CN111597476A - 图像处理方法及装置 - Google Patents
图像处理方法及装置 Download PDFInfo
- Publication number
- CN111597476A CN111597476A CN202010374002.2A CN202010374002A CN111597476A CN 111597476 A CN111597476 A CN 111597476A CN 202010374002 A CN202010374002 A CN 202010374002A CN 111597476 A CN111597476 A CN 111597476A
- Authority
- CN
- China
- Prior art keywords
- image
- attribute
- server
- client
- uniform resource
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
Abstract
本公开的实施例公开了一种图像处理方法及装置。该方法包括:基于客户端的图像处理请求获取至少一个存储有待处理的第一图像的统一资源定位符;根据所述统一资源定位符获取所述第一图像;对待处理的第一图像的属性进行识别,得到该图像的属性的属性值,将该属性值与该属性值对应的预存的参考值相比较,并根据比较结果对所述第一图像进行处理,得到第二图像。通过使用本公开提供的图像来进行模型测试可以避免因测试人员因经验不足,在使用图像进行测试时,不清楚图像处理的方向,以至于在对进行测试时浪费时间、人力、财力和物力,可以快速以及全面的对模型的各项性能进行测试,增加了用户的体验。
Description
技术领域
本公开的实施例涉及图像处理技术领域,尤其涉及图像处理方法及装置。
背景技术
随着AI(Artificial Intelligence,人工智能)时代的到来,各种AI模型需要进行测试,模型测试需要图像,当图像输入到AI模型中进行训练时,模型对图像的识别效果受众多的因素的影响,例如同样的一幅照片,在像素、尺寸、亮度等不同的条件下,识别效果可能会有非常大的不同。但现有技术使用图像对模型进行性能测试时,对于经验不足的测试人员,在获取图像后,不清楚需要将图像的各项属性的值调整到什么标准才能满足对模型的全面快速测试,或者不清楚如何确定对于不同的图像调整到不同的标准,以至于需要经过不断的调整才能获得理想的测试图像,也可能即使经过了多次不断的调整也得不到理想的测试图像,从而浪费了时间、人力、财力和物力。因此,需要提供一种图像处理方法,能够根据不同的需求对图像的属性进行不同的处理,以便容易、快速地将图像处理至所需要的状态,方便进行模型的鲁棒性测试。
发明内容
本公开的实施例的目的在于提供一种图像处理方法及装置,以避免因客户经验不足不清楚图像处理的方向,从而在图像处理方面浪费时间、人力、财力和物力,导致对模型测试的效率降低。
根据本公开的实施例的第一方面,提供了一种图像处理方法,执行在服务端,所述方法包括:
基于客户端的图像处理请求获取至少一个存储有待处理的第一图像的统一资源定位符;
根据所述统一资源定位符获取所述第一图像;
对所述第一图像进行属性识别,以获得所述第一图像的属性值;
基于所述属性值对所述第一图像进行处理,得到第二图像;
将所述第二图像发送给所述客户端,以使客户端使用所述第二图像进行模型测试。
根据本公开的实施例的第二方面,提供了一种图像处理方法,执行在客户端,所述方法包括:
获取第一图像;
将所述第一图像输入到模型中进行识别,得到第一识别结果;
对所述第一图像添加统一资源定位符;
将存储有所述统一资源定位符的图像处理请求发送给服务端,以供服务端处理图像,得到第二图像;
接收所述服务端发送的所述第二图像;
使用所述第二图像进行模型测试。
根据本公开的实施例的第三方面,提供了一种图像处理装置,所述装置包括:
第一获取模块,用于基于客户端的图像处理请求获取至少一个存储有待处理的第一图像的统一资源定位符;
第二获取模块,用于根据所述统一资源定位符获取所述第一图像;
识别模块,用于对所述第一图像进行属性识别,以获得所述第一图像的属性值;
处理模块,用于基于所述属性值对所述第一图像进行处理,得到第二图像;
发送模块,用于将所述第二图像发送给所述客户端,以使客户端使用所述第二图像进行模型测试。
根据本公开的实施例的第四方面,提供了一种图像处理装置,所述装置包括:
获取模块,用于获取第一图像;
识别模块,用于将所述第一图像输入到模型中进行识别,得到第一识别结果;
添加模块,用于对所述第一图像添加统一资源定位符;
发送模块,用于将存储有所述统一资源定位符的图像处理请求发送给服务端,以供服务端进行根据权利要求1-7中任意一项所述的图像处理方法处理图像,得到第二图像;
接收模块,用于接收所述服务端发送的所述第二图像;
测试模块,用于使用所述第二图像进行模型测试。
根据本公开的实施例,客户端在向服务端发送图像处理请求后,服务端根据客户端提供的统一资源定位符下载待处理的第一图像,对待处理的第一图像的属性进行识别,得到该图像的属性的属性值,并基于所述属性值对所述第一图像进行处理,得到第二图像。根据上述方法对图像进行处理可以快速的得到进行测试模型鲁棒性所需的图像,可以避免因客户经验不足不清楚图像处理的方向,从而在图像处理方面浪费时间、人力、财力和物力,导致对模型测试的效率降低的问题,同时可以增加用户的体验。
通过以下参照附图对本公开示例性实施例的详细描述,本公开的实施例的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例,并且连同其说明一起用于解释本公开的实施例的原理。
图1为可用于实现本公开的实施例的电子设备的硬件配置结构方框图一。
图2为本公开的实施例的图像处理方法步骤流程图一。
图3为本公开的实施例的图像处理方法步骤流程图二。
图4为本公开的实施例的图像处理装置结构方框图一。
图5为本公开的实施例的图像处理装置结构方框图二。
具体实施方式
现在将参照附图来详细描述本公开的实施例的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的实施例的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开的实施例及其应用或使用的任何限制。
对于相关领域普通技术人物已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<硬件配置>
图1是示出可以实现本公开实施例的图像处理方法的一种系统组成结构示意图,所述系统用于实现图像处理方法,所述图像为从客户端接收并发送给服务端进行处理的图像。
如图1所示,本实施例的图像处理系统1000包括服务端设备1100、客户端设备1200以及网络1300。
服务端设备1100例如可以是台式计算机、笔记本电脑、刀片服务器、机架式服务器等,服务端设备1100也可以是部署在云端的服务器集群,在此不做限定。
如图1所示,服务端设备1100可以包括处理器1110、存储器1120、接口装置1130、通信装置1140、显示装置1150、输入装置1160、扬声器1170、麦克风1180等等。其中,处理器1110可以是中央处理器CPU、微处理器MCU等。存储器1120例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1130例如包括USB接口、耳机接口等。通信装置1140例如能够进行有线或无线通信,具体地可以包括WiFi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1150例如是液晶显示屏、触摸显示屏等。输入装置1160例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1170和麦克风1180输入/输出语音信息。
本实施例中,服务端设备1100可用于参与实现根据本公开第一实施例的图像处理方法。
应用于本公开实施例中,服务端设备1100的存储器1120用于存储指令,所述指令用于控制所述处理器1110进行操作以支持实现根据本公开第一实施例的图像处理方法。技术人员可以根据本公开实施例所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
本领域技术人员应当理解,尽管在图1中示出了服务端设备1100的多个装置,但是,本公开实施例的服务器1100可以仅涉及其中的部分装置,例如,只涉及处理器1110和存储器1120。
客户端设备1200例如可以是台式计算机、笔记本电脑、刀片服务器、机架式服务器等,在此不做限定。
如图1所示,客户端设备1200可以包括处理器1210、存储器1220、接口装置1230、通信装置1240、显示装置1250、输入装置1260、扬声器1270、麦克风1280等等。其中,处理器1210可以是中央处理器CPU、微处理器MCU等。存储器1220例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1230例如包括USB接口、耳机接口等。通信装置1240例如能够进行有线或无线通信,具体地可以包括WiFi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1250例如是液晶显示屏、触摸显示屏等。输入装置1260例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1270和麦克风1280输入/输出语音信息。
本实施例中,客户端设备1200可用于参与实现根据本公开第二实施例的图像处理方法。
应用于本公开实施例中,客户端设备1200的存储器1220用于存储指令,所述指令用于控制所述处理器1210进行操作以支持实现根据本公开第二实施例的图像处理方法。技术人员可以根据本公开实施例所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
本领域技术人员应当理解,尽管在图1中示出了客户端设备1200的多个装置,但是,本公开实施例的服务器1100可以仅涉及其中的部分装置,例如,只涉及处理器1210和存储器1220。
通信网络1300可以是无线网络也可以是有线网络,可以是局域网也可以是广域网。代理服务器1200可以通过通信网络1300与服务中心1100进行通信。
图1所示的系统1000仅是解释性的,并且决不是为了要限制本公开实施例、其应用或用途。例如,尽管图1仅示出一个服务端设备1100和一个客户端设备1200,但不意味着限制各自的数量,系统1000中可以包含多个服务端设备1100和/或多个客户端设备1200。
<方法实施例一>
使用图像进行模型鲁棒性的测试是为了不断的优化测试模型,使测试模型更加的稳定,所以为了更好的以及全面测试模型的鲁棒性需要在测试模型中输入质量高的图像,同时还需要输入低质量的图像,以检测该测试模型在异常的情况下或者苛刻环境条件下能否保持正常工作。因此,这里就产生了为对模型进行鲁棒性测试而输入各种不同标准的图像的需求。
本公开实施例提供了一种图像处理方法,采用获取图像处理请求中指示的图像,而后集中处理的方式,对这些图像的属性进行识别以得到图像不同属性的属性值,然后根据预存的参考值与识别的属性值进行比对,对图像的属性值进行调整获得不同标准处理后的图像,将处理后的图像输入到测试模型中从而达到客户端全面测试模型鲁棒性的要求,提高了模型测试的效率,同时提升了客户的体验。
参考图2所示说明本公开的实施例提供的图像处理方法,该图像处理的方法可以是由服务端设备实施,该服务端设备例如可以是如图1所示的服务端设备1100。
在步骤102中,基于客户端的图像处理请求获取至少一个存储有待处理的第一图像的统一资源定位符。
具体来说:客户端向服务端发送图像处理请求,该图像处理请求中携带有第一图像的统一资源定位符,以供服务端根据统一资源定位符获取第一图像进行处理。统一资源定位符是对可以从互联网上得到的资源的位置和访问方法的一种简洁的表示,是互联网上标准资源的地址,每个互联网上的文件都具有一个唯一的统一资源定位符,其信息指示文件的位置以及浏览器的处理方式。
在一个实施例中,一个图像处理请求中可以包含一个或多个统一资源定位符以指示一幅第一图像或者多幅第一图像。基于该图像处理请求,服务端可以获取到相应的一幅或者多幅第一图像,进而进行单一图像或者批量图像处理。
在一个实施例中,该图像处理请求可以是由多个客户端发起的,服务端接收来自不同客户端的图像处理请求,根据统一资源定位符的接收顺序对第一图像进行下载,对下载后的第一图像依序进行处理,或者,根据统一资源定位符下载所有的第一图像,将下载的第一图像按照图像处理请求的优先级或图像所属客户的优先级分类,然后按照优先级顺序对第一图像进行处理,可以提升优先级高的客户的服务体验。
在步骤104中,根据统一资源定位符获取第一图像。
具体来说:服务端在接收到客户端发送的统一资源定位符后,根据该统一资源定位符指定的位置下载第一图像,以获取第一图像。示例性地,统一资源定位符例如可以是指向云端服务器的地址,服务端可以通过该统一定位符访问云端服务器,以从云端服务器中获取第一图像。在另一些实施例中,统一资源定位符可以是指向任一存储服务器的服务器地址,服务器可以通过该统一定位符访问云端服务器,以从该存储服务器中获取第一图像。
在一个实施例中,根据统一资源定位符下载第一图像后,将该第一图像存储在服务端的指定位置,方便后续处理。在另一个实施例中,服务端可以在获取第一图像后,在预设时间段内将该第一图像存储在服务端的本地的指定位置,在该预设时间段内,若客户端再次发起对第一图像的任一请求(例如,获取请求、图像预处理请求等等),服务端可以直接从本地获取第一图像以响应客户端的请求,以及以客户端末次请求时间起算,在预设时间段后,仍未再接收到过客户端关于第一图像的请求时,服务端可以从本地的指定位置删除第一图像,释放存储空间。
在步骤106中,对第一图像进行属性识别,以获得第一图像的属性值。
具体来说:由于对模型进行鲁棒性测试所使用的图像是不同标准的,也就是说,图像内容相同的两张图像之间的各个属性的属性值存在差异,因此,为了能够得到对模型进行鲁棒性测试所使用的不同标准的图像,在获取第一图像之后,需要对第一图像进行属性识别,以获得第一图像的属性值。
本公开的实施例中,属性可以是图像尺寸属性、图像分辨率属性或图像水印属性中的任意一个或多个,当然还可以包括其他属性,本公开对此不做限制。具体来说,可以对第一图像进行一个或者多个方面的属性识别。
例如,对第一图像进行图像尺寸属性识别,得到第一图像的尺寸值。例如,对第一图像进行图像分辨率属性识别,得到第一图像的分辨率。例如,对第一图像进行水印属性识别,得到第一图像的需添加水印的坐标位置。
在步骤108中,基于属性值对第一图像进行处理,得到第二图像。
具体来说:在获取到第一图像的属性值之后,基于该属性值对该第一图像进行处理,得到第二图像。示例性地,对第一图像中的属性值进行变换或者属性增减操作,得到第二图像。
在步骤110中,将第二图像发送给客户端,以使客户端使用第二图像进行模型测试。
具体来说:在得到第二图像之后,将第二图像发送给客户端,客户端使用该第二图像与第一图像对模型进行测试。
在此需要说明的是,模型例如可以是基于人工智能算法通过训练后得到算法模型、测试模型,例如人脸识别模型、文字识别模型、车辆识别模型等等。
通过本公开的实施例提供的上述方法对图像进行处理可以快速的得到用于测试模型鲁棒性所需的图像,可以避免因客户经验不足不清楚图像处理的方向,从而在图像处理方面浪费时间、人力、财力和物力,导致对模型测试的效率降低的问题,同时可以增加用户的体验。
在一个实施例中,为了便于客户端获取第二图像,服务器在得到第二图像之后,可以将第二图像发送至存储服务器进行存储;服务端从存储服务器获取存储第二图像的统一资源定位符,并将存储第二图像的统一资源定位符发送给客户端,以使客户端通过第二图像的统一资源定位符获取第二图像,以便客户端进行模型鲁棒性测试。
在此需要说明的是,存储服务器可以是云服务器,将第二图像存储在云服务器中,避免本地存储空间和线程资源的占用。
上述实施方式,通过统一资源定位符下载第二图像,而不是直接将图像传输给客户端,能够降低传输过程中的资源占用,且相对传输图像数据,可以提高传输速度。而客户端通过统一资源定位符直接从第二图像的存储位置获取图像,降低服务端的访问响应等资源的占用,以及不存储第二图像,而将第二图像存储到例如云服务器(云端服务器)或者其他用于存储的服务器,可以减少服务端存储空间的使用,提高服务端的图像处理速度。
在一个实施例中,由于在实际应用中测试模型的鲁棒性所使用的内容相同的第一图像之间的干扰因素越多,模型的鲁棒性测试越准确,性能也越好,因此,在公开的实施例中,第一图像的属性包括图像尺寸属性、图像分辨率属性或水印属性,并在对第一图像进行属性识别,以获得第一图像的属性值的过程中,可对第一图像进行图像尺寸属性识别,得到第一图像的尺寸值;和/或对第一图像进行图像分辨率属性识别,得到第一图像的分辨率;和/或对第一图像进行水印属性识别,得到第一图像的需添加水印的坐标位置。
在此需要说明的是,对第一图像进行属性识别是指确定该属性的属性值的过程,对于上面列举的属性类型而言,当属性为图像尺寸属性时,属性识别即获得了该第一图像实际的尺寸值,例如可以直接通过读取该第一图像属性获得。类似地,当属性为图像分辨率属性时,属性识别即获得了该第一图像实际的分辨率,例如也可以直接读取该第一图像属性获得。类似地,当属性为图像水印属性时,属性识别即获得该第一图像的需添加水印的坐标位置,例如可以对第一图像进行图像识别获得该第一图像的需添加水印的坐标位置。
上述实施方式,能够得到更多维度下的第二图像,使得用于测试模型鲁棒性的数据集更加充分多样,从而模型的鲁棒性测试越准确,性能也越好。
在一个实施例中,由于用户每一次对第一图像的处理的属性是不同的,如,用户希望第一次对第一图像的处理的属性是第一图像的属性包括图像尺寸属性,第二次对第一图像的处理的属性是第一图像的属性包括图像尺寸属性以及图像分辨率属性,就需要预先设定对第一图像的哪个属性进行调整,这可以通过对多个属性设置优先级的方式来实现,具体的,用户可先在客户端设置好第一图像的多个属性之间的优先级,后续,服务端在根据所述统一资源定位符获取所述第一图像之后,会先确定所述第一图像的多个属性之间的优先级,并根据所述第一图像的所述多个属性的优先级,分别对所述第一图像的所述多个属性进行属性识别,以获得所述第一图像的多个属性对应的属性值。
在此需要说明的是,根据所述第一图像的所述多个属性的优先级,分别对所述第一图像的所述多个属性进行属性识别,具体可以在客户端设置好第一图像的多个属性之间的优先级的同时设置一个识别阈值,后续,服务端根据所述第一图像的所述多个属性的优先级和识别阈值,将优先级超过该识别阈值的属性进行识别,以获得第一图像与该属性相关的属性值,对优先级低于预设级别的属性,则不识别。
上述实施方式,能够为用户提供个性化的图像处理方式,使得不同的用户得到根据图像不同的属性处理后的图像,以此满足不同用户对图像处理的需求。
在一个实施例中,服务端在根据所述统一资源定位符获取所述第一图像之后,可从客户端接收对属性优先级的指定以确定所述多个属性的优先级;或者,根据预先配置的服务端属性-优先级映射对确定所述多个属性的优先级。
在此需要说明的是,从客户端接收对属性优先级的指定以确定多个属性的优先级,具体来说,该图像属性的优先级可以是客户端指定的,例如客户端指定图像尺寸的优先级为高级,图像分辨率的优先级为低级,则服务端就根据客户端的指定只对图像的尺寸进行调整,调整完后返回给客户端以供客户端进行模型鲁棒性的测试。
根据预先配置的服务端属性-优先级映射对确定多个属性的优先级,具体来说,在服务端提供了一个映射表,该映射表内规定了在图像尺寸属性、图像分辨率属性或者图像水印属性这三个图像属性中。一些实施例中,可以根据多个属性的优先级顺序,逐一对多个属性进行属性识别。在另一些实施例中,可以将多个属性的优先级进行比对,确定出优先级最高的属性,进而对该属性进行识别,例如,可以是图像的分辨率优先级最高,则仅对图像的分辨率进行属性识别得到图像分辨率属性的属性值。
在一个实施例中,由于用户在客户端设置好优先级后,会基于实际的需求改变优先级,因此,用户可以在客户端更改属性之间的优先级,客户端向服务器发送更改指令,其中,更改指令携带有更改后的属性优先级和/或服务端属性-优先级映射对,服务器从客户端接收对属性优先级的更改指令,根据更改指令更改第一图像的多个属性的优先级。
这样就可以进一步根据模型鲁棒性测试的不同需求用统一的服务端处理方法处理图像的不同的属性,提供不同标准的图像。具体来说,例如在第一时刻,可以将图像的分辨率优先级被设置比尺寸更高,服务端就调整图像的分辨率返回给客户端。而在第二时刻通过改变属性的优先级设置,可以将图像尺寸优先级设置得比图像分辨率优先级高,服务端在接收到图像处理请求时,就对图像的尺寸进行调整返回给客户端。或者,根据图像的处理需求不同,对不同的图像赋予不同的优先级属性处理的规则,总结来说,属性的优先级是可变的,可以根据客户的需求随时变化,服务端也可以根据属性优先级的变化,对图像做不同属性类型属性值的调整,以满足客户的要求,提升客户的体验。
上述实施方式,能够基于用户的需求灵活的改变优先级,以满足用户的需求。
在一个实施例中,由于在对所述第一图像进行属性识别,以获得所述第一图像的属性值之后,需要确定获得的第一图像的属性值是否需要调整,因此,需要预先存储属性的参考值。
后续,在对所述第一图像进行属性识别,以获得所述第一图像的属性值之后,将属性值与该属性值对应的预存的参考值相比较,得到比较结果;根据比较结果对第一图像进行处理,得到第二图像。
在此需要说明的是,属性的参考值可以为预存值,该预存的参考值可以是经过大量的实验数据获得或是被人为指定的参考值,是调整第一图像属性的标准,每个属性均对应一个参考值,属性具有该参考值的图像对模型鲁棒性的测试具有更好的效果。
例如,当属性为图像分辨率属性时,对图像进行识别得到图像的分辨率的属性值为300*400,预存的图像分辨率的参考值例如可以是125*125、250*250、500*500、1080*720、1980*1080中的一个或多个,然后根据实际的测试需要选择其中的至少一个数值,例如选择的是250*250,则将属性值与该属性值对应的预存的参考值相比较,得到比较结果。
当属性类型为图像属性尺寸时,对图像进行识别得到图像的尺寸属性值为0.5*0.8时,预存的图像尺寸的参考值例如可以是0.49*0.7,0.48*0.71,0.46*0.73,0.45*0.74中的一个或多个,然后根据实际的测试需要选择其中的至少一个数值,例如选择的是0.49*0.7,则将属性值与该属性值对应的预存的参考值相比较,得到比较结果。
在一个实施例中,用户希望属性值接近参考值的属性不用再调整了,而属性值与参考值相差较大的属性需要调整,因此,将所述属性值与该属性值对应的预存的参考值相比较,得到比较结果,具体可以针对每一个属性,将该属性的属性值与该属性值对应的预存的参考值相比较,得到该属性的属性偏差值;将所述第一图像的至少一个属性对应的属性偏差值确定为所述比较结果。
例如,根据上述步骤得到了多个属性的属性值,将图像尺寸属性值为0.5*0.8与参考值0.49*0.7作比较,得到该属性的属性偏差值;图像的分辨率属性值为300*400与参考值1080*720作比较,得到该属性的属性偏差值;图像水印的属性值为未添加水印(即,无坐标位置)与参考值需添加水印的坐标位置做比较,得到该属性的属性偏差值。
在一个实施例中,根据所述第一图像的至少一个属性对应的属性偏差值,对所述第一图像的所述至少一个属性的属性值进行调整,得到第二图像。
在此需要说明的是,根据所述第一图像的至少一个属性对应的属性偏差值,对所述第一图像的所述至少一个属性的属性值进行调整,具体可以通过属性值超过预设阈值的属性进行调整,也可以通过确定偏差等级的方式来确定需要调整属性值的属性。
具体来说,可以预先设置图像尺寸属性值与参考值差值为0~2时,偏差等级为1,差值为2~4时,偏差等级为2,以此类推;图像分辨率属性值与参考值的差值为0~200时,偏差等级为1,差值为200~400时,偏差等级为2。
接下来,根据上述步骤得到了多个属性的属性值,将图像尺寸属性值为0.5*0.8与参考值0.49*0.7作比较,得到该属性的属性偏差值,根据偏差值得到图像尺寸属性值的偏差等级为1,图像的分辨率属性值为300*400与参考值1080*720作比较,得到该属性的属性偏差值,根据偏差值得到图像分辨率属性值的偏差等级为4。
对第一图像内偏差等级最高的图像分辨率属性进行调整,使图像分辨率的属性值与参考值相匹配,得到第二图像,这样可以对偏差最大的属性进行调整,使得图像更利于鲁棒性测试。
上述实施方式,能够得到更利于鲁棒性测试的第二图像。
在一个实施例中,当需要给第一图像添加水印时,可以根据所述第一图像的需添加水印的坐标位置,在所述第一图像对应的坐标位置处添加水印,得到第二图像。
<方法实施例二>
在本公开再一个实施例中,提供一种图像处理方法,请参考图3,该图为本公开实施例的图像处理方法流程图二。
图像处理方法可以是由客户端设备实施,该客户端设备例如可以是如图1所示的客户端设备1200。
如图3所示,本公开实施例的图像处理方法包括以下步骤:
在步骤201中,获取第一图像。具体来说,第一图像为用于测试模型的图像。
在步骤202中,将第一图像输入到模型中进行识别,得到第一识别结果。
示例性地,该第一图像为未经过图像处理的图像,例如,可以是图像质量较高的图像,易于测试模型识别,将该第一图像输入到模型中进行识别得到第一识别结果。
在步骤203中,对第一图像添加统一资源定位符。
示例性地,第一图像为客户端认为需要进行处理进行鲁棒性测试,给第一图像添加统一资源定位符,以供服务端下载第一图像。
在步骤204中,将存储有统一资源定位符的图像处理请求发送给服务端,以供服务端进行前述实施例的图像的处理,得到第二图像。
示例性地,一个图像处理请求中可以包含一个或多个统一资源定位符以指示一幅图像或者多幅图像。当服务端接收了一个或者多个统一资源定位符后,执行步骤102~110对图像进行处理。
在步骤205中,接收服务端发送的第二图像。
示例性地,客户端接收服务端发送的存储第二图像的统一资源定位符,通过第二图像的统一资源定位符获取第二图像,以供客户端进行图像识别模型的鲁棒性。
在步骤206中,使用第二图像进行模型测试。
示例性地,将第二图像输入模型中进行识别,得到第二识别结果。将第一识别结果与第二识别结果进行比对,得到比对结果,根据比对结果,测试模型。
可选的,将第一识别结果与第二识别结果进行比对得到比对结果之后,方法还包括:根据比对结果判断测试模型的鲁棒性,比对的结果可能是两种,识别结果一致或者识别结果不一致,识别结果一致说明当前正在进行测试的模型对图像经过各种变换后兼容性好,即该正在测试的模型的鲁棒性好,反之,就是该正在测试的模型的鲁棒性不好。
根据本公开的实施例,客户端将图像输入到模型中进行识别,得到第一识别结果,再将该图像发送给服务端以供服务端进行处理,得到用于测试模型鲁棒性的图像,再将服务端处理好的图像输入测试模型中进行识别,得到第二识别结果;将第一识别结果与第二识别结果进行比对得到比对结果。通过比对结果就可以知道模型的鲁棒性好不好,解决了因测试人员经验不足,不清楚图像处理的方向以致于不能快速全面的得到测试模型鲁棒性的图像的问题,节省了图像处理的时间,同时节省了人力和物力,增加了用户的体验,提高了模型测试的效率。
<方法实施例三>
本公开的实施例还提供了一种图像处理方法,涉及到客户端和服务端,包括以下步骤:
S601、客户端获取第一图像。
S602、客户端将第一图像输入到模型中进行识别,得到第一识别结果。
S603、客户端对第一图像添加统一资源定位符。
S604、客户端将存储有统一资源定位符的图像处理请求发送给服务端。
S605、服务端接收客户端发送的图像处理请求,从图像处理请求中获取至少一个存储有待处理的第一图像的统一资源定位符.
S606、服务端根据统一资源定位符获取第一图像。
S607、服务端对第一图像进行属性识别,以获得第一图像的属性值。
S608、服务端基于属性值对第一图像进行处理,得到第二图像。
S609、服务端将第二图像发送给客户端。
S610、客户端接收服务端发送的第二图像。
S611、客户端使用第二图像进行模型测试。
在这一实施例中,由客户端执行的步骤S601-304以及步骤S610-S611,可以参见前述步骤201-206,这里不再重复说明。由服务端执行的步骤S605-309,可以参见前述步骤102-110,这里不再重复说明。
根据本公开的实施例,客户端在向服务端发送图像处理请求后,服务端根据客户端提供的统一资源定位符下载待处理的第一图像,对待处理的第一图像的属性进行识别,得到该图像的属性的属性值,并基于所述属性值对所述第一图像进行处理,得到第二图像。根据上述方法对图像进行处理可以快速的得到进行测试模型鲁棒性所需的图像,可以避免因客户经验不足不清楚图像处理的方向,从而在图像处理方面浪费时间、人力、财力和物力,导致对模型测试的效率降低的问题,同时可以增加用户的体验。
<装置实施例一>
在本公开的实施例又一个实施例中,提供一种图像处理装置,请参考图4,该图为本公开实施例的图像处理装置的结构方框图一。如图4所示,图像处理装置300包括:
第一获取模块301,用于基于客户端的图像处理请求获取至少一个存储有待处理的第一图像的统一资源定位符。
第二获取模块302,用于根据统一资源定位符获取第一图像。
属性识别模块303,用于对第一图像进行属性识别,以获得第一图像的属性值。
图像处理模块304,用于基于属性值对第一图像进行处理,得到第二图像。
发送模块305,用于将第二图像发送给客户端,以使客户端使用第二图像进行模型测试。
在一个具体的例子中,图像处理装置还包括存储模块。
存储模块,用于将第二图像发送至存储服务器进行存储,从存储服务器获取存储第二图像的统一资源定位符。
发送模块305具体用于,将存储第二图像的统一资源定位符发送给客户端,以使客户端通过第二图像的统一资源定位符获取第二图像。
在一个具体的例子中,属性识别模块303具体用于,对第一图像进行图像尺寸属性识别,得到第一图像的尺寸值;和/或对第一图像进行图像分辨率属性识别,得到第一图像的分辨率;和/或对第一图像进行水印属性识别,得到第一图像的需添加水印的坐标位置。
在一个具体的例子中,图像处理模块304具体用于,根据第一图像的需添加水印的坐标位置,在第一图像对应的坐标位置处添加水印,得到第二图像。
在一个具体的例子中,图像处理装置还包括优先级确定模块。
优先级确定模块,用于确定第一图像的多个属性之间的优先级。
属性识别模块303具体用于,根据第一图像的多个属性的优先级,分别对第一图像的多个属性进行属性识别,以获得第一图像的多个属性对应的属性值。
在一个具体的例子中,优先级确定模块306具体用于,从客户端接收对属性优先级的指定以确定多个属性的优先级;或者,根据预先配置的服务端属性-优先级映射对确定多个属性的优先级。
在一个具体的例子中,优先级确定模块306具体用于,从客户端接收对属性优先级的更改指令以更改第一图像的多个属性的优先级,其中,更改指令携带有更改后的属性优先级和/或服务端属性-优先级映射对。
在一个具体的例子中,参见图5所示,图像处理模块304包括比较比较子模块和处理子模块。
比较子模块,用于将属性值与该属性值对应的预存的参考值相比较,得到比较结果。
处理子模块,用于根据比较结果对第一图像进行处理,得到第二图像。
在一个具体的例子中,比较子模块具体用于,针对每一个属性,将该属性的属性值与该属性值对应的预存的参考值相比较,得到该属性的属性偏差值;将第一图像的至少一个属性对应的属性偏差值确定为比较结果。
在一个具体的例子中,处理子模块具体用于,根据第一图像的至少一个属性对应的属性偏差值,对第一图像的至少一个属性的属性值进行调整,得到第二图像。
根据本公开的实施例,客户端在向服务端发送图像处理请求后,服务端根据客户端提供的统一资源定位符下载待处理的第一图像,对待处理的第一图像的属性进行识别,得到该图像的属性的属性值,并基于所述属性值对所述第一图像进行处理,得到第二图像。根据上述方法对图像进行处理可以快速的得到进行测试模型鲁棒性所需的图像,可以避免因客户经验不足不清楚图像处理的方向,从而在图像处理方面浪费时间、人力、财力和物力,导致对模型测试的效率降低的问题,同时可以增加用户的体验。
<装置实施例二>
在本公开又一个实施例中,提供一种图像处理装置,请参考图5,该图为本公开实施例的图像处理装置的结构方框图二。如图所示,图像处理装置400包括:
获取模块401,用于获取第一图像。
识别模块402,用于将第一图像输入到模型中进行识别,得到第一识别结果。
添加模块403,用于对第一图像添加统一资源定位符。
发送模块404,用于将存储有统一资源定位符的图像处理请求发送给服务端,以供服务端对第一图像进行前述实施例的图像处理,得到第二图像。
接收模块405,用于接收服务端发送的第二图像。
测试模块406,用于使用第二图像进行模型测试。
在一个具体的例子中,接收模块405具体用于,接收服务端发送的存储第二图像的统一资源定位符;通过第二图像的统一资源定位符获取第二图像。
在一个具体的例子中,测试模块406具体用于,将第二图像输入模型中进行识别,得到第二识别结果;将第一识别结果与第二识别结果进行比对,得到比对结果;根据比对结果,测试模型。
根据本公开的实施例,客户端在向服务端发送图像处理请求后,服务端根据客户端提供的统一资源定位符下载待处理的第一图像,对待处理的第一图像的属性进行识别,得到该图像的属性的属性值,并基于所述属性值对所述第一图像进行处理,得到第二图像。根据上述方法对图像进行处理可以快速的得到进行测试模型鲁棒性所需的图像,可以避免因客户经验不足不清楚图像处理的方向,从而在图像处理方面浪费时间、人力、财力和物力,导致对模型测试的效率降低的问题,同时可以增加用户的体验。
<计算机可读存储介质>
根据本公开的又一个实施例,还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序在被处理器执行时实现根据本公开任意实施例所述的图像处理方法。
本公开的实施例可以是装置、系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的实施例的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开实施例操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开实施例的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开实施例的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分,所述模块、程序段或指令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。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,两个连续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动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。对于本领域技术人物来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人物来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人物能理解本文披露的各实施例。本公开实施例的范围由所附权利要求来限定。
Claims (14)
1.一种图像处理方法,执行在服务端,其特征在于,所述方法包括:
基于客户端的图像处理请求获取至少一个存储有待处理的第一图像的统一资源定位符;
根据所述统一资源定位符获取所述第一图像;
对所述第一图像进行属性识别,以获得所述第一图像的属性值;
基于所述属性值对所述第一图像进行处理,得到第二图像;
将所述第二图像发送给所述客户端,以使客户端使用所述第二图像进行模型测试。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述第二图像发送至存储服务器进行存储;
从所述存储服务器获取存储所述第二图像的统一资源定位符;
所述将所述第二图像发送给所述客户端,包括:
将存储所述第二图像的统一资源定位符发送给所述客户端,以使客户端通过所述第二图像的统一资源定位符获取所述第二图像。
3.根据权利要求1所述的方法,其特征在于,所述对所述第一图像进行属性识别,以获得所述第一图像的属性值,包括:
对所述第一图像进行图像尺寸属性识别,得到所述第一图像的尺寸值;
和/或
对所述第一图像进行图像分辨率属性识别,得到所述第一图像的分辨率;
和/或
对所述第一图像进行水印属性识别,得到所述第一图像的需添加水印的坐标位置。
4.根据权利要求1或3所述的方法,其特征在于,当所述第一图像包括多个属性时,所述方法还包括:
确定所述第一图像的多个属性之间的优先级;
所述对所述第一图像进行属性识别,以获得所述第一图像的属性值,包括:
根据所述第一图像的所述多个属性的优先级,分别对所述第一图像的所述多个属性进行属性识别,以获得所述第一图像的多个属性对应的属性值。
5.根据权利要求4所述的方法,其特征在于,所述确定第一图像的多个属性之间的优先级,包括:
从客户端接收对属性优先级的指定以确定所述多个属性的优先级;
或者,
根据预先配置的服务端属性-优先级映射对确定所述多个属性的优先级。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
从客户端接收对属性优先级的更改指令以更改所述第一图像的多个属性的优先级,其中,所述更改指令携带有更改后的属性优先级和/或服务端属性-优先级映射对。
7.根据权利要求1所述的方法,其特征在于,基于所述属性值对所述第一图像进行处理,得到第二图像,包括:
将所述属性值与该属性值对应的预存的参考值相比较,得到比较结果;
根据所述比较结果对所述第一图像进行处理,得到第二图像。
8.根据权利要求7所述的方法,其特征在于,当所述第一图像包括多个属性时,
所述将所述属性值与该属性值对应的预存的参考值相比较,得到比较结果,包括:
针对每一个属性,将该属性的属性值与该属性值对应的预存的参考值相比较,得到该属性的属性偏差值;
将所述第一图像的至少一个属性对应的属性偏差值确定为所述比较结果。
9.根据权利要求8所述的方法,其特征在于,所述根据所述比较结果对所述第一图像进行处理,得到第二图像,包括:
根据所述第一图像的至少一个属性对应的属性偏差值,对所述第一图像的所述至少一个属性的属性值进行调整,得到第二图像。
10.根据权利要求3所述的方法,其特征在于,所述基于所述属性值对所述第一图像进行处理,得到第二图像,包括:
根据所述第一图像的需添加水印的坐标位置,在所述第一图像对应的坐标位置处添加水印,得到第二图像。
11.一种图像处理方法,执行在客户端,其特征在于,所述方法包括:
获取第一图像;
将所述第一图像输入到模型中进行识别,得到第一识别结果;
对所述第一图像添加统一资源定位符;
将存储有所述统一资源定位符的图像处理请求发送给服务端,以供服务端进行根据权利要求1-10中任意一项所述的图像处理方法处理图像,得到第二图像;
接收所述服务端发送的所述第二图像;
使用所述第二图像进行模型测试。
12.根据权利要求11所述的方法,其特征在于,接收所述服务端发送的所述第二图像,包括:
接收所述服务端发送的存储所述第二图像的统一资源定位符;
通过所述第二图像的统一资源定位符符获取所述第二图像。
13.一种图像处理装置,其特征在于,所述装置包括:
第一获取模块,用于基于客户端的图像处理请求获取至少一个存储有待处理的第一图像的统一资源定位符;
第二获取模块,用于根据所述统一资源定位符获取所述第一图像;
识别模块,用于对所述第一图像进行属性识别,以获得所述第一图像的属性值;
处理模块,用于基于所述属性值对所述第一图像进行处理,得到第二图像;
发送模块,用于将所述第二图像发送给所述客户端,以使客户端使用所述第二图像进行模型测试。
14.一种图像处理装置,其特征在于,所述装置包括:
获取模块,用于获取第一图像;
识别模块,用于将所述第一图像输入到模型中进行识别,得到第一识别结果;
添加模块,用于对所述第一图像添加统一资源定位符;
发送模块,用于将存储有所述统一资源定位符的图像处理请求发送给服务端,以供服务端进行根据权利要求1-10中任意一项所述的图像处理方法处理图像,得到第二图像;
接收模块,用于接收所述服务端发送的所述第二图像;
测试模块,用于使用所述第二图像进行模型测试。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010374002.2A CN111597476B (zh) | 2020-05-06 | 2020-05-06 | 图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010374002.2A CN111597476B (zh) | 2020-05-06 | 2020-05-06 | 图像处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111597476A true CN111597476A (zh) | 2020-08-28 |
CN111597476B CN111597476B (zh) | 2023-08-22 |
Family
ID=72185645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010374002.2A Active CN111597476B (zh) | 2020-05-06 | 2020-05-06 | 图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111597476B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756444A (zh) * | 2023-06-14 | 2023-09-15 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备以及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090300167A1 (en) * | 2008-05-30 | 2009-12-03 | General Electric Company | Networked image visualization image quality enhancement method and system |
CN105049701A (zh) * | 2014-04-28 | 2015-11-11 | 佳能株式会社 | 图像处理方法和图像捕捉装置 |
US20160203641A1 (en) * | 2015-01-14 | 2016-07-14 | International Business Machines Corporation | Augmented reality device display of image recognition analysis matches |
CN108304821A (zh) * | 2018-02-14 | 2018-07-20 | 广东欧珀移动通信有限公司 | 图像识别方法及装置、图像获取方法及设备、计算机设备及非易失性计算机可读存储介质 |
CN108921057A (zh) * | 2018-06-19 | 2018-11-30 | 厦门大学 | 基于卷积神经网络的对虾形态测量方法、介质、终端设备及装置 |
CN109034182A (zh) * | 2018-06-04 | 2018-12-18 | 南京邮电大学 | 一种基于属性约束的零样本图像识别新方法 |
CN109447958A (zh) * | 2018-10-17 | 2019-03-08 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
US10332245B1 (en) * | 2018-12-11 | 2019-06-25 | Capital One Services, Llc | Systems and methods for quality assurance of image recognition model |
CN110309713A (zh) * | 2019-05-22 | 2019-10-08 | 深圳壹账通智能科技有限公司 | 表情识别模型训练方法、装置、设备和存储介质 |
CN110321778A (zh) * | 2019-04-26 | 2019-10-11 | 北京市商汤科技开发有限公司 | 一种人脸图像处理方法、装置和存储介质 |
WO2020077914A1 (zh) * | 2018-10-19 | 2020-04-23 | 北京微播视界科技有限公司 | 图像处理方法、装置、硬件装置 |
-
2020
- 2020-05-06 CN CN202010374002.2A patent/CN111597476B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090300167A1 (en) * | 2008-05-30 | 2009-12-03 | General Electric Company | Networked image visualization image quality enhancement method and system |
CN105049701A (zh) * | 2014-04-28 | 2015-11-11 | 佳能株式会社 | 图像处理方法和图像捕捉装置 |
US20160203641A1 (en) * | 2015-01-14 | 2016-07-14 | International Business Machines Corporation | Augmented reality device display of image recognition analysis matches |
CN108304821A (zh) * | 2018-02-14 | 2018-07-20 | 广东欧珀移动通信有限公司 | 图像识别方法及装置、图像获取方法及设备、计算机设备及非易失性计算机可读存储介质 |
CN109034182A (zh) * | 2018-06-04 | 2018-12-18 | 南京邮电大学 | 一种基于属性约束的零样本图像识别新方法 |
CN108921057A (zh) * | 2018-06-19 | 2018-11-30 | 厦门大学 | 基于卷积神经网络的对虾形态测量方法、介质、终端设备及装置 |
CN109447958A (zh) * | 2018-10-17 | 2019-03-08 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、存储介质及计算机设备 |
WO2020077914A1 (zh) * | 2018-10-19 | 2020-04-23 | 北京微播视界科技有限公司 | 图像处理方法、装置、硬件装置 |
US10332245B1 (en) * | 2018-12-11 | 2019-06-25 | Capital One Services, Llc | Systems and methods for quality assurance of image recognition model |
CN110321778A (zh) * | 2019-04-26 | 2019-10-11 | 北京市商汤科技开发有限公司 | 一种人脸图像处理方法、装置和存储介质 |
CN110309713A (zh) * | 2019-05-22 | 2019-10-08 | 深圳壹账通智能科技有限公司 | 表情识别模型训练方法、装置、设备和存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116756444A (zh) * | 2023-06-14 | 2023-09-15 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111597476B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046021B (zh) | 一种页面显示方法、装置、系统、设备和存储介质 | |
CN108228463B (zh) | 用于检测首屏时间的方法和装置 | |
CN113808231B (zh) | 信息处理方法及装置、图像渲染方法及装置、电子设备 | |
US11514263B2 (en) | Method and apparatus for processing image | |
CN111459364B (zh) | 图标更新方法、装置和电子设备 | |
CN110007936B (zh) | 数据处理方法和装置 | |
CN110263301B (zh) | 用于确定文字的颜色的方法和装置 | |
CN111694530A (zh) | 一种屏幕适配的方法、装置、电子设备及存储介质 | |
CN111597476B (zh) | 图像处理方法及装置 | |
CN110795328A (zh) | 一种接口测试方法和装置 | |
CN107741970B (zh) | 用于对主页面进行布局的方法和装置 | |
CN112445394A (zh) | 一种截图方法和装置 | |
CN113873318A (zh) | 视频播放方法、装置、设备和存储介质 | |
CN111367592B (zh) | 信息处理方法和装置 | |
WO2020011066A1 (zh) | 终端的显示方法和装置、终端及可读介质 | |
CN109062645B (zh) | 用于终端的处理信息的方法和装置 | |
CN113761249A (zh) | 一种确定图片类型的方法和装置 | |
CN113760344A (zh) | 动态配置的方法、装置、电子设备和存储介质 | |
CN110599437A (zh) | 用于处理视频的方法和装置 | |
CN112215774B (zh) | 模型训练和图像去雾方法、装置、设备和计算机可读介质 | |
CN113805919B (zh) | 渲染特效更新方法、装置、电子设备及存储介质 | |
CN113934491B (zh) | 一种大数据处理方法及装置 | |
CN116363260B (zh) | 图像生成方法、装置及电子设备 | |
CN110798608B (zh) | 一种识别图像的方法和装置 | |
CN108563481B (zh) | 皮肤实时修改预览的方法、设备及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |