CN111405285A - 用于压缩图像的方法及装置 - Google Patents
用于压缩图像的方法及装置 Download PDFInfo
- Publication number
- CN111405285A CN111405285A CN202010226719.2A CN202010226719A CN111405285A CN 111405285 A CN111405285 A CN 111405285A CN 202010226719 A CN202010226719 A CN 202010226719A CN 111405285 A CN111405285 A CN 111405285A
- Authority
- CN
- China
- Prior art keywords
- image
- image compression
- sample
- compressed
- compression
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/154—Measured or subjectively estimated visual quality after decoding, e.g. measurement of distortion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Abstract
本公开的实施例公开了用于压缩图像的方法及装置。该方法的一具体实施方式包括:获取待压缩图像和对应上述待压缩图像的目标压缩质量信息;对上述待压缩图像进行特征提取,得到上述待压缩图像的图像特征;将上述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应上述待压缩图像的目标图像压缩函数和目标图像压缩参数;通过上述目标图像压缩函数和目标图像压缩参数对上述待压缩图像进行压缩,得到目标压缩图像。该实施方式实现了根据待压缩图像的特征对待压缩图像的针对性压缩,在保证目标压缩图像的质量前提下,可以提高压缩图像的效率。
Description
技术领域
本公开的实施例涉及图像处理技术领域,具体涉及用于压缩图像的方法及装置。
背景技术
随着信息技术的发展,各种信息可以通过信息网络进行传输。为了提高信息网络的利用率和安全性,图像及视频等大的文件通常需要压缩后再进行传输。
发明内容
本公开的实施例提出了用于压缩图像的方法及装置。
第一方面,本公开的实施例提供了一种用于压缩图像的方法,该方法包括:获取待压缩图像和对应上述待压缩图像的目标压缩质量信息;对上述待压缩图像进行特征提取,得到上述待压缩图像的图像特征;将上述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应上述待压缩图像的目标图像压缩函数和目标图像压缩参数,其中,上述图像压缩匹配模型用于表征图像特征、目标压缩质量信息、图像压缩函数和图像压缩参数之间的对应关系;通过上述目标图像压缩函数和目标图像压缩参数对上述待压缩图像进行压缩,得到目标压缩图像。
在一些实施例中,上述对上述待压缩图像进行特征提取,得到上述待压缩图像的图像特征,包括:对上述待压缩图像进行图像处理,提取上述待压缩图像的图像特征,上述图像特征包括以下至少一项:颜色特征、纹理特征、形状特征和空间关系特征。
在一些实施例中,上述将上述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应上述待压缩图像的目标图像压缩函数和图像压缩参数,包括:根据上述图像特征和目标压缩质量信息获取至少一个目标图像压缩质量信息;将上述至少一个目标图像压缩质量信息对应的最小图像压缩参数标记为目标图像压缩参数,并将上述目标图像压缩参数对应的图像压缩函数设置为目标图像压缩函数。
在一些实施例中,上述图像压缩匹配模型通过以下步骤训练得到:获取至少一种图像压缩函数和至少一个样本图像,上述样本图像包括样本图像特征;对于上述至少一种图像压缩函数中的图像压缩函数,按照设定图像压缩参数分别对上述至少一个样本图像中的每个样本图像进行压缩,得到对应该图像压缩函数的图像压缩质量曲线,其中,上述图像压缩质量曲线用于表征图像压缩质量与设定图像压缩参数之间的对应关系;基于上述至少一种图像压缩函数对应的至少一条图像压缩质量曲线构建图像压缩匹配模型。
在一些实施例中,上述按照设定图像压缩参数分别对上述至少一个样本图像中的每个样本图像进行压缩,得到对应该图像压缩函数的图像压缩质量曲线,包括:对于上述至少一个样本图像中的每个样本图像,按照设定图像压缩参数对该样本图像进行压缩,得到对应该样本图像的初始图像压缩质量曲线;对上述至少一个样本图像对应的至少一条初始图像压缩质量曲线进行拟合,得到对应该图像压缩函数的图像压缩质量曲线。
在一些实施例中,上述按照设定图像压缩参数对该样本图像进行压缩,得到对应该样本图像的初始图像压缩质量曲线,包括:按照设定图像压缩参数对该样本图像进行压缩,得到样本压缩图像;按照上述样本图像特征计算上述样本压缩图像的质量信息,上述质量信息用于表征样本压缩图像与对应样本图像之间的相似度;通过上述设定图像压缩参数与对应的上述质量信息构建初始图像压缩质量曲线。
在一些实施例中,上述按照上述样本图像特征计算上述样本压缩图像的质量信息,包括:响应于上述样本图像特征为一个,将上述样本压缩图像与对应样本图像之间的相似度设置为质量信息;响应于上述样本图像特征为多个,对每个样本图像特征对应的初始质量信息加权后,得到质量信息。
第二方面,本公开的实施例提供了一种用于压缩图像的装置,该装置包括:信息获取单元,被配置成获取待压缩图像和对应上述待压缩图像的目标压缩质量信息;特征提取单元,被配置成对上述待压缩图像进行特征提取,得到上述待压缩图像的图像特征;压缩参数获取单元,被配置成将上述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应上述待压缩图像的目标图像压缩函数和目标图像压缩参数,其中,上述图像压缩匹配模型用于表征图像特征、目标压缩质量信息、图像压缩函数和图像压缩参数之间的对应关系;图像压缩单元,被配置成通过上述目标图像压缩函数和目标图像压缩参数对上述待压缩图像进行压缩,得到目标压缩图像。
在一些实施例中,上述特征提取单元包括:特征提取子单元,被配置成对上述待压缩图像进行图像处理,提取上述待压缩图像的图像特征,上述图像特征包括以下至少一项:颜色特征、纹理特征、形状特征和空间关系特征。
在一些实施例中,上述压缩参数获取单元包括:目标图像压缩质量信息获取子单元,被配置成根据上述图像特征和目标压缩质量信息获取至少一个目标图像压缩质量信息;目标图像压缩函数设置子单元,被配置成将上述至少一个目标图像压缩质量信息对应的最小图像压缩参数标记为目标图像压缩参数,并将上述目标图像压缩参数对应的图像压缩函数设置为目标图像压缩函数。
在一些实施例中,上述装置还包括图像压缩匹配模型训练单元,被配置成训练图像压缩匹配模型,上述图像压缩匹配模型训练单元包括:样本获取子单元,被配置成获取至少一种图像压缩函数和至少一个样本图像,上述样本图像包括样本图像特征;图像压缩质量曲线获取子单元,被配置成对于上述至少一种图像压缩函数中的图像压缩函数,按照设定图像压缩参数分别对上述至少一个样本图像中的每个样本图像进行压缩,得到对应该图像压缩函数的图像压缩质量曲线,其中,上述图像压缩质量曲线用于表征图像压缩质量与设定图像压缩参数之间的对应关系;图像压缩匹配模型构建子单元,被配置成基于上述至少一种图像压缩函数对应的至少一条图像压缩质量曲线构建图像压缩匹配模型。
在一些实施例中,上述图像压缩质量曲线获取子单元包括:初始图像压缩质量曲线获取模块,对于上述至少一个样本图像中的每个样本图像,被配置成按照设定图像压缩参数对该样本图像进行压缩,得到对应该样本图像的初始图像压缩质量曲线;图像压缩质量曲线获取模块,被配置成对上述至少一个样本图像对应的至少一条初始图像压缩质量曲线进行拟合,得到对应该图像压缩函数的图像压缩质量曲线。
在一些实施例中,上述初始图像压缩质量曲线获取模块包括:样本压缩图像获取子模块,被配置成按照设定图像压缩参数对该样本图像进行压缩,得到样本压缩图像;质量信息计算子模块,被配置成按照上述样本图像特征计算上述样本压缩图像的质量信息,上述质量信息用于表征样本压缩图像与对应样本图像之间的相似度;初始图像压缩质量曲线构建子模块,被配置成通过上述设定图像压缩参数与对应的上述质量信息构建初始图像压缩质量曲线。
在一些实施例中,上述质量信息计算子模块包括:第一质量信息计算模组,响应于上述样本图像特征为一个,被配置成将上述样本压缩图像与对应样本图像之间的相似度设置为质量信息;第二质量信息计算模组,响应于上述样本图像特征为多个,被配置成对每个样本图像特征对应的初始质量信息加权后,得到质量信息。
第三方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器;存储器,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执行上述第一方面的用于压缩图像的方法。
第四方面,本公开的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,其特征在于,该程序被处理器执行时实现上述第一方面的用于压缩图像的方法。
本公开的实施例提供的用于压缩图像的方法及装置,首先获取待压缩图像和对应上述待压缩图像的目标压缩质量信息;然后对上述待压缩图像进行特征提取,得到上述待压缩图像的图像特征,以获取待压缩图像的特性;之后将上述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应上述待压缩图像的目标图像压缩函数和目标图像压缩参数,确定针对待压缩图像的压缩函数和压缩参数;最后通过上述目标图像压缩函数和目标图像压缩参数对上述待压缩图像进行压缩,得到目标压缩图像。如此,实现了根据待压缩图像的特征对待压缩图像的针对性压缩,在保证目标压缩图像的质量前提下,可以提高压缩图像的效率。
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,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于压缩图像的方法的一个实施例的流程图;
图3是根据本公开的用于压缩图像的方法的一个应用场景的示意图;
图4是根据本公开的图像压缩匹配模型训练方法的一个实施例的流程图;
图5是根据本公开的用于压缩图像的装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备结构示意图。
具体实施方式
下面结合附图和实施例对本公开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,本公开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公开。
图1示出了可以应用本公开的实施例的用于压缩图像的方法或用于压缩图像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。
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上可以安装有各种图像应用,例如图像采集应用、视频采集应用、图像调整应用、图像压缩应用、图像发送应用等。
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像处理的各种电子设备,包括但不限于智能手机、平板电脑、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发来的待压缩图像进行处理的服务器。服务器可以对接收到的待压缩图像等数据进行分析等处理,并将处理结果(例如目标压缩图像)反馈给终端设备。
需要说明的是,本公开的实施例所提供的用于压缩图像的方法一般由终端设备101、102、103执行,相应地,用于压缩图像的装置一般设置于终端设备101、102、103中。
需要说明的是,服务器可以是硬件,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。
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,示出了根据本公开的用于压缩图像的方法的一个实施例的流程200。该用于压缩图像的方法包括以下步骤:
步骤201,获取待压缩图像和对应上述待压缩图像的目标压缩质量信息。
在本实施例中,用于压缩图像的方法的执行主体(例如图1所示的终端设备101、102、103和/或服务器105)可以通过有线连接方式或者无线连接方式获取待压缩图像。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(Ultra Wideband)连接、以及其他现在已知或将来开发的无线连接方式。
现有压缩图像方法具有较强的通用性,不对待压缩图像进行针对习惯的压缩设置。如此,使得压缩后的图像存在图像特征丢失、图像特征不完整等问题,使得压缩后的图像质量不佳。
为此,本申请的执行主体可以首先获取待压缩图像和对应上述待压缩图像的目标压缩质量信息。其中,目标压缩质量信息用于表征待压缩图像和压缩后的图像之间的相似度。具体的,目标压缩质量信息可以包括以下至少一项:颜色相似度、纹理相似度、结构相似度等。
步骤202,对上述待压缩图像进行特征提取,得到上述待压缩图像的图像特征。
执行主体可以从待压缩图像中提取出图像特征。例如,执行主体可以对待压缩图像的像素进行识别,以得到每个像素的颜色值等图像特征。
步骤203,将上述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应上述待压缩图像的目标图像压缩函数和目标图像压缩参数。
执行主体可以将图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,图像压缩匹配模型对图像特征和目标压缩质量信息进行数据处理后,得到待压缩图像的目标图像压缩函数和目标图像压缩参数。其中,上述图像压缩匹配模型可以用于表征图像特征、目标压缩质量信息、图像压缩函数和图像压缩参数之间的对应关系。
步骤204,通过上述目标图像压缩函数和目标图像压缩参数对上述待压缩图像进行压缩,得到目标压缩图像。
得到目标图像压缩函数和目标图像压缩参数后,执行主体可以选择目标图像压缩函数,并按照目标图像压缩参数对待压缩图像进行压缩,得到目标压缩图像就是满足目标压缩质量信息的压缩图像。
继续参考图3,示出了根据本公开的用于压缩图像的方法的另一个实施例的流程300。该用于压缩图像的方法包括以下步骤:
步骤301,获取待压缩图像和对应上述待压缩图像的目标压缩质量信息。
步骤301的内容与步骤201的内容相同,此处不再一一赘述。
步骤302,对上述待压缩图像进行图像处理,提取上述待压缩图像的图像特征。
执行主体可以对待压缩图像进行对应的图像处理,以提取上述待压缩图像的图像特征。其中,上述图像特征可以包括以下至少一项:颜色特征、纹理特征、形状特征和空间关系特征。图像特征还可以是格式特征(例如jpeg、bmp、jpg、png、tif、gif等)。其中,图像处理的方式与图像特征对应。即,图像特征需要对应的图像处理来获取。
步骤303,根据上述图像特征和目标压缩质量信息获取至少一个目标图像压缩质量信息。
通常,可以有多种压缩图像的方法,每种图像压缩的方法具有对应的图像压缩质量曲线。实际中,压缩图像的方法通常是由对应的图像压缩函数来实现的。因此,图像压缩质量曲线也就与图像压缩函数对应。其中,图像压缩质量曲线上的每个点分别对应一个图像压缩参数和一个图像压缩质量信息,可以表征图像压缩参数和图像压缩质量信息之间的对应关系。每条图像压缩质量曲线上都存在对应图像特征和目标压缩质量信息的一个点(即目标图像压缩质量信息),多种图像压缩的方法就对应了多个点。
步骤304,将上述至少一个目标图像压缩质量信息对应的最小图像压缩参数标记为目标图像压缩参数,并将上述目标图像压缩参数对应的图像压缩函数设置为目标图像压缩函数。
由上述描述可知,满足图像特征和目标压缩质量信息的目标图像压缩质量信息有多个,对应多条图像压缩质量曲线上的不同点。图像压缩质量曲线可以表征图像压缩参数和图像压缩质量信息之间的对应关系,则执行主体可以将多个目标图像压缩质量信息对应的最小图像压缩参数标记为目标图像压缩参数。即目标图像压缩参数越小,则说明可以通过更少的图像压缩参数达到相同的图像质量。例如,待压缩图像为100×100个单位,则采用同一种压缩图像的方法将待压缩图像压缩为80×80的图像的图像质量,通常要高于将待压缩图像压缩为50×50的图像的图像质量。则80×80和50×50就为图像压缩参数。相应的,80×80的图像的压缩倍数通常小于50×50的图像的压缩倍数。多种方法对应的图像压缩质量曲线上满足同一目标压缩质量信息的多个点,则多个点对应的最小图像压缩参数对应的压缩倍数越大,压缩后的图像也就越小。此时,执行主体可以将上述目标图像压缩参数对应的图像压缩函数设置为目标图像压缩函数。
步骤305,通过上述目标图像压缩函数和目标图像压缩参数对上述待压缩图像进行压缩,得到目标压缩图像。
得到目标图像压缩函数和目标图像压缩参数后,执行主体可以将目标图像压缩函数的参数设置为目标图像压缩参数,之后,对待压缩图像进行压缩,得到目标压缩图像。如此,实现了对待压缩图像的针对性压缩,既可以保证目标压缩图像的压缩质量,又减小了目标压缩图像的数据量。
本公开的上述实施例提供的方法首先获取待压缩图像和对应上述待压缩图像的目标压缩质量信息;然后对上述待压缩图像进行特征提取,得到上述待压缩图像的图像特征,以获取待压缩图像的特性;之后将上述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应上述待压缩图像的目标图像压缩函数和目标图像压缩参数,确定针对待压缩图像的压缩函数和压缩参数;最后通过上述目标图像压缩函数和目标图像压缩参数对上述待压缩图像进行压缩,得到目标压缩图像。如此,实现了根据待压缩图像的特征对待压缩图像的针对性压缩,在保证目标压缩图像的质量前提下,可以提高压缩图像的效率。
进一步参考图4,其示出了图像压缩匹配模型训练方法的又一个实施例的流程400。该图像压缩匹配模型训练方法的流程400,包括以下步骤:
步骤401,获取至少一种图像压缩函数和至少一个样本图像。
在本实施例中,图像压缩匹配模型训练方法的执行主体(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获取至少一种图像压缩函数和至少一个样本图像。
为了训练图像压缩匹配模型,执行主体可以首先获取多种图像压缩函数。每种图像压缩函数对应一种图像压缩方法。执行主体还可以获取多个样本图像,并且每个样本图像可以包括样本图像特征。如此,可以确定不同的样本图像特征在不同图像压缩函数下的图像质量。
步骤402,对于上述至少一种图像压缩函数中的图像压缩函数,按照设定图像压缩参数分别对上述至少一个样本图像中的每个样本图像进行压缩,得到对应该图像压缩函数的图像压缩质量曲线。
执行主体可以通过每一种图像压缩函数对样本图像进行压缩,得到样本图像在该图像压缩函数下的图像压缩质量曲线。其中,设定图像压缩参数可以是多组依次增大的压缩参数。例如,待压缩图像为100×100个单位,则设定图像压缩参数可以是:10×10、30×30、50×50、70×70、90×90等。如此,可以得到样本图像在不同设定图像压缩参数下的图像压缩质量点。之后,执行主体可以对图像压缩质量点进行拟合等处理,以得到图像压缩质量曲线。上述图像压缩质量曲线可以用于表征图像压缩质量与设定图像压缩参数之间的对应关系。
在本实施例的一些可选的实现方式中,上述按照设定图像压缩参数分别对上述至少一个样本图像中的每个样本图像进行压缩,得到对应该图像压缩函数的图像压缩质量曲线,可以包括以下步骤:
第一步,对于上述至少一个样本图像中的每个样本图像,按照设定图像压缩参数对该样本图像进行压缩,得到对应该样本图像的初始图像压缩质量曲线。
执行主体可以按照设定图像压缩参数对每个样本图像进行压缩,得到每个样本图像在设定图像压缩参数下的初始图像压缩质量曲线。
第二步,对上述至少一个样本图像对应的至少一条初始图像压缩质量曲线进行拟合,得到对应该图像压缩函数的图像压缩质量曲线。
通常,一种图像压缩函数有自己的特性,对于不同的样本图像处理得到不同的初始图像压缩质量曲线后,执行主体可以对多条初始图像压缩质量曲线进行拟合,得到该图像压缩函数的图像压缩质量曲线。拟合的方式可以是计算多条初始图像压缩质量曲线在相同设定图像压缩参数下的均值得到图像压缩质量的方式。拟合的方式还可以是其他方法,此处不再一一赘述。
在本实施例的一些可选的实现方式中,上述按照设定图像压缩参数对该样本图像进行压缩,得到对应该样本图像的初始图像压缩质量曲线,可以包括以下步骤:
第一步,按照设定图像压缩参数对该样本图像进行压缩,得到样本压缩图像。
执行主体首先按照设定图像压缩参数对该样本图像进行压缩,得到样本压缩图像。
第二步,按照上述样本图像特征计算上述样本压缩图像的质量信息。
样本图像可以包含多种样本图像特征,执行主体可以通过样本图像特征来计算样本压缩图像的质量信息。上述质量信息用于表征样本压缩图像与对应样本图像之间的相似度。此外,执行主体还可以通过峰值信噪比、结构相似性、颜色相似性等参数来计算质量信息,此处不再一一赘述。如此,可以得到不同样本图像特征对应的质量信息,便于根据获取的待压缩图像的图像特征选择对应的质量信息,有利于提高目标压缩图像的图像质量。
第三步,通过上述设定图像压缩参数与对应的上述质量信息构建初始图像压缩质量曲线。
设定图像压缩参数与质量信息具有对应关系。执行主体可以通过该对应关系构建初始图像压缩质量曲线。
在本实施例的一些可选的实现方式中,上述按照上述样本图像特征计算上述样本压缩图像的质量信息,可以包括以下步骤:
第一步,响应于上述样本图像特征为一个,将上述样本压缩图像与对应样本图像之间的相似度设置为质量信息。
不同的样本图像可以包含不同数量的样本图像特征。当样本图像特征只有一个时,执行主体可以直接将在该样本图像特征下的样本压缩图像与对应样本图像之间的相似度设置为质量信息。当待压缩图像的图像特征正好为样本图像特征时,通过该样本图像特征对应的目标图像压缩函数得到的目标压缩图像效果也最好。
第二步,响应于上述样本图像特征为多个,对每个样本图像特征对应的初始质量信息加权后,得到质量信息。
当样本图像特征有多个时,执行主体可以按照不同的权重对每个样本图像特征设置不同的权值。其中,权值的大小与该样本图像特征对压缩后得到的质量信息相关,具体根据实际需要设定。
步骤403,基于上述至少一种图像压缩函数对应的至少一条图像压缩质量曲线构建图像压缩匹配模型。
每一种图像压缩函数都对应有图像压缩质量曲线,如此可以得到多条图像压缩质量曲线。执行主体可以将多条图像压缩质量曲线绘制在一个坐标平面内,得到图像压缩匹配模型。执行主体还可统计每条图像压缩质量曲线上图像压缩质量与设定图像压缩参数之间的对应关系,构建图像压缩质量与设定图像压缩参数之间的对应关系表,得到图像压缩匹配模型。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了一种用于压缩图像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,本实施例的用于压缩图像的装置500可以包括:信息获取单元501、特征提取单元502、压缩参数获取单元503和图像压缩单元504。其中,信息获取单元501,被配置成获取待压缩图像和对应上述待压缩图像的目标压缩质量信息;特征提取单元502,被配置成对上述待压缩图像进行特征提取,得到上述待压缩图像的图像特征;压缩参数获取单元503,被配置成将上述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应上述待压缩图像的目标图像压缩函数和目标图像压缩参数,其中,上述图像压缩匹配模型用于表征图像特征、目标压缩质量信息、图像压缩函数和图像压缩参数之间的对应关系;图像压缩单元504,被配置成通过上述目标图像压缩函数和目标图像压缩参数对上述待压缩图像进行压缩,得到目标压缩图像。
在本实施例的一些可选的实现方式中,上述特征提取单元502可以包括:特征提取子单元(图中未视出),被配置成对上述待压缩图像进行图像处理,提取上述待压缩图像的图像特征,上述图像特征包括以下至少一项:颜色特征、纹理特征、形状特征和空间关系特征。
在本实施例的一些可选的实现方式中,上述压缩参数获取单元503可以包括:目标图像压缩质量信息获取子单元(图中未视出)和目标图像压缩函数设置子单元(图中未视出)。其中,目标图像压缩质量信息获取子单元被配置成根据上述图像特征和目标压缩质量信息获取至少一个目标图像压缩质量信息;目标图像压缩函数设置子单元,被配置成将上述至少一个目标图像压缩质量信息对应的最小图像压缩参数标记为目标图像压缩参数,并将上述目标图像压缩参数对应的图像压缩函数设置为目标图像压缩函数。
在本实施例的一些可选的实现方式中,上述用于压缩图像的装置500还包括图像压缩匹配模型训练单元(图中未视出),被配置成训练图像压缩匹配模型,上述图像压缩匹配模型训练单元可以包括:样本获取子单元(图中未视出)、图像压缩质量曲线获取子单元(图中未视出)和图像压缩匹配模型构建子单元(图中未视出)。其中,样本获取子单元,被配置成获取至少一种图像压缩函数和至少一个样本图像,上述样本图像包括样本图像特征;图像压缩质量曲线获取子单元,被配置成对于上述至少一种图像压缩函数中的图像压缩函数,按照设定图像压缩参数分别对上述至少一个样本图像中的每个样本图像进行压缩,得到对应该图像压缩函数的图像压缩质量曲线,其中,上述图像压缩质量曲线用于表征图像压缩质量与设定图像压缩参数之间的对应关系;图像压缩匹配模型构建子单元,被配置成基于上述至少一种图像压缩函数对应的至少一条图像压缩质量曲线构建图像压缩匹配模型。
在本实施例的一些可选的实现方式中,上述图像压缩质量曲线获取子单元可以包括:初始图像压缩质量曲线获取模块(图中未视出)和图像压缩质量曲线获取模块(图中未视出)。其中,初始图像压缩质量曲线获取模块,对于上述至少一个样本图像中的每个样本图像,被配置成按照设定图像压缩参数对该样本图像进行压缩,得到对应该样本图像的初始图像压缩质量曲线;图像压缩质量曲线获取模块,被配置成对上述至少一个样本图像对应的至少一条初始图像压缩质量曲线进行拟合,得到对应该图像压缩函数的图像压缩质量曲线。
在本实施例的一些可选的实现方式中,上述初始图像压缩质量曲线获取模块可以包括:样本压缩图像获取子模块(图中未视出)、质量信息计算子模块(图中未视出)和初始图像压缩质量曲线构建子模块(图中未视出)。其中,样本压缩图像获取子模块,被配置成按照设定图像压缩参数对该样本图像进行压缩,得到样本压缩图像;质量信息计算子模块,被配置成按照上述样本图像特征计算上述样本压缩图像的质量信息,上述质量信息用于表征样本压缩图像与对应样本图像之间的相似度;初始图像压缩质量曲线构建子模块,被配置成通过上述设定图像压缩参数与对应的上述质量信息构建初始图像压缩质量曲线。
在本实施例的一些可选的实现方式中,上述质量信息计算子模块可以包括:第一质量信息计算模组(图中未视出)和第二质量信息计算模组(图中未视出)。其中,第一质量信息计算模组,响应于上述样本图像特征为一个,被配置成将上述样本压缩图像与对应样本图像之间的相似度设置为质量信息;第二质量信息计算模组,响应于上述样本图像特征为多个,被配置成对每个样本图像特征对应的初始质量信息加权后,得到质量信息。
本实施例还提供了一种电子设备,包括:一个或多个处理器;存储器,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执行上述的用于压缩图像的方法。
本实施例还提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现上述的用于压缩图像的方法。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如,图1中的终端设备101、102、103和/或服务器105)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)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装置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,还存储有电子设备600操作所需的各种程序和数据。处理装置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。
通常,以下装置可以连接至I/O接口605: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606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,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。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
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609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例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。在本公开的实施例中,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。而在本公开的实施例中,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。
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:获取待压缩图像和对应上述待压缩图像的目标压缩质量信息;对上述待压缩图像进行特征提取,得到上述待压缩图像的图像特征;将上述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应上述待压缩图像的目标图像压缩函数和目标图像压缩参数,其中,上述图像压缩匹配模型用于表征图像特征、目标压缩质量信息、图像压缩函数和图像压缩参数之间的对应关系;通过上述目标图像压缩函数和目标图像压缩参数对上述待压缩图像进行压缩,得到目标压缩图像。
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实施例的操作的计算机程序代码,上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,图示了按照本公开的各种实施例的系统、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。
描述于本公开的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:一种处理器包括信息获取单元、特征提取单元、压缩参数获取单元和图像压缩单元。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,图像压缩单元还可以被描述为“根据确定的压缩函数和压缩参数对待压缩图像进行图像压缩的单元”。
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。
Claims (16)
1.一种用于压缩图像的方法,包括:
获取待压缩图像和对应所述待压缩图像的目标压缩质量信息;
对所述待压缩图像进行特征提取,得到所述待压缩图像的图像特征;
将所述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应所述待压缩图像的目标图像压缩函数和目标图像压缩参数,其中,所述图像压缩匹配模型用于表征图像特征、目标压缩质量信息、图像压缩函数和图像压缩参数之间的对应关系;
通过所述目标图像压缩函数和目标图像压缩参数对所述待压缩图像进行压缩,得到目标压缩图像。
2.根据权利要求1所述的方法,其中,所述对所述待压缩图像进行特征提取,得到所述待压缩图像的图像特征,包括:
对所述待压缩图像进行图像处理,提取所述待压缩图像的图像特征,所述图像特征包括以下至少一项:颜色特征、纹理特征、形状特征和空间关系特征。
3.根据权利要求1所述的方法,其中,所述将所述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应所述待压缩图像的目标图像压缩函数和图像压缩参数,包括:
根据所述图像特征和目标压缩质量信息获取至少一个目标图像压缩质量信息;
将所述至少一个目标图像压缩质量信息对应的最小图像压缩参数标记为目标图像压缩参数,并将所述目标图像压缩参数对应的图像压缩函数设置为目标图像压缩函数。
4.根据权利要求1所述的方法,其中,所述图像压缩匹配模型通过以下步骤训练得到:
获取至少一种图像压缩函数和至少一个样本图像,所述样本图像包括样本图像特征;
对于所述至少一种图像压缩函数中的图像压缩函数,按照设定图像压缩参数分别对所述至少一个样本图像中的每个样本图像进行压缩,得到对应该图像压缩函数的图像压缩质量曲线,其中,所述图像压缩质量曲线用于表征图像压缩质量与设定图像压缩参数之间的对应关系;
基于所述至少一种图像压缩函数对应的至少一条图像压缩质量曲线构建图像压缩匹配模型。
5.根据权利要求4所述的方法,其中,所述按照设定图像压缩参数分别对所述至少一个样本图像中的每个样本图像进行压缩,得到对应该图像压缩函数的图像压缩质量曲线,包括:
对于所述至少一个样本图像中的每个样本图像,按照设定图像压缩参数对该样本图像进行压缩,得到对应该样本图像的初始图像压缩质量曲线;
对所述至少一个样本图像对应的至少一条初始图像压缩质量曲线进行拟合,得到对应该图像压缩函数的图像压缩质量曲线。
6.根据权利要求5所述的方法,其中,所述按照设定图像压缩参数对该样本图像进行压缩,得到对应该样本图像的初始图像压缩质量曲线,包括:
按照设定图像压缩参数对该样本图像进行压缩,得到样本压缩图像;
按照所述样本图像特征计算所述样本压缩图像的质量信息,所述质量信息用于表征样本压缩图像与对应样本图像之间的相似度;
通过所述设定图像压缩参数与对应的所述质量信息构建初始图像压缩质量曲线。
7.根据权利要求6所述的方法,其中,所述按照所述样本图像特征计算所述样本压缩图像的质量信息,包括:
响应于所述样本图像特征为一个,将所述样本压缩图像与对应样本图像之间的相似度设置为质量信息;
响应于所述样本图像特征为多个,对每个样本图像特征对应的初始质量信息加权后,得到质量信息。
8.一种用于压缩图像的装置,包括:
信息获取单元,被配置成获取待压缩图像和对应所述待压缩图像的目标压缩质量信息;
特征提取单元,被配置成对所述待压缩图像进行特征提取,得到所述待压缩图像的图像特征;
压缩参数获取单元,被配置成将所述图像特征和目标压缩质量信息导入预先训练的图像压缩匹配模型,得到对应所述待压缩图像的目标图像压缩函数和目标图像压缩参数,其中,所述图像压缩匹配模型用于表征图像特征、目标压缩质量信息、图像压缩函数和图像压缩参数之间的对应关系;
图像压缩单元,被配置成通过所述目标图像压缩函数和目标图像压缩参数对所述待压缩图像进行压缩,得到目标压缩图像。
9.根据权利要求8所述的装置,其中,所述特征提取单元包括:
特征提取子单元,被配置成对所述待压缩图像进行图像处理,提取所述待压缩图像的图像特征,所述图像特征包括以下至少一项:颜色特征、纹理特征、形状特征和空间关系特征。
10.根据权利要求8所述的装置,其中,所述压缩参数获取单元包括:
目标图像压缩质量信息获取子单元,被配置成根据所述图像特征和目标压缩质量信息获取至少一个目标图像压缩质量信息;
目标图像压缩函数设置子单元,被配置成将所述至少一个目标图像压缩质量信息对应的最小图像压缩参数标记为目标图像压缩参数,并将所述目标图像压缩参数对应的图像压缩函数设置为目标图像压缩函数。
11.根据权利要求8所述的装置,其中,所述装置还包括图像压缩匹配模型训练单元,被配置成训练图像压缩匹配模型,所述图像压缩匹配模型训练单元包括:
样本获取子单元,被配置成获取至少一种图像压缩函数和至少一个样本图像,所述样本图像包括样本图像特征;
图像压缩质量曲线获取子单元,被配置成对于所述至少一种图像压缩函数中的图像压缩函数,按照设定图像压缩参数分别对所述至少一个样本图像中的每个样本图像进行压缩,得到对应该图像压缩函数的图像压缩质量曲线,其中,所述图像压缩质量曲线用于表征图像压缩质量与设定图像压缩参数之间的对应关系;
图像压缩匹配模型构建子单元,被配置成基于所述至少一种图像压缩函数对应的至少一条图像压缩质量曲线构建图像压缩匹配模型。
12.根据权利要求11所述的装置,其中,所述图像压缩质量曲线获取子单元包括:
初始图像压缩质量曲线获取模块,对于所述至少一个样本图像中的每个样本图像,被配置成按照设定图像压缩参数对该样本图像进行压缩,得到对应该样本图像的初始图像压缩质量曲线;
图像压缩质量曲线获取模块,被配置成对所述至少一个样本图像对应的至少一条初始图像压缩质量曲线进行拟合,得到对应该图像压缩函数的图像压缩质量曲线。
13.根据权利要求12所述的装置,其中,所述初始图像压缩质量曲线获取模块包括:
样本压缩图像获取子模块,被配置成按照设定图像压缩参数对该样本图像进行压缩,得到样本压缩图像;
质量信息计算子模块,被配置成按照所述样本图像特征计算所述样本压缩图像的质量信息,所述质量信息用于表征样本压缩图像与对应样本图像之间的相似度;
初始图像压缩质量曲线构建子模块,被配置成通过所述设定图像压缩参数与对应的所述质量信息构建初始图像压缩质量曲线。
14.根据权利要求13所述的装置,其中,所述质量信息计算子模块包括:
第一质量信息计算模组,响应于所述样本图像特征为一个,被配置成将所述样本压缩图像与对应样本图像之间的相似度设置为质量信息;
第二质量信息计算模组,响应于所述样本图像特征为多个,被配置成对每个样本图像特征对应的初始质量信息加权后,得到质量信息。
15.一种电子设备,包括:
一个或多个处理器;
存储器,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时,使得所述一个或多个处理器执行权利要求1至7中任一所述的方法。
16.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010226719.2A CN111405285A (zh) | 2020-03-27 | 2020-03-27 | 用于压缩图像的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010226719.2A CN111405285A (zh) | 2020-03-27 | 2020-03-27 | 用于压缩图像的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111405285A true CN111405285A (zh) | 2020-07-10 |
Family
ID=71429236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010226719.2A Pending CN111405285A (zh) | 2020-03-27 | 2020-03-27 | 用于压缩图像的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111405285A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062780A (zh) * | 2017-12-29 | 2018-05-22 | 百度在线网络技术(北京)有限公司 | 图像压缩方法和装置 |
CN109255752A (zh) * | 2017-07-14 | 2019-01-22 | 北京字节跳动网络技术有限公司 | 图像自适应压缩方法、装置、终端及存储介质 |
CN109286825A (zh) * | 2018-12-14 | 2019-01-29 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
CN110222717A (zh) * | 2019-05-09 | 2019-09-10 | 华为技术有限公司 | 图像处理方法和装置 |
CN110870310A (zh) * | 2018-09-04 | 2020-03-06 | 深圳市大疆创新科技有限公司 | 图像编码方法和装置 |
-
2020
- 2020-03-27 CN CN202010226719.2A patent/CN111405285A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255752A (zh) * | 2017-07-14 | 2019-01-22 | 北京字节跳动网络技术有限公司 | 图像自适应压缩方法、装置、终端及存储介质 |
CN108062780A (zh) * | 2017-12-29 | 2018-05-22 | 百度在线网络技术(北京)有限公司 | 图像压缩方法和装置 |
CN110870310A (zh) * | 2018-09-04 | 2020-03-06 | 深圳市大疆创新科技有限公司 | 图像编码方法和装置 |
CN109286825A (zh) * | 2018-12-14 | 2019-01-29 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
CN110222717A (zh) * | 2019-05-09 | 2019-09-10 | 华为技术有限公司 | 图像处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993150B (zh) | 用于识别年龄的方法和装置 | |
CN110188719B (zh) | 目标跟踪方法和装置 | |
CN110213614B (zh) | 从视频文件中提取关键帧的方法和装置 | |
CN110809189B (zh) | 视频播放方法、装置、电子设备和计算机可读介质 | |
CN109961032B (zh) | 用于生成分类模型的方法和装置 | |
CN110059623B (zh) | 用于生成信息的方法和装置 | |
CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
CN110516678B (zh) | 图像处理方法和装置 | |
US20240013359A1 (en) | Image processing method, model training method, apparatus, medium and device | |
CN109934142B (zh) | 用于生成视频的特征向量的方法和装置 | |
CN112839223B (zh) | 图像压缩方法、装置、存储介质及电子设备 | |
CN111459364A (zh) | 图标更新方法、装置和电子设备 | |
CN113033677A (zh) | 视频分类方法、装置、电子设备和存储介质 | |
CN109919220B (zh) | 用于生成视频的特征向量的方法和装置 | |
CN111126159A (zh) | 用于实时跟踪行人的方法、装置、电子设备和介质 | |
CN113038176B (zh) | 视频抽帧方法、装置和电子设备 | |
CN111860071A (zh) | 用于识别物品的方法和装置 | |
CN111586295B (zh) | 图像生成方法、装置和电子设备 | |
CN111369475B (zh) | 用于处理视频的方法和装置 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN109919249B (zh) | 用于生成特征图的方法和装置 | |
CN108921792B (zh) | 用于处理图片的方法和装置 | |
CN111405285A (zh) | 用于压缩图像的方法及装置 | |
CN115965520A (zh) | 特效道具、特效图的生成方法、装置、设备及存储介质 | |
CN110188833B (zh) | 用于训练模型的方法和装置 |
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 |
Application publication date: 20200710 |
|
RJ01 | Rejection of invention patent application after publication |