可以接收技术人员针对各张未标注的图片发送的标注用表情类别。然后,可以根据接收的标注用表情类别对未标注的图片进行标注。
在一些可选的实现方式中,上述图片集合中的图片由至少两张静态图像组成。其中,至少两张静态图像可以为图像序列,图像序列中的静态图像可以以指定的频率切换而产生动态效果。以及
对图片集合中未标注的图片进行表情类别标注,可以具体如下进行:
对于上述图片集合中未标注的各图片,执行主体可以执行以下标注步骤:首先,对该图片中包括的至少两张静态图像进行人脸检测,得到针对该图片的人脸图像序列。然后,将针对该图片的人脸图像序列输入上述表情识别模型,得到针对该图片的表情类别。最后,使用针对该图片的表情类别对该图片进行标注。
通过本实现方式,可以实现图片集合中未标注的图片的自动标注。相比于人工标注,自动标注可以提高对图片集合中未标注的图片的标注效率。
继续参见图3,图3是根据本实施例的用于发送信息的方法的应用场景的一个示意图。在图3的应用场景中,用户通过终端301向服务器302发送第一图片检索请求。服务器302响应于接收到终端301发送的第一图片检索请求,执行以下第一检索操作:首先,对检索用图片中包括的至少两张静态图像进行人脸检测,得到人脸图像序列。然后,将人脸图像序列输入预先建立的表情识别模型,得到表情类别“开心”,以及将得到的表情类别“开心”作为检索用表情类别。最后,响应于确定检索用表情类别“开心”与预先建立的图片集合中的某2张图片上已标注的表情类别相匹配,将图片集合中的相匹配的表情类别对应的2张图片发送给终端301,以供终端301显示给用户,就会如图3所示。
本申请的上述实施例提供的方法,以动态图片为检索用图片,实现了基于动态图片中人脸图像的表情类别的图片检索。
进一步参考图4,其示出了用于发送信息的方法的又一个实施例的流程400。该用于发送信息的方法的流程400,包括以下步骤:
步骤401,响应于接收到终端发送的第一图片检索请求,执行第一检索操作。
在本实施例中,用于发送信息的方法的执行主体(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从用户利用其进行图片检索的终端(例如图1所示的终端设备101、102、103)接收第一图片检索请求。其中,上述第一图片检索请求可以包括由至少两张静态图像组成的检索用图片。上述至少两张静态图像可以为图像序列,图像序列中的静态图像可以以指定的频率切换而产生动态效果。实践中,检索用图片可以是动态图片,如GIF(Graphics Interchange Format,图像互换格式)图像。动态图片是指当一组特定的静态图像以指定的频率切换而产生某种动态效果的图片。响应于接收到终端发送的第一图片检索请求,上述执行主体可以执行第一检索操作,其中,第一检索操作可以包括以下步骤:
步骤4011,对检索用图片中包括的至少两张静态图像进行人脸检测,得到人脸图像序列。
在本实施例中,步骤4011与图2所示实施例的步骤2011类似,此处不再赘述。
步骤4012,将人脸图像序列输入预先建立的表情识别模型,得到表情类别,以及将得到的表情类别作为检索用表情类别。
在本实施例中,步骤4012与图2所示实施例的步骤2012类似,此处不再赘述。
步骤4013,响应于确定检索用表情类别与预先建立的图片集合中的图片上已标注的表情类别相匹配,将图片集合中的相匹配的表情类别对应的图片发送给终端。
在本实施例中,步骤4013与图2所示实施例的步骤2013类似,此处不再赘述。
步骤402,响应于接收到终端发送的第二图片检索请求,执行第二检索操作。
在本实施例中,终端可以向上述执行主体发送第二图片检索请求,其中,上述第二图片检索请求可以包括目标表情类别。响应于接收到终端发送的第二图片检索请求,上述执行主体可以执行第二检索操作。其中,第二检索操作可以包括以下步骤:
步骤4021,响应于确定目标表情类别与图片集合中的图片上已标注的表情类别相匹配,将图片集合中的、与目标表情类别相匹配的表情类别对应的图片发送给终端。
在本实施例中,上述执行主体可以将上述目标表情类别与图片集合中的各张图片所标注的表情类别进行匹配,如果目标表情类别与图片集合中的图片所标注的表情类别相匹配(例如,相同),则可以将图片集合中的、与目标表情类别相匹配的表情类别对应的图片发送给终端。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于发送信息的方法的流程400突出了接收第二图片检索请求,并基于第二图片检索请求中包括的目标表情类别从图片集合检索图片的步骤。由此,本实施例描述的方案既可以实现基于动态图片中人脸图像的表情类别的图片检索,还可以实现基于文本信息中包括的目标表情类别的图片检索。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于发送信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例的用于发送信息的装置500包括:第一接收单元501。其中,第一接收单元501被配置成响应于接收到终端发送的第一图片检索请求,其中,上述第一图片检索请求包括由至少两张静态图像组成的检索用图片,执行以下第一检索操作:对上述检索用图片中包括的至少两张静态图像进行人脸检测,得到人脸图像序列;将上述人脸图像序列输入预先建立的表情识别模型,得到表情类别,以及将得到的表情类别作为检索用表情类别,其中,上述表情识别模型用于表征人脸图像序列与表情类别的对应关系;响应于确定上述检索用表情类别与预先建立的图片集合中的图片上已标注的表情类别相匹配,将上述图片集合中的相匹配的表情类别对应的图片发送给上述终端。
在本实施例中,用于发送信息的装置500的第一接收单元501的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述装置500还包括:第二接收单元502,被配置成响应于接收到终端发送的第二图片检索请求,其中,上述第二图片检索请求包括目标表情类别,执行以下第二检索操作:响应于确定上述目标表情类别与上述图片集合中的图片上已标注的表情类别相匹配,将上述图片集合中的、与上述目标表情类别相匹配的表情类别对应的图片发送给上述终端。
在本实施例的一些可选的实现方式中,上述装置500还包括:标注单元503,被配置成对上述图片集合中未标注的图片进行表情类别标注。
在本实施例的一些可选的实现方式中,上述图片集合中的图片由至少两张静态图像组成;以及上述标注单元503进一步被配置成:对于上述图片集合中未标注的图片,执行以下标注步骤:对该图片中包括的至少两张静图像进行人脸检测,得到针对该图片的人脸图像序列;将针对该图片的人脸图像序列输入上述表情识别模型,得到针对该图片的表情类别;使用针对该图片的表情类别对该图片进行标注。
在本实施例的一些可选的实现方式中,上述表情识别模型是通过以下方式训练得到的:获取训练样本集,其中,训练样本包括人脸图像序列和与人脸图像序列对应的表情类别;将上述训练样本集中的训练样本的人脸图像序列作为输入,将与输入的人脸图像序列对应的表情类别作为期望输出,训练得到上述表情识别模型。
下面参考图6,其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
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部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。
需要说明的是,本申请所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。在本申请中,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。而在本申请中,计算机可读的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。计算机可读的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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
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申请的操作的计算机程序代码,所述程序设计语言包括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,图示了按照本申请各种实施例的系统、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。
描述于本申请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。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括第一接收单元。其中,这些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,第一接收单元还可以被描述为“响应于接收到终端发送的第一图片检索请求,执行第一检索操作的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。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装置执行时,使得该装置:响应于接收到终端发送的第一图片检索请求,其中,上述第一图片检索请求包括由至少两张静态图像组成的检索用图片,执行以下第一检索操作:对上述检索用图片中包括的至少两张静态图像进行人脸检测,得到人脸图像序列;将上述人脸图像序列输入预先建立的表情识别模型,得到表情类别,以及将得到的表情类别作为检索用表情类别,其中,上述表情识别模型用于表征人脸图像序列与表情类别的对应关系;响应于确定上述检索用表情类别与预先建立的图片集合中的图片上已标注的表情类别相匹配,将上述图片集合中的相匹配的表情类别对应的图片发送给上述终端。
以上描述仅为本申请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,本申请中所涉及的发明范围,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发明构思的情况下,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。例如上述特征与本申请中公开的(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。
Claims (12)
1.一种用于发送信息的方法,包括:
响应于接收到终端发送的第一图片检索请求,其中,所述第一图片检索请求包括由至少两张静态图像组成的检索用图片,执行以下第一检索操作:
对所述检索用图片中包括的至少两张静态图像进行人脸检测,得到人脸图像序列;
将所述人脸图像序列输入预先建立的表情识别模型,得到表情类别,以及将得到的表情类别作为检索用表情类别,其中,所述表情识别模型用于表征人脸图像序列与表情类别的对应关系;
响应于确定所述检索用表情类别与预先建立的图片集合中的图片上已标注的表情类别相匹配,将所述图片集合中的相匹配的表情类别对应的图片发送给所述终端。
2.根据权利要求1所述的方法,其中,所述方法还包括:
响应于接收到终端发送的第二图片检索请求,其中,所述第二图片检索请求包括目标表情类别,执行以下第二检索操作:
响应于确定所述目标表情类别与所述图片集合中的图片上已标注的表情类别相匹配,将所述图片集合中的、与所述目标表情类别相匹配的表情类别对应的图片发送给所述终端。
3.根据权利要求1所述的方法,其中,所述方法还包括:
对所述图片集合中未标注的图片进行表情类别标注。
4.根据权利要求3所述的方法,其中,所述图片集合中的图片由至少两张静态图像组成;以及
所述对所述图片集合中未标注的图片进行表情类别标注,包括:
对于所述图片集合中未标注的图片,执行以下标注步骤:对该图片中包括的至少两张静图像进行人脸检测,得到针对该图片的人脸图像序列;将针对该图片的人脸图像序列输入所述表情识别模型,得到针对该图片的表情类别;使用针对该图片的表情类别对该图片进行标注。
5.根据权利要求1所述的方法,其中,所述表情识别模型是通过以下方式训练得到的:
获取训练样本集,其中,训练样本包括人脸图像序列和与人脸图像序列对应的表情类别;
将所述训练样本集中的训练样本的人脸图像序列作为输入,将与输入的人脸图像序列对应的表情类别作为期望输出,训练得到所述表情识别模型。
6.一种用于发送信息的装置,包括:
第一接收单元,被配置成响应于接收到终端发送的第一图片检索请求,其中,所述第一图片检索请求包括由至少两张静态图像组成的检索用图片,执行以下第一检索操作:
对所述检索用图片中包括的至少两张静态图像进行人脸检测,得到人脸图像序列;
将所述人脸图像序列输入预先建立的表情识别模型,得到表情类别,以及将得到的表情类别作为检索用表情类别,其中,所述表情识别模型用于表征人脸图像序列与表情类别的对应关系;
响应于确定所述检索用表情类别与预先建立的图片集合中的图片上已标注的表情类别相匹配,将所述图片集合中的相匹配的表情类别对应的图片发送给所述终端。
7.根据权利要求6所述的装置,其中,所述装置还包括:
第二接收单元,被配置成响应于接收到终端发送的第二图片检索请求,其中,所述第二图片检索请求包括目标表情类别,执行以下第二检索操作:
响应于确定所述目标表情类别与所述图片集合中的图片上已标注的表情类别相匹配,将所述图片集合中的、与所述目标表情类别相匹配的表情类别对应的图片发送给所述终端。
8.根据权利要求6所述的装置,其中,所述装置还包括:
标注单元,被配置成对所述图片集合中未标注的图片进行表情类别标注。
9.根据权利要求8所述的装置,其中,所述图片集合中的图片由至少两张静态图像组成;以及
所述标注单元进一步被配置成:
对于所述图片集合中未标注的图片,执行以下标注步骤:对该图片中包括的至少两张静图像进行人脸检测,得到针对该图片的人脸图像序列;将针对该图片的人脸图像序列输入所述表情识别模型,得到针对该图片的表情类别;使用针对该图片的表情类别对该图片进行标注。
10.根据权利要求6所述的装置,其中,所述表情识别模型是通过以下方式训练得到的:
获取训练样本集,其中,训练样本包括人脸图像序列和与人脸图像序列对应的表情类别;
将所述训练样本集中的训练样本的人脸图像序列作为输入,将与输入的人脸图像序列对应的表情类别作为期望输出,训练得到所述表情识别模型。
11.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459754.8A CN111259697A (zh) | 2018-11-30 | 2018-11-30 | 用于发送信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811459754.8A CN111259697A (zh) | 2018-11-30 | 2018-11-30 | 用于发送信息的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111259697A true CN111259697A (zh) | 2020-06-09 |
Family
ID=70946579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811459754.8A Pending CN111259697A (zh) | 2018-11-30 | 2018-11-30 | 用于发送信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111259697A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035692A (zh) * | 2020-08-31 | 2020-12-04 | 百度在线网络技术(北京)有限公司 | 图片信息搜索方法和装置、计算机系统和可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054033A (zh) * | 2010-12-25 | 2011-05-11 | 百度在线网络技术(北京)有限公司 | 表情搜索引擎、使用该表情搜索引擎的表情管理系统及表情管理方法 |
CN102955830A (zh) * | 2011-08-31 | 2013-03-06 | 腾讯科技(深圳)有限公司 | 表情搜索开放平台、表情搜索方法及系统 |
CN104063683A (zh) * | 2014-06-06 | 2014-09-24 | 北京搜狗科技发展有限公司 | 一种基于人脸识别的表情输入方法和装置 |
CN106951856A (zh) * | 2017-03-16 | 2017-07-14 | 腾讯科技(深圳)有限公司 | 表情包提取方法及装置 |
CN106980811A (zh) * | 2016-10-21 | 2017-07-25 | 商汤集团有限公司 | 人脸表情识别方法和人脸表情识别装置 |
CN107679183A (zh) * | 2017-09-29 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 分类器用训练数据获取方法和装置、服务器及存储介质 |
-
2018
- 2018-11-30 CN CN201811459754.8A patent/CN111259697A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102054033A (zh) * | 2010-12-25 | 2011-05-11 | 百度在线网络技术(北京)有限公司 | 表情搜索引擎、使用该表情搜索引擎的表情管理系统及表情管理方法 |
CN102955830A (zh) * | 2011-08-31 | 2013-03-06 | 腾讯科技(深圳)有限公司 | 表情搜索开放平台、表情搜索方法及系统 |
CN104063683A (zh) * | 2014-06-06 | 2014-09-24 | 北京搜狗科技发展有限公司 | 一种基于人脸识别的表情输入方法和装置 |
CN106980811A (zh) * | 2016-10-21 | 2017-07-25 | 商汤集团有限公司 | 人脸表情识别方法和人脸表情识别装置 |
CN106951856A (zh) * | 2017-03-16 | 2017-07-14 | 腾讯科技(深圳)有限公司 | 表情包提取方法及装置 |
CN107679183A (zh) * | 2017-09-29 | 2018-02-09 | 百度在线网络技术(北京)有限公司 | 分类器用训练数据获取方法和装置、服务器及存储介质 |
Non-Patent Citations (1)
Title |
---|
张善立 等: "《虚拟现实(VR)技术与应用》", 北京理工大学出版社, pages: 63 - 64 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112035692A (zh) * | 2020-08-31 | 2020-12-04 | 百度在线网络技术(北京)有限公司 | 图片信息搜索方法和装置、计算机系统和可读存储介质 |
CN112035692B (zh) * | 2020-08-31 | 2023-11-03 | 百度在线网络技术(北京)有限公司 | 图片信息搜索方法和装置、计算机系统和可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109460513B (zh) | 用于生成点击率预测模型的方法和装置 | |
CN108830235B (zh) | 用于生成信息的方法和装置 | |
CN107578017B (zh) | 用于生成图像的方法和装置 | |
WO2020000879A1 (zh) | 图像识别方法和装置 | |
CN108416310B (zh) | 用于生成信息的方法和装置 | |
CN109308681B (zh) | 图像处理方法和装置 | |
CN109034069B (zh) | 用于生成信息的方法和装置 | |
CN111476871B (zh) | 用于生成视频的方法和装置 | |
CN109740018B (zh) | 用于生成视频标签模型的方法和装置 | |
US11758088B2 (en) | Method and apparatus for aligning paragraph and video | |
CN107609506B (zh) | 用于生成图像的方法和装置 | |
CN110046254B (zh) | 用于生成模型的方法和装置 | |
WO2020000876A1 (zh) | 用于生成模型的方法和装置 | |
CN109145828B (zh) | 用于生成视频类别检测模型的方法和装置 | |
CN109359194B (zh) | 用于预测信息类别的方法和装置 | |
CN109981787B (zh) | 用于展示信息的方法和装置 | |
CN109582825B (zh) | 用于生成信息的方法和装置 | |
CN108510084B (zh) | 用于生成信息的方法和装置 | |
CN109214501B (zh) | 用于识别信息的方法和装置 | |
WO2024099171A1 (zh) | 视频生成方法和装置 | |
US20230367972A1 (en) | Method and apparatus for processing model data, electronic device, and computer readable medium | |
CN111292333B (zh) | 用于分割图像的方法和装置 | |
CN109816023B (zh) | 用于生成图片标签模型的方法和装置 | |
CN109101956B (zh) | 用于处理图像的方法和装置 | |
CN113360660A (zh) | 文本类别识别方法、装置、电子设备和存储介质 |
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 |