CN111383054A - 广告检验方法和装置 - Google Patents

广告检验方法和装置 Download PDF

Info

Publication number
CN111383054A
CN111383054A CN202010163126.6A CN202010163126A CN111383054A CN 111383054 A CN111383054 A CN 111383054A CN 202010163126 A CN202010163126 A CN 202010163126A CN 111383054 A CN111383054 A CN 111383054A
Authority
CN
China
Prior art keywords
determining
target advertisement
color
design
advertisement picture
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
Application number
CN202010163126.6A
Other languages
English (en)
Inventor
曹云飞
徐治理
崔煜喆
霍龙社
刘腾飞
唐雄燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202010163126.6A priority Critical patent/CN111383054A/zh
Publication of CN111383054A publication Critical patent/CN111383054A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • 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
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • 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
    • G06V30/41—Analysis of document content
    • G06V30/413—Classification of content, e.g. text, photographs or tables
    • 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

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)
  • Artificial Intelligence (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种广告检验方法和装置，涉及广告领域，用于检验广告图片的设计是否符合设计要求，提高工作效率，统一检验标准。该方法包括：确定目标广告图片中的元素；元素包括文字和/或图像；确定元素的参数；参数包括颜色、位置和清晰度；根据参数和目标广告图片的设计规则确定目标广告符合设计要求。本发明用于检验广告图片的设计是否符合要求。

Description

广告检验方法和装置
技术领域
本发明涉及广告领域，尤其涉及一种广告检验方法和装置。
背景技术
广告就是广而告之，向社会公众告知某件事物。广告包括二维广告、三维广告、媒体广告和展示广告等多种形式，一个广告中可能包括文字、图像等多种元素设计，广告的设计过程不仅要考虑包括的元素，还要考虑各个元素的大小对比、明暗对比、质感对比、位置对比以及文字元素的粗细对比等等。
目前的广告设计完成后，对广告设计方案的检验通常是由人工完成的。由于人工检验的主观性，在对广告设计方案检验时可能导致不同人员的检验结果不同，且工作效率低下。
发明内容
本发明的实施例提供一种广告检验方法和装置，用于检验目标图片的设计是否符合设计要求，提高工作效率，统一检验标准。
为达到上述目的，本发明的实施例采用如下技术方案：
第一方面，提供一种广告检验方法，包括：确定目标广告图片中的元素；元素包括文字和/或图像；确定元素的参数；参数包括颜色、位置和清晰度；根据参数和目标广告图片的设计规则确定目标广告符合设计要求。
第二方面，提供一种广告检验装置，包括：元素确定模块，用于确定目标广告图片中的元素；元素包括文字和/或图像；参数确定模块，用于确定元素确定模块得到的元素的参数；参数包括颜色、位置和清晰度；检验模块，用于根据参数确定模块得到的参数和目标广告图片的设计规则确定目标广告符合设计要求。
第三方面，提供一种广告检验装置，包括：存储器、处理器、总线和通信接口；存储器用于存储计算机执行指令，处理器与存储器通过总线连接；当广告检验装置运行时，处理器执行存储器存储的计算机执行指令，以使广告检验装置执行如第一方面提供的广告检验方法。
第四方面，提供一种计算机可读存储介质，计算机可读存储介质包括计算机执行指令，当计算机执行指令在计算机上运行时，使得计算机执行如第一方面提供的广告检验方法。
本发明实施例提供一种广告检验方法和装置，该方法包括：确定目标广告图片中的元素；元素包括文字和/或图像；确定元素的参数；参数包括颜色、位置和清晰度；根据参数和目标广告图片的设计规则确定目标广告符合设计要求。本发明实施例通过广告检验装置识别广告图片中包括的元素以及元素的颜色、位置和清晰度信息，能够实现根据元素的颜色、位置和清晰度信息自动判断广告图片的设计是否符合设计要求，不再需要人工检验的参与，提高了工作效率，统一了检验标准。
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他的附图。
图1为本发明实施例提供的一种广告检验方法的流程示意图一；
图2为本发明实施例提供的一种目标广告图片的示意图；
图3为本发明实施例提供的一种确定的目标广告图片中文字的示意图；
图4为本发明实施例提供的一种确定的目标广告图片中图像的示意图；
图5为本发明实施例提供的一种广告检验方法的流程示意图二；
图6为本发明实施例提供的一种广告检验方法的流程示意图三；
图7为本发明实施例提供的一种判断广告图片是否符合设计要求的策略示意图；
图8为本发明实施例提供的一种广告检验方法的流程示意图四；
图9为本发明实施例提供的一种判断旅游广告图片是否符合设计要求的策略示意图；
图10为本发明实施例提供的一种广告检验装置的结构示意图一；
图11为本发明实施例提供的一种广告检验装置的结构示意图二。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，本发明实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本发明实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
为了便于清楚描述本发明实施例的技术方案，在本发明的实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。
目前的广告设计方案中包括多种类型的广告，不同类型的广告中包括的广告元素各不相同，且各个广告元素的颜色、位置和清晰度均有不同的要求。因此在相应类型的广告图片设计完成后，设计人员需要对广告图片进行检验，确定广告图片中的广告元素设计是否符合相应的要求。由于目前的广告图片检验通常需要人工进行，因此易造成检验标准不一，以及错漏等问题。
针对上述问题，如图1所示，本发明实施例提供一种广告检验方法，包括：
S101、确定目标广告图片中的元素。
其中，元素包括文字和/或图像。
具体的，广告具有多种类型，不同类型的广告在设计时具有不同的设计要求，其广告图片包括的元素也各不相同，如公益广告，可以是包括图像和文字组合的图片，也可以是仅包括文字的图片。当然，广告的设计均需先在计算机上设计相应的广告图片，且由于不同类型的广告图片可以具有不同的元素。因此，对广告图片的检验需要确定其包括的元素，并根据不同元素相应的设计规则对广告图片进行检验。这里的目标广告图片可以是不同类型的广告图片中的任一个。
示例性的，若目标广告图片为旅游广告的图片，如图2所示，目标广告图片包括山水景色和宣传标语。本发明实施例通过文字识别模型和图像识别模型确定目标广告图片包括的元素，其中文字识别模型用于识别目标广告图片中的文字，其识别结果可以如图3所示，文字识别模型可以识别图2所示的目标广告图片中的文字“绿水青山欢迎您”；图像识别模型用于识别目标广告图片中的图像，其识别结果可以如图4所示，图像识别模型还可以用于识别图像的类别，如山、水和人等。
需要说明的是，上述的文字识别模型和图像识别模型可以是本领域常用的模型，在此不再赘述。
可选的，如图5所示，步骤S101可以包括：
S1011、将目标广告图片进行灰度化和二值化处理，确定目标广告图片中的文字。
具体的，本步骤是文字识别模型的具体实现方式。目标广告图片实际是由红色、绿色和蓝色的三个像素矩阵组成的，因为目标广告图片中的每一个像素点均由红(red，R)、绿(green，G)和蓝(blue，B)三个分量表示其颜色，因此目标广告图片实际是由R、G和B三个像素矩阵组成。如目标广告图片的尺寸为32*32，则该目标广告图片的宽度是32像素，长度是32像素，该目标广告图片由三个32*32的像素矩阵组成，分别为R像素矩阵、G像素矩阵和B像素矩阵。R、G和B的取值可以在0-255之间，如红色可以由(255，0，0)表示。
对目标广告图片的灰度化处理实际是使目标广告图片中每一个像素点的R＝G＝B的过程。
示例性的，灰度化处理可以根据下述公式一进行：
R'＝(R+G+B)/3；
G'＝(R+G+B)/3；
B'＝(R+G+B)/3。
其中，R、G和B表示目标广告图片中像素点的颜色分量，R'、G'和B'表示灰度化处理后目标广告图片中像素点的颜色分量。
灰度化处理还可以根据下述公式二进行：
R'＝R*0.3+G*0.59+B*0.11；
G'＝R*0.3+G*0.59+B*0.11；
B'＝R*0.3+G*0.59+B*0.11。
本发明实施例对目标广告图片的灰度化处理是根据上述的公式二进行的。当然，上述的灰度化处理仅是示例性的，本领域的技术人员还可以根据其他方法对目标广告图片进行灰度化处理。
获得灰度化处理后的目标广告图片后，对处理后的目标广告图片进行二值化处理，二值化实际是将处理后的目标广告图片的像素矩阵中的每个像素点的灰度值设置为0或255的过程，即使目标广告图片仅呈现黑或白的颜色。这里的灰度值是指上述的R'、G'和B'，R'＝G'＝B'，灰度值的范围为0-255。
对灰度化处理后的目标广告图片进行二值化处理的过程可以是将灰度值小于或等于阈值的像素点的灰度值设为0，将灰度值大于阈值的像素点的灰度值设为255。
需要说明的是，上述的阈值可以是0-255的中间数，即127，也可以是灰度化处理后的目标广告图片的像素矩阵中所有像素点的灰度值的平均值。当然，上述对灰度化处理后的目标广告图片进行二值化处理的过程仅为示例性的，本领域的技术人员也可以通过其他方法对灰度化处理后的目标广告图片进行二值化处理。
对目标广告图片进行灰度化和二值化处理后即可得到目标广告图片中的文字。当然，对目标广告图片进行灰度化和二值化处理后，还可以包括去除噪声等处理。文字识别模型在通过灰度化和二值化确定目标广告图片中的文字后，可以将文字的颜色恢复为目标广告图片中的初始颜色。
S1012、根据卷积神经网络CNN提取目标广告图片的多个特征，并根据多个特征确定目标广告图片中的图像。
具体的，本步骤是图像识别模型的具体实现方式，图像识别模型为根据卷积神经网络(convolutional neural networks，CNN)训练得到的模型，包括卷积层、池化层和全连接层。
其中，卷积层用于提取目标广告图片中图像的特征；池化层用于将提取的特征进行压缩，避免出现过拟合；全连接层用于汇总压缩后的特征，并根据该压缩后的特征确定图像的种类。如卷积层提取的特征包括多个波纹状线条，则全连接层根据该多个波纹状线条可以确定该图像可能为水；或卷积层提取的特征包括曲线和类似直线的线条，则全连接层根据这些曲线和类似直线的线条可以确定该图像为山。
图像识别模型可以根据提取的特征确定目标广告图片中包括的图像，若目标广告图片如图2所示，则图像识别模型可以确定目标广告图片包括山、水、树、人、船和云雾等图像。
需要说明的是，上述的文字识别模型和图像识别模型可以根据本领域惯用的技术手段训练得到，在此不再赘述。
S102、确定元素的参数。
其中，参数包括颜色、位置和清晰度。
具体的，由于目标广告图片的元素包括文字和图像，因此元素的参数可以包括文字的颜色、位置和清晰度，以及图像的颜色、位置和清晰度。元素的参数可以通过颜色模型、位置模型和清晰度模型确定，颜色模型用于确定文字和图像的颜色，位置模型用于确定文字和图像的位置，清晰度模型用于确定文字和图像的清晰度。
需要说明的是，颜色模型、位置模型和清晰度模型均为本领域常用的模型，可以根据领域惯用的技术手段训练得到，在此不再赘述。
可选的，如图6所示，步骤S102包括：
S1021、将元素由RGB颜色模式转化成色调饱和度明度HSV颜色模式，并根据转化结果确定元素的颜色。
具体的，本步骤是利用颜色模型确定元素的颜色的具体实现方式。颜色模型确定元素颜色的具体过程包括：
根据以下公式将元素由红绿蓝(red green blue，RGB)颜色模式转化成色调饱和度明度(hue saturation value，HSV)颜色模式：
Figure BDA0002406494420000061
Figure BDA0002406494420000071
V＝max。
其中，H为目标广告图片的色调，S为目标广告图片的饱和度，V为目标广告图片的明度，max为R、G和B中的最大值，min为R、G和B中的最小值，otherwise指max不等于零时的情况。
需要说明的是，将目标广告图片的RGB颜色模式转化成HSV颜色模式是因为HSV颜色模式能够更好的反映物体的颜色信息。一般情况下，H的取值范围为0°-360°，S的取值范围为0％-100％，V的取值范围为0-255，但开源计算机视觉库(open source computerVision library，OpenCV)在将RGB颜色模式转换为HSV颜色模式时，HSV颜色模式中各分量的取值范围实际为：H为0-180°，S为0-255，V为0-255。
HSV颜色模式可以根据下表1中各分量的取值确定元素对应的颜色：
表1
Figure BDA0002406494420000072
颜色模型在将目标广告图片的RGB颜色模式转换为HSV颜色模式后，将HSV颜色模式的各分量与表1中的分量取值进行比对确定目标广告图片中各元素的颜色。如文字的HSV颜色模式的分量为(20，70，6)，则文字的颜色为黑色；如文字的HSV颜色模式的分量为(5，55，78)，则文字的颜色为红色。
需要说明的是，目标广告图片中文字和图像的颜色均可以根据上述的方法确定。
S1022、根据置信度阈值过滤元素的多个预测框，根据过滤后的预测框中重叠度最小的预测框确定元素的位置。
其中，预测框用于指示图片上的一个位置。
具体的，本步骤是利用位置模型确定元素的位置的具体实现方式，该位置模型通过CNN根据单点多框预测(single shot multibox detector，SSD)算法确定目标广告图片中的文字和图像的位置。
示例性的，位置模型内设置了多个预测框，且每个预测框根据预测的元素类别不同分别设置有不同的置信度，如确定文字位置的预测框的置信度设置为0.7。当位置模型用于确定目标广告图片中文字的位置时，可以根据置信度阈值过滤掉置信度较低的预测框，如置信度阈值为0.5，则可以根据置信度阈值过滤掉置信度小于或等于0.5的预测框。因为目标广告图片的预测框可能包括成百上千个，因此即使根据置信度阈值过滤部分预测框后，剩余的预测框可能还包括数百个。因此，根据置信度阈值过滤预测框后，可以对过滤后的预测框按置信度进行降序排列，保留前N个预测框，N可以是大于1的正整数。在对包括的N个预测框按置信度进行降序排列后，根据非极大值抑制(non-maximum suppression，NMS)算法再次对预测框进行过滤，过滤掉重叠度较大的预测框，并根据最终剩余的预测框确定文字的位置。
根据预测框确定文字的位置可以通过对预测框位置的解码实现，文字的位置可以用b来表示，b＝(bcx，bcy，bw，bh)。其中，bcx、bcy，bw和bh分别表示预测框的中心坐标、宽和高，x和y为目标广告图片中第x行，第y列的像素点。
需要说明的是，位置模型确定目标广告图片中图像的位置与确定文字的位置的原理相同，不同在于在训练位置模型时，确定文字的位置的训练数据与确定图像的位置的训练数据不同，在此不再对位置模型确定目标广告图片中的图像位置的具体过程进行赘述。
S1023、提取元素的边缘特征，计算边缘特征中所有像素的边缘强度的均值，并根据边缘强度的均值与预设阈值确定元素的清晰度。
具体的，本步骤为利用清晰度模型确定元素的清晰度的具体实现方式。文字识别模型和图像识别模型在确定目标广告图片中的文字和图像后，根据索贝尔(sobeloperator，Sobel)算法提取文字或图像的边缘特征，计算边缘特征中所有像素的边缘强度素的均值。若该均值大于预设阈值，则确定文字或图像的清晰度为清晰；若该均值小于预设阈值，则确定文字或图像的清晰度为模糊。这里的边缘特征指文字或图像的边界的像素。
可选的，Sobel算法包括两个滤波器，分别为：
Figure BDA0002406494420000091
Figure BDA0002406494420000092
其中Sx为水平方向的滤波器，Sy为垂直方向的滤波器。
根据Sobel算法得到的文字或图像的边缘强度为：
Figure BDA0002406494420000093
其中，M(x,y)为文字或图像的边缘强度，G1(x,y)和G2(x,y)为文字或图像的边缘特征中每个像素点的水平方向和垂直方向的一阶导数。
Figure BDA0002406494420000094
其中，f(x,y)为目标广告图片中文字或图像的像素矩阵。边缘强度的均值为文字或图像中每个像素点的边缘强度的平均值。
预设阈值可以根据最大类间方差法OTSU确定，该预设阈值可以为：
F＝w0*w1*(μ0-μ1)。
其中，F为预设阈值，w0为前景的像素点占整个目标广告图片的像素点的比例，μ0为前景的灰度值的均值，w1为背景的像素点占整个目标广告图片的像素点的比例，μ1为背景的灰度值的均值。
Figure BDA0002406494420000095
其中，N0为目标广告图片中灰度值小于阈值的像素点个数，N1为目标广告图片中灰度值大于阈值的像素点个数，M*N为目标广告图片的大小。这里的灰度值可以是上述步骤S1011中的灰度值，阈值可以是0-255的中间数，也可以是灰度化处理后的目标广告图片的像素矩阵中所有像素点的灰度值的平均值。
需要注意的是，在判断文字和图像的清晰度时，需要分别提取文字和图像的边缘特征进行计算，依次判断文字和图像的清晰度。
S103、根据参数和目标广告图片的设计规则确定目标广告符合设计要求。
其中，设计规则包括颜色设计规则、位置设计规则和清晰度设计规则。
具体的，判断目标广告图片是否符合设计要求可以由决策模型根据参数进行判断，决策模型可以获得上述颜色模型、位置模型和清晰度模型的输出。决策模型可以是如图7所示的树状结构模型，根据广告类型的不同，目标广告图片中包括的元素也不相同，因此其设计要求中包括的设计规则也不相同。因此，决策模型可以对不同类型的目标广告图片进行决策判断，确定其是否符合设计要求。
可选的，如图8所示，步骤S103具体包括：
若元素的颜色符合颜色设计规则，元素的位置符合位置设计规则，元素的清晰度符合清晰度设计规则，则目标广告图片符合设计要求。
具体的，颜色设计规则还可以包括第一颜色设计规则和第二颜色设计规则，位置设计规则还可以包括第一位置设计规则和第二位置设计规则，清晰度设计规则还可以包括第一清晰度设计规则和第二清晰度设计规则。其中，第一颜色设计规则为文字的颜色设计规则，第二颜色设计规则为图像的颜色设计规则，第一位置设计规则为文字的位置设计规则，第二位置设计规则为图像的位置设计规则，第一清晰度设计规则为文字的清晰度设计规则，第二清晰度设计规则为图像的清晰度设计规则。
示例性的，广告类型包括公益广告、旅游广告和产品广告等等，不同类型的广告可以包括相同的元素，也可以包括不同的元素；元素可以是目标广告图片中的图像和文字等等，如旅游广告的元素一般包括山水、建筑物和文字等等；元素的颜色可以是目标广告图片中各个元素的颜色，如山水的颜色和文字的颜色等等；元素的位置可以是广告图片中各个元素的位置，如目标广告图片中山水的位置，文字的位置等等；元素的清晰度可以是目标广告图片中各个元素的清晰度，如目标广告图片中山水的清晰度和文字的清晰度等等。
若目标广告图片为如图2所示的旅游广告的图片，目标广告图片包括山水、树木、文字和人物等多种元素。如图9所示，目标广告图片中每种元素均包括多个设计规则，如文字的设计规则包括第一颜色设计规则、第一位置设计规则和第一清晰度设计规则。在根据步骤S102确定目标广告图片中文字的颜色、位置和清晰度后，将文字的颜色、位置和清晰度与决策模型中的文字的设计规则一一进行比对，判断文字的颜色、位置和清晰度是否符合设计规则。当然，上述文字的设计规则仅为示例性的，实际中文字的设计规则可以与图9所示的设计规则不同，且图9仅示出了文字元素包括的设计规则，如第一颜色设计规则、第一位置设计规则和第一清晰度设计规则，实际中目标广告图片中的山水和树木等也包括相应的设计规则。
目标广告图片中的图像的设计规则可以包括第二颜色设计规则、第二位置设计规则和第二清晰度设计规则。在根据步骤S102确定目标广告图片中图像的颜色、位置和清晰度后，将图像的颜色、位置和清晰度与决策模型中的图像的设计规则一一进行比对，判断图像的颜色、位置和清晰度是否符合设计规则。当然，因为目标广告图片中可能包括多个图像，因此每个图像都具有不同的设计规则，判断这些图像的设计是否符合设计规则时，均需将这些图像的颜色、位置和清晰度与相应的设计规则一一比对。
若目标广告图片中的文字的颜色、位置和清晰度符合相应的设计规则，且目标广告图片中的图像的颜色、位置和清晰度也符合相应的设计规则，则确定目标广告图片的设计符合设计要求，这里的符合设计要求即目标广告图片中的元素的颜色、位置和清晰度符合相应的设计规则。
需要说明的是，当目标广告图片仅包括文字时，仅需将文字的颜色、位置和清晰度与设计规则一一进行比对，若文字的颜色、位置和清晰度符合设计规则，则目标广告图片符合设计要求。当目标广告图片仅包括图像时，仅需将图像的颜色、位置和清晰度与设计规则一一进行比对，若图像的颜色、位置和清晰度符合设计规则，则目标广告图片符合设计要求。
可选的，上述判断目标广告图片是否符合设计要求时是通过分别判断文字或图像的颜色、位置和清晰度是否符合设计规则，实际中当目标广告图片包括文字和图像时，还需要考虑文字和图像之间的关系，如文字的颜色为黑色，则文字所处位置处的图像的颜色不可以为黑色等。因此，颜色设计规则还包括颜色关系规则，位置设计规则还包括位置关系规则，清晰度设计规则还包括清晰度关系规则。其中颜色关系规则为文字的颜色和图像的颜色之间搭配的设计要求，位置关系规则为文字的位置和图像的位置之间搭配的设计要求，清晰度关系规则为文字的清晰度和图像的清晰度之间搭配的设计要求。
示例性的，因为决策模型可以获得颜色模型、位置模型和清晰度模型的输出，因此决策模型在判断目标广告图片是否符合设计要求时，可以将元素的颜色、位置和清晰度相结合进行判断。
以上述的旅游广告为例，位置关系规则中可以设置文字和图像的位置要求，如目标广告图片中的文字不可以与山、水和船等图像相重合，若文字的位置与山、水和船等图像重合，则确定文字和图像的位置设计不符合位置关系规则；若文字的位置与山、水和船等图像不重合，则确定文字和图像的位置设计符合位置关系规则。
颜色关系规则中可以设置文字与图像的颜色要求，如目标广告图片中的文字与文字所在的位置处的图像的颜色不可以相同或相近，若位于第一位置的文字的颜色为红色，且第一位置处的图像的颜色为红色或与红色相近的颜色，则确定文字与图像的颜色设计不符合颜色关系规则；若位于第一位置的文字的颜色为红色，且第一位置处的图像的颜色不为红色或与红色相近的颜色，则确定文字与图像的颜色设计符合颜色关系规则。
清晰度关系规则中可以设置文字与图像的清晰度要求，如目标广告图片中的文字与文字所在位置处的图像的清晰度不可以同时为模糊，若位于第二位置的文字的清晰度为模糊，且第二位置处的图像的清晰度也为模糊，则确定文字与图像的清晰度设计不符合清晰度关系规则；若位于第二位置的文字的清晰度为清晰，且第二位置处的图像的清晰度为模糊，则确定文字与图像的清晰度设计符合清晰度关系规则。
当目标广告图片中的文字的颜色、位置和清晰度符合相应的设计规则，图像的颜色、位置和清晰度符合相应的设计规则，且文字和图像的颜色、位置和清晰度符合相应的关系规则时，确定目标广告图片符合设计要求。
需要说明的是，上述对于颜色关系规则、位置关系规则和清晰度关系规则的描述仅是示例性的，实际中，颜色关系规则、位置关系规则和清晰度关系规则可以包括更复杂的关系设计要求，对此本发明实施例不作限定。上述的第一位置和第二位置仅是示例性的，可以为目标广告图片中的任一位置。
可选的，上述的文字识别模型、图像识别模型、颜色模型、位置模型和清晰度模型均是通过本领域常用的模型训练方法训练获得，区别在于不同的模型在训练时采用的算法和训练数据集可能不同。
模型的训练过程通常是对训练数据集的循环迭代，需要根据不同的算法和训练数据集多次训练模型，并调整模型中的参数。具体调整模型中的参数的方法可以参考现有的调整模型中的参数的方法，在此不再赘述。
根据上述的方法检验目标广告图片是否符合设计要求时，在步骤S101之前还可以包括一个分类模型，用于对输入的目标广告图片进行分类，确定目标广告图片所属的广告类型；当然，本发明实施例中未设置该分类模型，在检验目标图片时，本发明实施例的方法仅用于检验已确定类型的目标广告图片。
本发明实施例提供一种广告检验方法，该方法包括：确定目标广告图片中的元素；元素包括文字和/或图像；确定元素的参数；参数包括颜色、位置和清晰度；根据参数和目标广告图片的设计规则确定目标广告符合设计要求。本发明实施例通过广告检验装置识别广告图片中包括的元素以及元素的颜色、位置和清晰度信息，能够实现根据元素的颜色、位置和清晰度信息自动判断广告图片的设计是否符合设计要求，不再需要人工检验的参与，提高了工作效率，统一了检验标准。
如图10所示，本发明实施例还提供一种广告检验装置20，包括：
元素确定模块201，用于确定目标广告图片中的元素；元素包括文字和/或图像。
参数确定模块202，用于确定元素确定模块201得到的元素的参数；参数包括颜色、位置和清晰度。
检验模块203，用于根据参数确定模块202得到的参数和目标广告图片的设计规则确定目标广告符合设计要求。
可选的，元素确定模块201具体用于：
将目标广告图片进行灰度化和二值化处理，确定目标广告图片中的文字；根据卷积神经网络CNN提取目标广告图片的多个特征，并根据多个特征确定目标广告图片中的图像。
可选的，参数确定模块202具体用于：
将元素由红绿蓝RGB颜色模式转化成色调饱和度明度HSV颜色模式，并根据转化结果确定元素的颜色；根据置信度阈值过滤元素的多个预测框，根据过滤后的预测框中重叠度最小的预测框确定元素的位置；预测框用于指示图片上的一个位置；提取元素的边缘特征，计算边缘特征中所有像素的边缘强度的均值，并根据边缘强度的均值与预设阈值确定元素的清晰度。
可选的，设计规则包括颜色设计规则、位置设计规则和清晰度设计规则，检验模块203具体用于：
若元素的颜色符合颜色设计规则，元素的位置符合位置设计规则，元素的清晰度符合清晰度设计规则，则目标广告图片符合设计要求。
本发明实施例提供一种广告检验装置，该装置包括：元素确定模块，用于确定目标广告图片中的元素；元素包括文字和/或图像；参数确定模块，用于确定元素确定模块得到的元素的参数；参数包括颜色、位置和清晰度；检验模块，用于根据参数确定模块得到的参数和目标广告图片的设计规则确定目标广告符合设计要求。本发明实施例通过广告检验装置识别广告图片中包括的元素以及元素的颜色、位置和清晰度信息，能够实现根据元素的颜色、位置和清晰度信息自动判断广告图片的设计是否符合设计要求，不再需要人工检验的参与，提高了工作效率，统一了检验标准。
如图11所示，本发明实施例还提供另一种广告检验装置，包括存储器31、处理器32、总线33和通信接口34；存储器31用于存储计算机执行指令，处理器32与存储器31通过总线33连接；当广告检验装置运行时，处理器32执行存储器31存储的计算机执行指令，以使广告检验装置执行如上述实施例提供的广告检验方法。
在具体的实现中，作为一种实施例，处理器32(32-1和32-2)可以包括一个或多个CPU，例如图11中所示的CPU0和CPU1。且作为一种实施例，广告检验装置可以包括多个处理器32，例如图11中所示的处理器32-1和处理器32-2。这些处理器32中的每一个CPU可以是一个单核处理器(single-CPU)，也可以是一个多核处理器(multi-CPU)。这里的处理器32可以指一个或多个设备、电路、和/或用于处理数据(例如计算机程序指令)的处理核。
存储器31可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electricallyerasable programmable read-only memory，EEPROM)、只读光盘(compact disc read-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器31可以是独立存在，通过总线33与处理器32相连接。存储器31也可以和处理器32集成在一起。
在具体的实现中，存储器31，用于存储本申请中的数据和执行本申请的软件程序对应的计算机执行指令。处理器32可以通过运行或执行存储在存储器31内的软件程序，以及调用存储在存储器31内的数据，广告检验装置的各种功能。
通信接口34，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如控制系统、无线接入网(radio access network，RAN)，无线局域网(wireless local areanetworks，WLAN)等。通信接口34可以包括接收单元实现接收功能，以及发送单元实现发送功能。
总线33，可以是工业标准体系结构(industry standard architecture，ISA)总线、外部设备互连(peripheral component interconnect，PCI)总线或扩展工业标准体系结构(extended industry standard architecture，EISA)总线等。该总线33可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质包括计算机执行指令，当计算机执行指令在计算机上运行时，使得计算机执行如上述实施例提供的广告检验方法。
本发明实施例还提供一种计算机程序，该计算机程序可直接加载到存储器中，并含有软件代码，该计算机程序经由计算机载入并执行后能够实现上述实施例提供的广告检验方法。
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
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 (10)

1.一种广告检验方法，其特征在于，包括：
确定目标广告图片中的元素；所述元素包括文字和/或图像；
确定所述元素的参数；所述参数包括颜色、位置和清晰度；
根据所述参数和所述目标广告图片的设计规则确定所述目标广告符合设计要求。
2.根据权利要求1所述的广告检验方法，其特征在于，所述确定目标广告图片中的元素包括：
将所述目标广告图片进行灰度化和二值化处理，确定所述目标广告图片中的文字；
根据卷积神经网络CNN提取所述目标广告图片的多个特征，并根据所述多个特征确定所述目标广告图片中的图像。
3.根据权利要求1所述的广告检验方法，其特征在于，所述确定所述元素的参数包括：
将所述元素由红绿蓝RGB颜色模式转化成色调饱和度明度HSV颜色模式，并根据转化结果确定所述元素的颜色；
根据置信度阈值过滤所述元素的多个预测框，根据过滤后的预测框中重叠度最小的预测框确定所述元素的位置；所述预测框用于指示所述图片上的一个位置；
提取所述元素的边缘特征，计算所述边缘特征中所有像素的边缘强度的均值，并根据所述边缘强度的均值与预设阈值确定所述元素的清晰度。
4.根据权利要求1所述的广告检验方法，其特征在于，所述设计规则包括颜色设计规则、位置设计规则和清晰度设计规则，所述根据所述参数和所述目标广告图片的设计规则确定所述目标广告符合设计要求包括：
若所述元素的颜色符合所述颜色设计规则，所述元素的位置符合所述位置设计规则，所述元素的清晰度符合所述清晰度设计规则，则所述目标广告图片符合设计要求。
5.一种广告检验装置，其特征在于，包括：
元素确定模块，用于确定目标广告图片中的元素；所述元素包括文字和/或图像；
参数确定模块，用于确定所述元素确定模块得到的所述元素的参数；所述参数包括颜色、位置和清晰度；
检验模块，用于根据所述参数确定模块得到的所述参数和所述目标广告图片的设计规则确定所述目标广告符合设计要求。
6.根据权利要求5所述的广告检验装置，其特征在于，所述元素确定模块具体用于：
将所述目标广告图片进行灰度化和二值化处理，确定所述目标广告图片中的文字；
根据卷积神经网络CNN提取所述目标广告图片的多个特征，并根据所述多个特征确定所述目标广告图片中的图像。
7.根据权利要求5所述的广告检验装置，其特征在于，所述参数确定模块具体用于：
将所述元素由红绿蓝RGB颜色模式转化成色调饱和度明度HSV颜色模式，并根据转化结果确定所述元素的颜色；
根据置信度阈值过滤所述元素的多个预测框，根据过滤后的预测框中重叠度最小的预测框确定所述元素的位置；所述预测框用于指示所述图片上的一个位置；
提取所述元素的边缘特征，计算所述边缘特征中所有像素的边缘强度的均值，并根据所述边缘强度的均值与预设阈值确定所述元素的清晰度。
8.根据权利要求5所述的广告检验装置，其特征在于，所述设计规则包括颜色设计规则、位置设计规则和清晰度设计规则，所述检验模块具体用于：
若所述元素的颜色符合所述颜色设计规则，所述元素的位置符合所述位置设计规则，所述元素的清晰度符合所述清晰度设计规则，则所述目标广告图片符合设计要求。
9.一种广告检验装置，其特征在于，包括存储器、处理器、总线和通信接口；所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过所述总线连接；当所述广告检验装置运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述广告检验装置执行如权利要求1-4任一项所述的广告检验方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机执行指令，当所述计算机执行指令在计算机上运行时，使得所述计算机执行如权利要求1-4任一项所述的广告检验方法。
CN202010163126.6A 2020-03-10 2020-03-10 广告检验方法和装置 Pending CN111383054A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010163126.6A CN111383054A (zh) 2020-03-10 2020-03-10 广告检验方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010163126.6A CN111383054A (zh) 2020-03-10 2020-03-10 广告检验方法和装置

Publications (1)

Publication Number Publication Date
CN111383054A true CN111383054A (zh) 2020-07-07

Family

ID=71215327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010163126.6A Pending CN111383054A (zh) 2020-03-10 2020-03-10 广告检验方法和装置

Country Status (1)

Country Link
CN (1) CN111383054A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785659A (zh) * 2021-01-28 2021-05-11 特赞（上海）信息科技有限公司 企业案例素材图片检测方法、装置、设备和存储介质
WO2023109374A1 (zh) * 2021-12-14 2023-06-22 深圳Tcl新技术有限公司 用户界面海报图片的处理方法、装置、存储介质及电子设备

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110293148A1 (en) * 2010-05-25 2011-12-01 Fujitsu Limited Content determination program and content determination device
US20140310097A1 (en) * 2011-12-16 2014-10-16 Nec Corporation Information processing system, information processing method, communications terminals and control method and control program thereof
US20150046936A1 (en) * 2013-08-07 2015-02-12 Enswers Co., Ltd. System and method for detecting and classifying direct response advertisements
US20150347863A1 (en) * 2014-05-30 2015-12-03 Fuji Xerox Co., Ltd. Image processing apparatus, image processing method, and image processing system
JP2016054491A (ja) * 2015-10-20 2016-04-14 ルネサスエレクトロニクス株式会社 画像処理装置、画像処理方法、及びプログラム
CN105868685A (zh) * 2015-12-29 2016-08-17 乐视致新电子科技（天津）有限公司 一种基于人脸识别的广告推荐方法和装置
CN106920229A (zh) * 2017-01-22 2017-07-04 北京奇艺世纪科技有限公司 图像模糊区域自动检测方法及系统
US20170278130A1 (en) * 2016-03-28 2017-09-28 Le Holdings (Beijing) Co., Ltd. Method and Electronic Device for Matching Advertisement Data
CN108256493A (zh) * 2018-01-26 2018-07-06 中国电子科技集团公司第三十八研究所 一种基于车载视频的交通场景文字识别系统及识别方法
CN108510934A (zh) * 2018-05-21 2018-09-07 西南交通大学 基于机器视觉检测的智能动态节电广告牌及其控制方法
CN108710855A (zh) * 2018-05-22 2018-10-26 山西同方知网数字出版技术有限公司 一种文字识别编校方法
CN108898163A (zh) * 2018-06-08 2018-11-27 Oppo广东移动通信有限公司 信息处理方法和装置、电子设备、计算机可读存储介质
CN109710795A (zh) * 2018-12-29 2019-05-03 咪咕文化科技有限公司 一种数据处理方法、装置及计算机可读存储介质
CN109767449A (zh) * 2018-12-03 2019-05-17 浙江工业大学 一种基于强边缘检测的图像清晰度评价方法
CN109784281A (zh) * 2019-01-18 2019-05-21 深圳壹账通智能科技有限公司 基于人脸特征的产品推荐方法、装置及计算机设备
US20190213212A1 (en) * 2018-01-10 2019-07-11 Trax Technologies Solutions Pte Ltd. Using context to update product models (as amended)
CN110070080A (zh) * 2019-03-12 2019-07-30 上海肇观电子科技有限公司 一种文字检测方法及装置、设备和计算机可读存储介质
CN110335246A (zh) * 2019-05-29 2019-10-15 成都数之联科技有限公司 一种证照图片清晰度评价方法
CN110414929A (zh) * 2019-07-10 2019-11-05 广州市巴图鲁信息科技有限公司 一种汽车配件图片智能审核方法
CN110458591A (zh) * 2019-06-14 2019-11-15 深圳壹账通智能科技有限公司 广告信息检测方法、装置及计算机设备

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110293148A1 (en) * 2010-05-25 2011-12-01 Fujitsu Limited Content determination program and content determination device
US20140310097A1 (en) * 2011-12-16 2014-10-16 Nec Corporation Information processing system, information processing method, communications terminals and control method and control program thereof
US20150046936A1 (en) * 2013-08-07 2015-02-12 Enswers Co., Ltd. System and method for detecting and classifying direct response advertisements
US20150347863A1 (en) * 2014-05-30 2015-12-03 Fuji Xerox Co., Ltd. Image processing apparatus, image processing method, and image processing system
JP2016054491A (ja) * 2015-10-20 2016-04-14 ルネサスエレクトロニクス株式会社 画像処理装置、画像処理方法、及びプログラム
CN105868685A (zh) * 2015-12-29 2016-08-17 乐视致新电子科技（天津）有限公司 一种基于人脸识别的广告推荐方法和装置
US20170278130A1 (en) * 2016-03-28 2017-09-28 Le Holdings (Beijing) Co., Ltd. Method and Electronic Device for Matching Advertisement Data
CN106920229A (zh) * 2017-01-22 2017-07-04 北京奇艺世纪科技有限公司 图像模糊区域自动检测方法及系统
US20190213212A1 (en) * 2018-01-10 2019-07-11 Trax Technologies Solutions Pte Ltd. Using context to update product models (as amended)
CN108256493A (zh) * 2018-01-26 2018-07-06 中国电子科技集团公司第三十八研究所 一种基于车载视频的交通场景文字识别系统及识别方法
CN108510934A (zh) * 2018-05-21 2018-09-07 西南交通大学 基于机器视觉检测的智能动态节电广告牌及其控制方法
CN108710855A (zh) * 2018-05-22 2018-10-26 山西同方知网数字出版技术有限公司 一种文字识别编校方法
CN108898163A (zh) * 2018-06-08 2018-11-27 Oppo广东移动通信有限公司 信息处理方法和装置、电子设备、计算机可读存储介质
CN109767449A (zh) * 2018-12-03 2019-05-17 浙江工业大学 一种基于强边缘检测的图像清晰度评价方法
CN109710795A (zh) * 2018-12-29 2019-05-03 咪咕文化科技有限公司 一种数据处理方法、装置及计算机可读存储介质
CN109784281A (zh) * 2019-01-18 2019-05-21 深圳壹账通智能科技有限公司 基于人脸特征的产品推荐方法、装置及计算机设备
CN110070080A (zh) * 2019-03-12 2019-07-30 上海肇观电子科技有限公司 一种文字检测方法及装置、设备和计算机可读存储介质
CN110335246A (zh) * 2019-05-29 2019-10-15 成都数之联科技有限公司 一种证照图片清晰度评价方法
CN110458591A (zh) * 2019-06-14 2019-11-15 深圳壹账通智能科技有限公司 广告信息检测方法、装置及计算机设备
CN110414929A (zh) * 2019-07-10 2019-11-05 广州市巴图鲁信息科技有限公司 一种汽车配件图片智能审核方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SUBASHINI K ET AL.: "Audio-video based segmentation and classification using SVM", 《ICCCNT》 *
时行居正的博客: "图像阈值", pages 2 - 4, Retrieved from the Internet <URL:《https://blog.csdn.net/firstlai/article/details/78077854》> *
杨正云: "道路车辆车标信息检测研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 4 *
陆兵: "视频中的文本提取及其应用", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 5 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112785659A (zh) * 2021-01-28 2021-05-11 特赞（上海）信息科技有限公司 企业案例素材图片检测方法、装置、设备和存储介质
CN112785659B (zh) * 2021-01-28 2024-10-15 特赞（上海）信息科技有限公司 企业案例素材图片检测方法、装置、设备和存储介质
WO2023109374A1 (zh) * 2021-12-14 2023-06-22 深圳Tcl新技术有限公司 用户界面海报图片的处理方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
CN108764358B (zh) 一种太赫兹图像识别方法、装置、设备及可读存储介质
CN109948566B (zh) 一种基于权重融合与特征选择的双流人脸反欺诈检测方法
JP5701182B2 (ja) 画像処理装置、画像処理方法及びコンピュータプログラム
CN108090511B (zh) 图像分类方法、装置、电子设备及可读存储介质
CN109829914A (zh) 检测产品缺陷的方法和装置
CN106951869B (zh) 一种活体验证方法及设备
US11238301B2 (en) Computer-implemented method of detecting foreign object on background object in an image, apparatus for detecting foreign object on background object in an image, and computer-program product
CN110390643B (zh) 一种车牌增强方法、装置及电子设备
CN111582359B (zh) 一种图像识别方法、装置、电子设备及介质
CN113781510B (zh) 边缘检测方法、装置及电子设备
KR101549495B1 (ko) 문자 추출 장치 및 그 방법
CN116681636B (zh) 基于卷积神经网络的轻量化红外与可见光图像融合方法
WO2020223962A1 (en) Computer-implemented method of detecting foreign object on background object in image, apparatus for detecting foreign object on background object in image, and computer-program product
CN111383054A (zh) 广告检验方法和装置
CN113781421A (zh) 基于水下的目标识别方法、装置及系统
CN112465753B (zh) 花粉颗粒检测方法、装置及电子设备
JP6791593B2 (ja) 認識装置、認識プログラム、及び認識方法
CN114648467B (zh) 图像的去雾方法、装置、终端设备及计算机可读存储介质
CN110633705A (zh) 一种低照度成像车牌识别方法及装置
CN116485992A (zh) 一种复合型三维扫描方法和装置、三维扫描仪
CN110310341A (zh) 颜色算法中默认参数的生成方法、装置、设备和存储介质
CN111986176B (zh) 一种裂纹图像识别方法、系统、终端及可读存储介质
CN115294440A (zh) 输电线路识别方法、装置以及电子设备
CN115374517A (zh) 布线软件的测试方法、装置、电子设备及存储介质
CN112541899A (zh) 证件的残缺检测方法、装置、电子设备及计算机存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200707