CN111652203A - 资源推送方法以及装置 - Google Patents
资源推送方法以及装置 Download PDFInfo
- Publication number
- CN111652203A CN111652203A CN202010486682.7A CN202010486682A CN111652203A CN 111652203 A CN111652203 A CN 111652203A CN 202010486682 A CN202010486682 A CN 202010486682A CN 111652203 A CN111652203 A CN 111652203A
- Authority
- CN
- China
- Prior art keywords
- image
- recognition result
- target image
- target
- content
- 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 63
- 238000005070 sampling Methods 0.000 claims description 108
- 238000004590 computer program Methods 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Abstract
本公开提供了一种资源推送方法以及装置,其中,该方法包括:接收用户端发送的包括指示对象的目标图像;所述指示对象为用户控制的、用于指示需要读取的书本中内容的人体目标部位或目标物;基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果;基于所述内容识别结果,获取与所述内容识别结果对应的推送资源,并将所述推送资源发送给所述用户端。
Description
技术领域
本公开涉及互联网技术领域,具体而言,涉及一种资源推送方法以及装置。
背景技术
互联网技术的发展,为用户提供了很多便捷的学习方式。比如,用户在遇到教科书中不理解的、不会阅读的内容时,可以对该内容进行复制、编辑后发送至线上服务器,并可以接收线上服务器基于该内容提供的相关学习资源,比如理解注释或发音等,以实现对该内容的学习。但是,通过复制、编辑等方式将教科书中的内容发送至线上服务器的过程较为繁琐,会影响用户的学习效率。
因此,如何对用户关注的内容进行自动化识别进而进行相关资源的推送是值得研究的问题。
发明内容
本公开实施例至少提供一种资源推送方法以及装置。
第一方面,本公开实施例提供了一种资源推送方法,所述方法应用于服务端,包括:
接收用户端发送的包括指示对象的目标图像;所述指示对象为用户控制的、用于指示需要读取的书本中内容的人体目标部位或目标物;
基于文本识别(Optical Character Recognition,OCR)算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果;
基于所述内容识别结果,获取与所述内容识别结果对应的推送资源,并将所述推送资源发送给所述用户端。
一种可选的实施方式中,所述基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果,包括:
基于所述OCR算法,对所述目标图像进行识别,以及,基于所述图像识别算法,对所述目标图像进行识别;
若首先得到基于所述OCR算法的第一中间识别结果,该第一中间识别结果的置信度高于设定置信度阈值,且在得到所述第一中间识别结果后的预设时间段之内未得到基于所述图像识别算法的第二中间识别结果,则将所述第一中间识别结果作为所述内容识别结果;
若首先得到基于所述图像识别算法的第二中间识别结果,该第二中间识别结果的置信度高于设定置信度阈值,且在得到所述第二中间识别结果后的预设时间段之内未得到基于所述OCR算法的第一中间识别结果,则将所述第二中间识别结果作为所述内容识别结果。
一种可选的实施方式中,所述基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果,包括:
若所述第一中间识别结果和第二中间识别结果均指示在间隔预设时间段内得到识别结果,则将所述第一中间识别结果和第二中间识别结果中指示的置信度较高、且大于设定置信度阈值的识别结果作为所述内容识别结果。
一种可选的实施方式中,基于所述内容识别结果,获取与所述内容识别结果对应的推送资源,包括:
基于所述内容识别结果中包含的标识信息,获取与所述标识信息关联的目标资源;
将获取的所述目标资源作为所述内容识别结果对应的推送资源。
一种可选的实施方式中,在接收用户端发送的包括指示对象的目标图像之前,所述方法还包括:
为接收到的多个目标资源确定对应的所述标识信息,并将所述标识信息与对应的所述目标资源关联后存储。
第二方面,本公开实施例提供了一种资源推送方法,所述方法应用于用户端,包括:
周期性获取第一采样图像,并对获取的第一采样图像进行指示对象识别;
在识别到获取的第一采样图像中含有所述指示对象后,基于所述用户端拍摄的第二采样图像,获取所述目标图像;
将所述目标图像发送给服务端,接收并展示所述服务端返回的所述目标图像对应的推送资源。
一种可选实施方式中,在识别到获取的第一采样图像中含有所述指示对象后,基于所述用户端拍摄的第二采样图像,获取所述目标图像,包括:
在识别到获取的连续多帧第一采样图像中每帧第一采样图像中均含有所述指示对象后,将连续多帧第一采样图像中的最后一帧第一采样图像的下一帧第一采样图像确定为所述第二采样图像;
基于所述第二采样图像,获取所述目标图像。
一种可选实施方式中,基于所述第二采样图像,获取所述目标图像,包括:
按照设置的读取面积值,从所述第二采样图像中截取得到所述目标图像。
第三方面,本公开实施例还提供一种资源推送装置,包括:
目标图像接收模块,用于接收用户端发送的包括指示对象的目标图像;所述指示对象为用户控制的、用于指示需要读取的书本中内容的人体目标部位或目标物;
识别模块,用于基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果;
发送模块,用于基于所述内容识别结果,获取与所述内容识别结果对应的推送资源,并将所述推送资源发送给所述用户端。
一种可选实施方式中,所述识别模块,在基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果时,用于:
基于所述OCR算法,对所述目标图像进行识别,以及,基于所述图像识别算法,对所述目标图像进行识别;
若首先得到基于所述OCR算法的第一中间识别结果,该第一中间识别结果的置信度高于设定置信度阈值,且在得到所述第一中间识别结果后的预设时间段之内未得到基于所述图像识别算法的第二中间识别结果,则将所述第一中间识别结果作为所述内容识别结果;
若首先得到基于所述图像识别算法的第二中间识别结果,该第二中间识别结果的置信度高于设定置信度阈值,且在得到所述第二中间识别结果后的预设时间段之内未得到基于所述OCR算法的第一中间识别结果,则将所述第二中间识别结果作为所述内容识别结果。
一种可选实施方式中,所述识别模块,在基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果时,用于:
若所述第一中间识别结果和第二中间识别结果均指示在间隔预设时间段内得到识别结果,则将所述第一中间识别结果和第二中间识别结果中指示的置信度较高、且大于设定置信度阈值的识别结果作为所述内容识别结果。
一种可选实施方式中,所述发送模块,在基于所述内容识别结果,获取与所述内容识别结果对应的推送资源时,用于:
基于所述内容识别结果中包含的标识信息,获取与所述标识信息关联的目标资源;
将获取的所述目标资源作为所述内容识别结果对应的推送资源。
一种可选实施方式中,所述装置还包括:
关联模块,用于为接收到的多个目标资源确定对应的所述标识信息,并将所述标识信息与对应的所述目标资源关联后存储。
第四方面,本公开实施例还提供一种资源推送装置,包括:
第一采样图像获取模块,用于周期性获取第一采样图像,并对获取的第一采样图像进行指示对象识别;
目标图像获取模块,用于在识别到获取的第一采样图像中含有所述指示对象后,基于所述用户端拍摄的第二采样图像,获取所述目标图像;
推送资源接收模块,用于将所述目标图像发送给服务端,接收并展示所述服务端返回的所述目标图像对应的推送资源。
一种可选实施方式中,所述目标图像获取模块,在识别到获取的第一采样图像中含有所述指示对象后,基于所述用户端拍摄的第二采样图像,获取所述目标图像时,用户:
在识别到获取的连续多帧第一采样图像中每帧第一采样图像中均含有所述指示对象后,将连续多帧第一采样图像中的最后一帧第一采样图像的下一帧第一采样图像确定为所述第二采样图像;
基于所述第二采样图像,获取所述目标图像。
一种可选实施方式中,所述目标图像获取模块,在基于所述第二采样图像,获取所述目标图像时,用于:
按照设置的读取面积值,从所述第二采样图像中截取得到所述目标图像。
第三方面,本公开实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤,或者执行上述第二方面,或第二方面中任一种可能的实施方式中的步骤。
第四方面,本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面,或第一方面中任一种可能的实施方式中的步骤,或者执行上述第二方面,或第二方面中任一种可能的实施方式中的步骤。
本公开实施例中,通过接收包括指示对象的目标图像,使用OCR算法以及图像识别算法分别对目标图像进行识别,得到内容识别结果,基于内容识别结果,获取与内容识别结果对应的推送资源,并将推送资源发送给用户端;由于该目标图像中的指示对象是用户控制的、用于指示需要读取的书本中内容的人体目标部位或目标物,故目标图像能够较准确地表征用户关注的内容,并在通过设置多种识别算法分别对目标图像进行识别时,可以使得得到的内容识别结果的准确度较高,进而可以使得用户端接收到的推送资源与用户关注的内容一致,提高了资源推送的准确度。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,此处的附图被并入说明书中并构成本说明书中的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。应当理解,以下附图仅示出了本公开的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本公开实施例所提供的一种资源推送方法的流程图;
图2示出了本公开实施例所提供的另一种资源推送方法的流程图;
图3示出了本公开实施例所提供的一种资源推送装置的示意图;
图4示出了本公开实施例所提供的另一种资源推送装置的示意图;
图5示出了本公开实施例所提供的一种电子设备500的示意图;
图6示出了本公开实施例所提供的另一种电子设备600的示意图。
具体实施方式
为使本公开实施例的目的、技术方案和优点更加清楚,下面将结合本公开实施例中附图,对本公开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公开一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本公开实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本公开的实施例的详细描述并非旨在限制要求保护的本公开的范围,而是仅仅表示本公开的选定实施例。基于本公开的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
目前,线上教学方式存在识别方式单一的技术问题,使得识别的成功率、和准确性较低,造成最终的展示内容存在较大偏差,比如,图片A对应的展示内容为内容A,但是识别得到的展示内容为内容B,识别到的展示内容与用户需要的内容不符,造成用户的体验度较差。为了提高识别的准确性,本公开提供了一种资源推送方法。
针对以上方案所存在的缺陷,均是发明人在经过实践并仔细研究后得出的结果,因此,上述问题的发现过程以及下文中本公开针对上述问题所提出的解决方案,都应该是发明人在本公开过程中对本公开做出的贡献。
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定义和解释。
为便于对本实施例进行理解,首先对本公开实施例所公开的一种资源推送方法进行详细介绍,本公开实施例所提供的资源推送方法的执行主体一般为具有一定计算能力的计算机设备,该计算机设备例如包括:终端设备或服务器或其它处理设备,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该资源推送方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
为便于对本公开实施例进行理解,首先对本公开实施例所公开的一种资源推送方法进行详细介绍。
实施例一
参见图1所示,为本公开实施例提供的资源推送方法的流程图,该方法可以应用于服务端,所述方法包括S101~S103,其中:
S101,接收用户端发送的包括指示对象的目标图像;指示对象为用户控制的、用于指示需要读取的书本中内容的人体目标部位或目标物。
这里,用户端可以为包含中央处理器的任一智能设备,比如,用户端可以为手机、平板电脑、笔记本、虚拟显示设备等。用户端在生成包含指示对象的目标图像之后,可以将目标图像发送给服务端。
示例性的,指示对象可以为人体目标部位,比如,手指;或者,指示对象可以为目标物,示例性的,可以为记号笔、圆珠笔等;还可以为电子笔发射的可见光的标记形状,例如,红外笔发生的红色圆点等。其中,指示对象可以根据实际需要进行设置,此处不进行具体限定。
其中,需要读取的书本可以为用户想要学习的、了解的任一书本。在具体实施时,需要读取的书本可以包括任一年级的各科教课书,比如,可以为初中一年级的语文课本、数学课本、英语课本等;还可以包括英语读物、名著书籍等。这里,需要读取的书本类型以及书本内容可以根据实际情况进行设置。
S102,基于文本识别OCR算法以及图像识别算法,对包括指示对象的目标图像进行识别,得到与目标图像中指示对象的位置对应的内容识别结果。
本公开实施例中,服务器中可以设置有OCR算法和图像识别算法,将目标图像分别输入至OCR算法和图像识别算法中进行识别,得到与目标图像中指示对象的位置对应的内容识别结果。
一种可选实施方式中,基于文本识别OCR算法以及图像识别算法,对包括指示对象的目标图像进行识别,得到与目标图像中指示对象的位置对应的内容识别结果,包括:
基于OCR算法,对目标图像进行识别,以及,基于图像识别算法,对目标图像进行识别;
若首先得到基于OCR算法的第一中间识别结果,该第一中间识别结果的置信度高于设定置信度阈值,且在得到第一中间识别结果后的预设时间段之内未得到基于图像识别算法的第二中间识别结果,则将第一中间识别结果作为内容识别结果;
若首先得到基于图像识别算法的第二中间识别结果,该第二中间识别结果的置信度高于设定置信度阈值,且在得到第二中间识别结果后的预设时间段之内未得到基于OCR算法的第一中间识别结果,则将第二中间识别结果作为内容识别结果。
这里,OCR算法和图像识别算法可以分别对目标图像进行识别,若OCR算法首先得到对应的第一中间识别结果,则确定第一中间识别结果的第一识别时间,若在该第一识别时间后的预设时间段之内,图像识别算法没有得到第二中间识别结果,且第一中间识别结果的置信度高于设置的置信度阈值,则可以将第一中间识别结果作为内容识别结果。其中,置信度阈值可以根据先验经验进行确定。
若在OCR算法和图像识别算法能够识别到该目标图像对应的推荐资源时,第一中间识别结果和第二中间识别结果可以为目标图像对应的推荐资源的标识信息;若在OCR算法和图像识别算法无法识别到该目标图像对应的推荐资源时,第一中间识别结果和第二中间识别结果可以为无法识别。
示例性的,若OCR算法得到的第一中间识别结果的置信度可以为0.9,设置的置信度阈值可以为0.85,确定第一中间识别结果对应的第一识别时间,若第一识别时间为12:20:00,则可以确定在12:20:00至12:20:02之间之内,图像识别算法是否得到第二中间识别结果,若图像识别算法没有得到第二中间识别结果,在第一中间识别结果的置信度大于设置的置信度阈值时,可以将第一中间识别结果作为内容识别结果;即以第一识别时间为起始时间,在第一识别时间之后的2秒内,若图像识别算法没有的得到第二中间识别结果,在第一中间识别结果的置信度大于设置的置信度阈值时,则将第一中间识别结果作为内容识别结果。这里,确定第一中间识别结果的置信度是否大于置信度阈值的过程,可以在得到第一中间识别结果之后以及在确定内容识别结果之前,这一时间段内的任一时间进行确定。其中,预设时间段的时长可以根据实际需要进行设置,比如,可以为200毫秒、2秒等。
或者,若图像识别算法首先得到对应的第二中间识别结果,则确定第二中间识别结果的第二识别时间,若在该第二识别时间后的预设时间段之内,OCR算法没有得到第一中间识别结果,且第二中间识别结果的置信度高于设置的置信度阈值,则将第二中间识别结果作为内容识别结果。
示例性的,若图像识别算法首先得到对应的第二中间识别结果,在该第二识别时间后的预设时间段之内,OCR算法没有得到第一中间识别结果,但是第二中间识别结果的置信度低于设置的置信度阈值,则不将第二中间识别结果作为内容识别结果,这种情况下,该目标图像对应的内容识别结果可以为无法识别。以及,若OCR算法首先得到对应的第一中间识别结果,在该第一识别时间后的预设时间段之内,图像识别算法没有得到第二中间识别结果,但是第一中间识别结果的置信度低于设置的置信度阈值,则不将第一中间识别结果作为内容识别结果,这种情况下,该目标图像对应的内容识别结果可以为无法识别。
上述实施方式中,通过降低确定内容识别结果的时间,可以在保证识别准确度的同时,提高确定内容识别结果的效率,进而可以减少用户等待的时间。
另一种可选实施方式中,基于文本识别OCR算法以及图像识别算法,对包括指示对象的目标图像进行识别,得到与目标图像中指示对象的位置对应的内容识别结果,包括:
若第一中间识别结果和第二中间识别结果均指示在间隔预设时间段内得到识别结果,则将第一中间识别结果和第二中间识别结果中指示的置信度较高、且大于设定置信度阈值的识别结果作为内容识别结果。
这里,OCR算法和图像识别算法可以分别对目标图像进行识别,若OCR算法首先得到对应的第一中间识别结果,则确定第一中间识别结果的第一识别时间,若在该第一识别时间后的预设时间段之内,图像识别算法也得到了第二中间识别结果;或者,若图像识别算法首先得到对应的第二中间识别结果,则确定第二中间识别结果的第二识别时间,若在该第二识别时间后的预设时间段之内,OCR算法也得到了第一中间识别结果;则可以将置信度高、且大于设定置信度阈值的识别结果作为内容识别结果。
比如,若第一中间识别结果和第二中间识别结果均指示在间隔预设时间段内得到识别结果,第一中间识别结果的置信度可以为0.93,第二中间识别结果的置信度可以为0.96,置信度阈值可以为0.9,则可知第二中间识别结果的置信度较高,确定第二中间识别结果的置信度大于设定的置信度阈值,故将第二中间识别结果作为内容识别结果。
这里,若第一中间识别结果和第二中间识别结果均指示在间隔预设时间段内得到识别结果,但是第一中间识别结果和第二中间识别结果中较高的置信度小于或等于设定的置信度阈值,则内容识别结果可以为无法识别。比如,若第一中间识别结果的置信度为0.83,第二中间识别结果的置信度为0.86,置信度阈值为0.9,则可知第二中间识别结果的置信度较高,但是第二中间识别结果的置信度小于设定的置信度阈值,故该目标图像对应的内容识别结果可以为无法识别。
示例性的,可以获取多个样本数据,通过获取的多个样本数据确定OCR算法的第一目标参数,并通过包含第一目标参数的OCR算法对目标图像进行识别。具体的,可以将目标图像输入至OCR算法中,OCR算法对目标图像中包含的文字进行识别,并将识别到的文字与存储的多个推送资源中包含的文字进行匹配,基于第一匹配度确定第一中间识别结果。
示例性的,可以获取多个样本数据,通过获取的多个样本数据确定图像识别算法的第二目标参数,并通过包含第二目标参数的图像识别算法对目标图像进行识别。具体的,可以将目标图像输入至图像识别算法中,图像识别算法可以对目标图像进行特征提取,确定目标图像对应的特征向量,并将得到的目标图像对应的特征向量与存储的多个推送资源对应的资源图像的特征向量进行匹配,基于第二匹配度确定第二中间识别结果。
上述实施方式中,将第一中间识别结果和第二中间识别结果中指示的置信度较高、且大于设定置信度阈值的识别结果作为内容识别结果,可以提高目标图像对应的内容识别结果的准确度,进而可以为用户展示较为准确的推送资源。
S103,基于内容识别结果,获取与内容识别结果对应的推送资源,并将推送资源发送给用户端。
这里,目标图像对应的推送资源可以为与目标图像相关的讲解、解答、相关知识点等。比如,若目标图像为英语课本中某一章的一个段落时,则推送资源包括但不限于对该段落的讲解文本、讲解视频、讲解语音、该段落的朗读、该段落对应的知识点、该段落对应的习题及解答等。其中,推送资源可以为任一格式的资源,比如可以为文本格式、音频格式、视频格式、虚拟现实格式(可以显示在虚拟设备上的格式)等;以及推送资源可以为与目标图像相关的任一资源。
在基于内容识别结果获取对应的推送资源之后,可以将推送资源发送给用户端。或者,还可以基于与内容识别结果对应的推送资源的标题,生成资源列表,并将资源列表以及对应的推送资源发送给用户端,使得用户端对应的用户可以通过触发资源列表中推送资源的标题,查看对应的推送资源。
一种可选实施方式中,基于内容识别结果,获取与内容识别结果对应的推送资源,包括:
基于内容识别结果中包含的标识信息,获取与标识信息关联的目标资源;
将获取的目标资源作为内容识别结果对应的推送资源。
这里,第一识别结果可以包含标识信息以及第一识别结果对应的置信度,第二识别结果可以包含标识信息以及第二识别结果对应的置信度,其中,标识信息可以为目标图像对应的每个推送资源的标识信息。
示例性的,若将第一识别结果作为内容识别结果之后,则可以确定内容识别结果中包含的标识信息,并可以从数据库中获取与标识信息关联的目标资源,将获取的目标资源作为内容识别结果对应的推送资源。这里,数据库中可以为服务器上设置的数据库,也可以为云端的数据库。
一种可选实施方式中,在接收用户端发送的包括指示对象的目标图像之前,方法还可以包括:为接收到的多个目标资源确定对应的标识信息,并将标识信息与对应的目标资源关联后存储。
这里,还可以在接收目标图像之前,获取多个目标资源,并为每个目标资源确定对应的标识信息,并将标识信息与对应的目标资源关联,并可以将关联的标识信息和目标资源存储在数据库中,使得服务端可以基于内容识别结果中包含的标识信息,从数据库中获取与标识信息关联的目标资源。
本公开实施例中,通过接收包括指示对象的目标图像,使用OCR算法以及图像识别算法分别对目标图像进行识别,得到内容识别结果,基于内容识别结果,获取与内容识别结果对应的推送资源,并将推送资源发送给用户端;由于该目标图像中的指示对象是用户控制的、用于指示需要读取的书本中内容的人体目标部位或目标物,故目标图像能够较准确地表征用户关注的内容,并在通过设置多种识别算法分别对目标图像进行识别时,可以使得得到的内容识别结果的准确度较高,进而可以使得用户端接收到的推送资源与用户关注的内容一致,提高了资源推送的准确度。
实施例二
参见图2所示,为本公开实施例提供的资源推送方法的流程图,该方法应用用户端,该方法包括步骤S201~S203,其中:
S201,周期性获取第一采样图像,并对获取的第一采样图像进行指示对象识别。
这里,用户端上可以设置有拍摄设备,用户端上设置的拍摄设备周期性获取第一采样图像。或者,用户端还可以与外部拍摄设备相连,从外部拍摄设备上周期性获取第一采样图像。
示例性的,获取第一采样图像的时间周期可以根据需要进行设置,比如,时间周期可以为3秒、5秒、10秒等。因此,用户端可以每间隔5秒获取第一采样图像,并对获取的第一采样图像进行指示对象识别。
在具体实施时,可以通过训练后的对象检测神经网络对第一采样图像进行指示对象识别。具体的,可以将第一采样图像输入至训练后的对象检测神经网络中,对象检测神经网络对第一采样图像进行识别,确定第一采样图像中是否包括指示对象,在第一采样图像包括指示对象时,可以输出该指示对象对应的位置信息(该位置信息可以为指示对象在图像坐标系下的坐标位置)。这里,若指示对象为手指时,则输出的位置信息可以为是手指的指尖对应的位置信息。
可以获取多个标注有指示对象的位置信息的图像样本,并使用获取的多个图像样本对对象检测神经网络进行训练,直至对象检测神经网络的准确度大于准确度阈值为止,或者,直至对象检测神经网络收敛为止,或者,直至对象检测神经网络的损失量小于损失值阈值为止。
S202,在识别到获取的第一采样图像中含有指示对象后,基于用户端拍摄的第二采样图像,获取目标图像。
本公开实施例中,在识别到获取的第一采样图像中含有指示对象后,可以基于用户端拍摄的第二采样图像,获取目标图像。或者,在识别到获取的第一采样图像中含有指示对象后,可以获取与用户端相连的外部拍摄设备拍摄的第二采样图像,并基于第二采样图像获取目标图像。
一种可选实施方式中,在识别到获取的第一采样图像中含有指示对象后,基于用户端拍摄的第二采样图像,获取目标图像,包括:
在识别到获取的连续多帧第一采样图像中每帧第一采样图像中均含有指示对象后,将连续多帧第一采样图像中的最后一帧第一采样图像的下一帧第一采样图像确定为第二采样图像;
基于第二采样图像,获取目标图像。
这里,用户端可以周期性获取第一采样图像,比如每间隔5秒获取一帧第一采样图像,并对该第一采样图像进行指示对象识别。示例性的,可以在识别到获取的连续多帧第一采样图像中每帧第一采样图像中均含有指示对象后;或者,还可以在识别到获取的连续多帧第一采样图像中每帧第一采样图像中含有的指示对象的位置信息未发生改变时;或者,还可以在识别到获取的连续多帧第一采样图像中每帧第一采样图像中含有的指示对象的位置信息的变化值小于设置的变化阈值时;则可以将连续多帧第一采样图像中的最后一帧第一采样图像的下一帧第一采样图像确定为所述第二采样图像;基于第二采样图像,获取目标图像。
其中,连续多帧第一采样图像的数量可以根据需要进行设置,比如,可以为连续三帧第一采样图像,也可以为连续五帧第一采样图像等。
比如,若连续多帧第一采样图像按照采样时间可以排序为第一帧第一采样图像、第二帧第一采样图像、第三帧第一采样图像,若识别到第一帧第一采样图像中指示对象的位置信息可以为(x1,y1)、第二帧第一采样图像中指示对象的位置信息也可以为(x1,y1)、以及第三帧第一采样图像中指示对象的位置信息也可以为(x1,y1)时,则将第三帧第一采样图像(即连续多帧第一采样图像中的最后一帧第一采样图像)对应的下一帧第一采样图像,确定为第二采样图像。
在具体实施时,可以基于第二采样图像,获取目标图像。一种可选实施方式中,基于第二采样图像,获取目标图像,包括:
按照设置的读取面积值,从第二采样图像中截取得到目标图像。
在具体实施时,对象检测神经网络可以对第二采样图像进行指示对象识别,得到指示对象的位置信息,进而可以基于第二采样图像中指示对象的位置信息以及设置的读取面积值,从第二采样图像中截取得到目标图像。
比如,若第二采样图像中指示对象的位置信息可以为(x2,y2),则可以以该位置信息为中心,从第二采样图像中截取与读取面积值相符的目标图像。或者,这里也可以设置目标图像对应的长度与宽度,则可以以该位置信息为中心,从第二采样图像中截取与设置的长度与宽度相符的目标图像。
S203,将目标图像发送给服务端,接收并展示服务端返回的目标图像对应的推送资源。
这里,用户端可以将目标图像发送给服务端,并接收服务端返回的目标图像对应的推送资源,并在展示区域上展示接收到的推送资源。
本公开实施方式中,周期性获取第一采样图像,并对获取的第一采样图像进行指示对象识别;在识别到获取的第一采样图像中含有指示对象后,基于用户端拍摄的第二采样图像,获取目标图像;将目标图像发送给服务端,接收并展示服务端返回的目标图像对应的推送资源;通过从第二采样图像中获取目标图像,使得获取的目标图像可以为针对用户需要读取的书本中的图像,即获取的目标图像可以表征用户关注的内容,实现在自动获取用户关注的内容的同时,保障了获取的目标图像的准确度;通过自动获取目标图像的方式,提高了用户的学习效率;并可以使得服务端基于目标图像,获取目标图像对应的推送资源时,可以提高推送资源识别的准确度,进而可以使得用户端展示的推送资源与用户关注的内容相符。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
基于同一发明构思,本公开实施例中还提供了与资源推送方法对应的资源推送装置,由于本公开实施例中的装置解决问题的原理与本公开实施例上述资源推送方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
实施例三
参照图3所示,为本公开实施例提供的一种资源推送装置的示意图,所述装置包括:目标图像接收模块301、识别模块302、发送模块303、关联模块304;其中,
目标图像接收模块301,用于接收用户端发送的包括指示对象的目标图像;所述指示对象为用户控制的、用于指示需要读取的书本中内容的人体目标部位或目标物;
识别模块302,用于基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果;
发送模块303,用于基于所述内容识别结果,获取与所述内容识别结果对应的推送资源,并将所述推送资源发送给所述用户端。
一种可选实施方式中,所述识别模块302,在基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果时,用于:
基于所述OCR算法,对所述目标图像进行识别,以及,基于所述图像识别算法,对所述目标图像进行识别;
若首先得到基于所述OCR算法的第一中间识别结果,该第一中间识别结果的置信度高于设定置信度阈值,且在得到所述第一中间识别结果后的预设时间段之内未得到基于所述图像识别算法的第二中间识别结果,则将所述第一中间识别结果作为所述内容识别结果;
若首先得到基于所述图像识别算法的第二中间识别结果,该第二中间识别结果的置信度高于设定置信度阈值,且在得到所述第二中间识别结果后的预设时间段之内未得到基于所述OCR算法的第一中间识别结果,则将所述第二中间识别结果作为所述内容识别结果。
一种可选实施方式中,所述识别模块302,在基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果时,用于:
若所述第一中间识别结果和第二中间识别结果均指示在间隔预设时间段内得到识别结果,则将所述第一中间识别结果和第二中间识别结果中指示的置信度较高、且大于设定置信度阈值的识别结果作为所述内容识别结果。
一种可选实施方式中,所述发送模块303,在基于所述内容识别结果,获取与所述内容识别结果对应的推送资源时,用于:
基于所述内容识别结果中包含的标识信息,获取与所述标识信息关联的目标资源;
将获取的所述目标资源作为所述内容识别结果对应的推送资源。
一种可选实施方式中,所述装置还包括:
关联模块304,用于为接收到的多个目标资源确定对应的所述标识信息,并将所述标识信息与对应的所述目标资源关联后存储。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模板可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例提供的资源推送装置,与上述实施例一提供的资源推送方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例四
参照图4所示,为本公开实施例提供的一种资源推送装置的示意图,所述装置包括:第一采样图像获取模块401、目标图像获取模块402、推送资源接收模块403;其中,
第一采样图像获取模块401,用于周期性获取第一采样图像,并对获取的第一采样图像进行指示对象识别;
目标图像获取模块402,用于在识别到获取的第一采样图像中含有所述指示对象后,基于所述用户端拍摄的第二采样图像,获取所述目标图像;
推送资源接收模块403,用于将所述目标图像发送给服务端,接收并展示所述服务端返回的所述目标图像对应的推送资源。
一种可选实施方式中,所述目标图像获取模块402,在识别到获取的第一采样图像中含有所述指示对象后,基于所述用户端拍摄的第二采样图像,获取所述目标图像时,用户:
在识别到获取的连续多帧第一采样图像中每帧第一采样图像中均含有所述指示对象后,将连续多帧第一采样图像中的最后一帧第一采样图像的下一帧第一采样图像确定为所述第二采样图像;
基于所述第二采样图像,获取所述目标图像。
一种可选实施方式中,所述目标图像获取模块402,在基于所述第二采样图像,获取所述目标图像时,用于:
按照设置的读取面积值,从所述第二采样图像中截取得到所述目标图像。
本公开实施例提供的资源推送装置,与上述实施例二提供的资源推送方法具有相同的技术特征,所以也能解决相同的技术问题,达到相同的技术效果。
实施例五
基于同一技术构思,本申请实施例还提供了一种电子设备。参照图5所示,为本申请实施例提供的电子设备500的结构示意图,包括处理器501、存储器502、和总线503。其中,存储器502用于存储执行指令,包括内存5021和外部存储器5022;这里的内存5021也称内存储器,用于暂时存放处理器501中的运算数据,以及与硬盘等外部存储器5022交换的数据,处理器501通过内存5021与外部存储器5022进行数据交换,当电子设备500运行时,处理器501与存储器502之间通过总线503通信,使得处理器501在执行以下指令:
接收用户端发送的包括指示对象的目标图像;所述指示对象为用户控制的、用于指示需要读取的书本中内容的人体目标部位或目标物;
基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果;
基于所述内容识别结果,获取与所述内容识别结果对应的推送资源,并将所述推送资源发送给所述用户端。
一种可能的实施方式中,处理器501执行的指令中,还包括:
基于所述OCR算法,对所述目标图像进行识别,以及,基于所述图像识别算法,对所述目标图像进行识别;
若首先得到基于所述OCR算法的第一中间识别结果,该第一中间识别结果的置信度高于设定置信度阈值,且在得到所述第一中间识别结果后的预设时间段之内未得到基于所述图像识别算法的第二中间识别结果,则将所述第一中间识别结果作为所述内容识别结果;
若首先得到基于所述图像识别算法的第二中间识别结果,该第二中间识别结果的置信度高于设定置信度阈值,且在得到所述第二中间识别结果后的预设时间段之内未得到基于所述OCR算法的第一中间识别结果,则将所述第二中间识别结果作为所述内容识别结果。
一种可能的实施方式中,处理器501执行的指令中,还包括:
若所述第一中间识别结果和第二中间识别结果均指示在间隔预设时间段内得到识别结果,则将所述第一中间识别结果和第二中间识别结果中指示的置信度较高、且大于设定置信度阈值的识别结果作为所述内容识别结果。
一种可能的实施方式中,处理器501执行的指令中,还包括:
基于所述内容识别结果中包含的标识信息,获取与所述标识信息关联的目标资源;
将获取的所述目标资源作为所述内容识别结果对应的推送资源。
一种可能的实施方式中,处理器501执行的指令中,还包括:
为接收到的多个目标资源确定对应的所述标识信息,并将所述标识信息与对应的所述目标资源关联后存储。
基于同一技术构思,本申请实施例还提供了一种电子设备。参照图6所示,为本申请实施例提供的电子设备600的结构示意图,包括处理器601、存储器602、和总线603。其中,存储器602用于存储执行指令,包括内存6021和外部存储器6022;这里的内存6021也称内存储器,用于暂时存放处理器601中的运算数据,以及与硬盘等外部存储器6022交换的数据,处理器601通过内存6021与外部存储器6022进行数据交换,当电子设备600运行时,处理器601与存储器602之间通过总线603通信,使得处理器601在执行以下指令:
周期性获取第一采样图像,并对获取的第一采样图像进行指示对象识别;
在识别到获取的第一采样图像中含有所述指示对象后,基于所述用户端拍摄的第二采样图像,获取所述目标图像;
将所述目标图像发送给服务端,接收并展示所述服务端返回的所述目标图像对应的推送资源。
一种可能的实施方式中,处理器601执行的指令中,还包括:
在识别到获取的连续多帧第一采样图像中每帧第一采样图像中均含有所述指示对象后,将连续多帧第一采样图像中的最后一帧第一采样图像的下一帧第一采样图像确定为所述第二采样图像;
基于所述第二采样图像,获取所述目标图像。
一种可能的实施方式中,处理器601执行的指令中,还包括:
按照设置的读取面积值,从所述第二采样图像中截取得到所述目标图像。
本公开实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述方法实施例中所述的资源推送方法的步骤。其中,该存储介质可以是易失性或非易失的计算机可读取存储介质。
本公开实施例所提供的资源推送方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行上述方法实施例中所述的资源推送方法的步骤,具体可参见上述方法实施例,在此不再赘述。
本公开实施例还提供一种计算机程序,该计算机程序被处理器执行时实现前述实施例的任意一种方法。该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software DevelopmentKit,SDK)等等。
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,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本公开所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,多个单元或组件可以结合或者可以集成到另一个系统,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通信接口,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。
所述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或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。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,在本公开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。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本公开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部分可以以软件产品的形式体现出来,该计算机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台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开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、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本公开的具体实施方式,用以说明本公开的技术方案,而非对其限制,本公开的保护范围并不局限于此,尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本公开实施例技术方案的精神和范围,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应所述以权利要求的保护范围为准。
Claims (12)
1.一种资源推送方法,其特征在于,所述方法应用于服务端,包括:
接收用户端发送的包括指示对象的目标图像;所述指示对象为用户控制的、用于指示需要读取的书本中内容的人体目标部位或目标物;
基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果;
基于所述内容识别结果,获取与所述内容识别结果对应的推送资源,并将所述推送资源发送给所述用户端。
2.根据权利要求1所述的方法,其特征在于,所述基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果,包括:
基于所述OCR算法,对所述目标图像进行识别,以及,基于所述图像识别算法,对所述目标图像进行识别;
若首先得到基于所述OCR算法的第一中间识别结果,该第一中间识别结果的置信度高于设定置信度阈值,且在得到所述第一中间识别结果后的预设时间段之内未得到基于所述图像识别算法的第二中间识别结果,则将所述第一中间识别结果作为所述内容识别结果;
若首先得到基于所述图像识别算法的第二中间识别结果,该第二中间识别结果的置信度高于设定置信度阈值,且在得到所述第二中间识别结果后的预设时间段之内未得到基于所述OCR算法的第一中间识别结果,则将所述第二中间识别结果作为所述内容识别结果。
3.根据权利要求2所述的方法,其特征在于,所述基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果,包括:
若所述第一中间识别结果和第二中间识别结果均指示在间隔预设时间段内得到识别结果,则将所述第一中间识别结果和第二中间识别结果中指示的置信度较高、且大于设定置信度阈值的识别结果作为所述内容识别结果。
4.根据权利要求1所述的方法,其特征在于,基于所述内容识别结果,获取与所述内容识别结果对应的推送资源,包括:
基于所述内容识别结果中包含的标识信息,获取与所述标识信息关联的目标资源;
将获取的所述目标资源作为所述内容识别结果对应的推送资源。
5.根据权利要求4所述的方法,其特征在于,在接收用户端发送的包括指示对象的目标图像之前,所述方法还包括:
为接收到的多个目标资源确定对应的所述标识信息,并将所述标识信息与对应的所述目标资源关联后存储。
6.一种资源推送方法,其特征在于,所述方法应用于用户端,包括:
周期性获取第一采样图像,并对获取的第一采样图像进行指示对象识别;
在识别到获取的第一采样图像中含有所述指示对象后,基于所述用户端拍摄的第二采样图像,获取所述目标图像;
将所述目标图像发送给服务端,接收并展示所述服务端返回的所述目标图像对应的推送资源。
7.根据权利要求6所述的方法,其特征在于,在识别到获取的第一采样图像中含有所述指示对象后,基于所述用户端拍摄的第二采样图像,获取所述目标图像,包括:
在识别到获取的连续多帧第一采样图像中每帧第一采样图像中均含有所述指示对象后,将连续多帧第一采样图像中的最后一帧第一采样图像的下一帧第一采样图像确定为所述第二采样图像;
基于所述第二采样图像,获取所述目标图像。
8.根据权利要求6或7所述的方法,其特征在于,基于所述第二采样图像,获取所述目标图像,包括:
按照设置的读取面积值,从所述第二采样图像中截取得到所述目标图像。
9.一种资源推送装置,其特征在于,包括:
目标图像接收模块,用于接收用户端发送的包括指示对象的目标图像;所述指示对象为用户控制的、用于指示需要读取的书本中内容的人体目标部位或目标物;
识别模块,用于基于文本识别OCR算法以及图像识别算法,对所述包括指示对象的目标图像进行识别,得到与所述目标图像中所述指示对象的位置对应的内容识别结果;
发送模块,用于基于所述内容识别结果,获取与所述内容识别结果对应的推送资源,并将所述推送资源发送给所述用户端。
10.一种资源推送装置,其特征在于,包括:
第一采样图像获取模块,用于周期性获取第一采样图像,并对获取的第一采样图像进行指示对象识别;
目标图像获取模块,用于在识别到获取的第一采样图像中含有所述指示对象后,基于所述用户端拍摄的第二采样图像,获取所述目标图像;
推送资源接收模块,用于将所述目标图像发送给服务端,接收并展示所述服务端返回的所述目标图像对应的推送资源。
11.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至5任一所述的资源推送方法的步骤,或执行如权利要求6至8任一所述的资源推送方法的步骤。
12.一种计算机可读存储介质,其特征在于,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1至5任意一项所述的资源推送方法的步骤,或执行如权利要求6至8任一所述的资源推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010486682.7A CN111652203A (zh) | 2020-06-01 | 2020-06-01 | 资源推送方法以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010486682.7A CN111652203A (zh) | 2020-06-01 | 2020-06-01 | 资源推送方法以及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111652203A true CN111652203A (zh) | 2020-09-11 |
Family
ID=72348423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010486682.7A Pending CN111652203A (zh) | 2020-06-01 | 2020-06-01 | 资源推送方法以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652203A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611058A (zh) * | 2016-12-27 | 2017-05-03 | 广东小天才科技有限公司 | 一种试题搜索方法及装置 |
CN108304067A (zh) * | 2018-01-26 | 2018-07-20 | 百度在线网络技术(北京)有限公司 | 用于展示信息的系统、方法和装置 |
CN109726333A (zh) * | 2019-01-23 | 2019-05-07 | 广东小天才科技有限公司 | 一种基于图像的搜题方法及家教设备 |
CN110070723A (zh) * | 2018-01-23 | 2019-07-30 | 浙江宇视科技有限公司 | 出入口车辆识别的方法、装置及系统 |
CN110085068A (zh) * | 2019-04-22 | 2019-08-02 | 广东小天才科技有限公司 | 一种基于图像识别的学习辅导方法及装置 |
CN111027536A (zh) * | 2019-02-18 | 2020-04-17 | 广东小天才科技有限公司 | 一种基于电子设备的搜题方法及电子设备 |
-
2020
- 2020-06-01 CN CN202010486682.7A patent/CN111652203A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611058A (zh) * | 2016-12-27 | 2017-05-03 | 广东小天才科技有限公司 | 一种试题搜索方法及装置 |
CN110070723A (zh) * | 2018-01-23 | 2019-07-30 | 浙江宇视科技有限公司 | 出入口车辆识别的方法、装置及系统 |
CN108304067A (zh) * | 2018-01-26 | 2018-07-20 | 百度在线网络技术(北京)有限公司 | 用于展示信息的系统、方法和装置 |
CN109726333A (zh) * | 2019-01-23 | 2019-05-07 | 广东小天才科技有限公司 | 一种基于图像的搜题方法及家教设备 |
CN111027536A (zh) * | 2019-02-18 | 2020-04-17 | 广东小天才科技有限公司 | 一种基于电子设备的搜题方法及电子设备 |
CN110085068A (zh) * | 2019-04-22 | 2019-08-02 | 广东小天才科技有限公司 | 一种基于图像识别的学习辅导方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189879B (zh) | 电子书籍显示方法及装置 | |
CN110245606B (zh) | 一种文本识别方法、装置、设备及存储介质 | |
CN111339420A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112199526B (zh) | 一种多媒体内容发布的方法、装置、电子设备及存储介质 | |
CN111640193A (zh) | 文字处理方法、装置、计算机设备及存储介质 | |
CN111783882B (zh) | 关键点检测方法、装置、电子设备及存储介质 | |
CN111240482A (zh) | 一种特效展示方法及装置 | |
CN111160333A (zh) | Ar眼镜及其文本翻译方法、装置和计算机可读存储介质 | |
CN109558599B (zh) | 一种转换方法、装置和电子设备 | |
CN111401318A (zh) | 动作识别方法及装置 | |
CN111711757B (zh) | 防手指遮挡的试题拍摄方法、装置、电子设备和存储介质 | |
CN112188232A (zh) | 一种视频生成、视频展示方法及装置 | |
CN113469040A (zh) | 一种图像处理方法、装置、计算机设备和存储介质 | |
CN112149680A (zh) | 错字检测识别方法、装置、电子设备及存储介质 | |
CN111078915B (zh) | 一种点读模式下的点读内容获取方法及电子设备 | |
CN106791091B (zh) | 图像生成方法、装置和移动终端 | |
CN111538830A (zh) | 法条检索方法、装置、计算机设备及存储介质 | |
CN111027533B (zh) | 一种点读坐标的变换方法、系统、终端设备及存储介质 | |
CN111638792A (zh) | Ar效果的呈现方法、装置、计算机设备及存储介质 | |
CN111723213A (zh) | 学习数据获取方法及电子设备、计算机可读存储介质 | |
CN111652203A (zh) | 资源推送方法以及装置 | |
CN114708443A (zh) | 截图处理方法及装置、电子设备和计算机可读介质 | |
CN113377980A (zh) | 一种信息标注的方法、装置、电子设备及存储介质 | |
CN109084750B (zh) | 一种导航方法及电子设备 | |
CN113449652A (zh) | 基于生物特征识别的定位方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200911 |
|
RJ01 | Rejection of invention patent application after publication |