CN111667411A - 一种图像传输方法、装置、电子设备及存储介质 - Google Patents
一种图像传输方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111667411A CN111667411A CN202010536689.5A CN202010536689A CN111667411A CN 111667411 A CN111667411 A CN 111667411A CN 202010536689 A CN202010536689 A CN 202010536689A CN 111667411 A CN111667411 A CN 111667411A
- Authority
- CN
- China
- Prior art keywords
- image
- target area
- resolution
- processed
- target
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims description 38
- 238000012795 verification Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 7
- 239000000126 substance Substances 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 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
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及人工智能,提供了一种图像传输方法,应用于电子设备,该方法包括响应客户端发出的图像获取请求,解析所述图像获取请求得到待处理图像及目标区域类型,将所述待处理图像输入预先训练的区域识别模型,根据所述目标区域类型识别出所述待处理图像上的目标区域及非目标区域;对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像;对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像;将所述第一图像及第二图像传输至所述客户端后进行拼接得到完整的目标图像。本发明能够在保证用户重点关注的图像区域的清晰度前提下,提升图像数据传输速度,且减少图像数据占用存储器的内存资源。
Description
技术领域
本发明涉及人工智能,尤其涉及一种图像传输方法、装置、电子设备及存储介质。
背景技术
图像数据的清晰度取决于图像数据本身的分辨率大小,图像数据的分辨率越高,对应的清晰度也会越高。但是图像数据的分辨率高低会影响图像数据在传输过程中的速度快慢,同时也会影响图像数据占用内存资源的大小。
目前为了提升图像数据在传输过程中的速度,大多是将图像数据进行压缩处理,降低图像数据的分辨率后再进行传输。但是采用该方式会造成图像数据的整体画质降低。实际上,用户在大多数时候只会关注图像数据上某个区域是否清晰,对于非重点关注的区域的清晰度要求不高。因此,如何在保证用户重点关注的图像区域的清晰度前提下,提升图像数据传输速度,成为了亟需解决的技术问题。
发明内容
本发明的主要目的在于提供一种图像传输方法、装置、电子设备及存储介质,旨在如何解决在保证用户重点关注的图像区域的清晰度前提下,提升图像数据传输速度的问题。
为实现上述目的,本发明提供的一种图像传输方法,应用于电子设备,该方法包括:
识别步骤:响应客户端发出的图像获取请求,解析所述图像获取请求得到待处理图像及目标区域类型,将所述待处理图像输入预先训练的区域识别模型,根据所述目标区域类型识别出所述待处理图像上的目标区域及非目标区域;
第一处理步骤:对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像;
第二处理步骤:对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像;及
传输步骤:将所述第一图像及第二图像传输至所述客户端后进行拼接得到完整的目标图像。
优选地,所述区域识别模型的训练过程如下:
获取待处理图像样本,在每张所述待处理图像样本中标注出所述目标区域及非目标区域;
将所述待处理图像样本按照预设比例分成训练集和验证集,所述训练集中的图像样本数量大于所述验证集中的图像样本数量;
将所述训练集中的图像样本输入所述目标识别模型进行训练,每隔预设周期使用所述验证集对所述目标识别模型进行验证,利用所述验证集中各张待处理图像样本和对应的目标区域及非目标区域对该目标识别模型的准确率进行验证;及
当验证的准确率大于预设阈值时,结束训练,得到训练完成的所述区域识别模型。
优选地,所述对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像包括:
在所述目标区域的各个像素点之间采用预设插值算法插入预设数量的像素点,得到分辨率大于该目标区域当前分辨率的第一图像。
优选地,所述对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像包括:
将所述非目标区域中的像素点通过低通滤波器进行间隔采样,得到分辨率小于该非目标区域当前分辨率的第二图像。
优选地,所述预设插值算法包括最邻近元法或双线性内插法或三次内插法。
为实现上述目的,本发明还进一步提供一种图像传输装置,所述图像传输装置包括:
识别模块:响应客户端发出的图像获取请求,解析所述图像获取请求得到待处理图像及目标区域类型,将所述待处理图像输入预先训练的区域识别模型,根据所述目标区域类型识别出所述待处理图像上的目标区域及非目标区域;
第一处理模块:对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像;
第二处理模块:对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像;及
传输模块:将所述第一图像及第二图像传输至所述客户端后进行拼接得到完整的目标图像。
优选地,所述区域识别模型的训练过程如下:
获取待处理图像样本,在每张所述待处理图像样本中标注出所述目标区域及非目标区域;
将所述待处理图像样本按照预设比例分成训练集和验证集,所述训练集中的图像样本数量大于所述验证集中的图像样本数量;
将所述训练集中的图像样本输入所述目标识别模型进行训练,每隔预设周期使用所述验证集对所述目标识别模型进行验证,利用所述验证集中各张待处理图像样本和对应的目标区域及非目标区域对该目标识别模型的准确率进行验证;及
当验证的准确率大于预设阈值时,结束训练,得到训练完成的所述区域识别模型。
优选地,所述对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像包括:
在所述目标区域的各个像素点之间采用预设插值算法插入预设数量的像素点,得到分辨率大于该目标区域当前分辨率的第一图像。
为实现上述目的,本发明还进一步提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;及
处理器,执行所述存储器中存储的指令以实现上述所述的图像传输方法。
为实现上述目的,本发明进一步提供一种计算机可读存储介质,所述计算机可读存储介质上存储有数据存储程序,所述数据存储程序可被一个或者多个处理器执行,以实现如上所述的图像传输方法的步骤。
本发明提出的图像传输方法、装置、电子设备及存储介质,通过响应客户端发出的图像获取请求,解析所述图像获取请求得到待处理图像及目标区域类型,将所述待处理图像输入预先训练的区域识别模型,根据所述目标区域类型识别出所述待处理图像上的目标区域及非目标区域,对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像,对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像,将所述第一图像及第二图像传输至所述客户端后进行拼接得到完整的目标图像。本发明能够在保证用户重点关注的图像区域的清晰度前提下,提升图像数据传输速度,减少图像数据占用存储器的内存资源。
附图说明
图1为本发明一实施例提供的实现图像传输方法的电子设备的内部结构示意图;
图2为本发明一实施例提供的图像传输装置的模块示意图;
图3为本发明一实施例提供的图像传输方法的流程示意图。
本发明目的的实现、功能特点及优点将结合实施例,参附图做进一步说明。
具体实施方式
为了使本发明的目的、技术本实施例及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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,在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术本实施例可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术本实施例的结合出现相互矛盾或无法实现时应当认为这种技术本实施例的结合不存在,也不在本发明要求的保护范围之内。
本发明提供一种图像传输方法。参照图1所示,为本发明一实施例提供的图像传输方法的流程示意图。该方法可以由一个装置执行,该装置可以由软件和/或硬件实现。
在本实施例中,图像传输方法包括:
S110,响应客户端发出的图像获取请求,解析所述图像获取请求得到待处理图像及目标区域类型,将所述待处理图像输入预先训练的区域识别模型,根据所述目标区域类型识别出所述待处理图像上的目标区域及非目标区域。
图像数据的清晰度取决于图像数据本身的分辨率大小,图像数据的分辨率越高,对应的清晰度也会越高。但是图像数据的分辨率高低会影响图像数据在传输过程中的速度快慢,同时也会影响图像数据占用内存资源的大小。
目前为了提升图像数据在传输过程中的速度,大多是将图像数据进行压缩处理,降低图像数据的分辨率后再进行传输。但是采用该方式会造成图像数据的整体画质降低。实际上,用户在大多数时候只会关注图像数据上某个区域是否清晰,对于非重点关注的区域的清晰度要求不高。
因此,在本实施例中,通过将图像数据划分成用户重点关注的目标区域,及非重点关注的非目标区域。其中,目标区域的分辨率大于非目标区域的分辨率。
具体地,当用户需要从电子设备1下载图像时,通过客户端(例如手机或电脑)向电子设备1发出图像获取请求,接收到图像获取请求的电子设备1在确定用户需要下载的待处理图像及目标区域类型(例如人物或文字)后,将待处理图像输入预先训练的区域识别模型,根据确定好的目标区域类型识别出待处理图像上的目标区域(例如人物或文字所在区域)及非目标区域(即不是用户重点关注的区域)。
区域识别模型可以通过卷积神经网络模型(Convolutional Neural Network,CNN)训练得到,具体训练过程如下:
获取预设数量(例如10万)的待处理图像样本,在每张所述待处理图像样本中标注出所述目标区域及非目标区域;
将所述待处理图像样本按照预设比例(例如5:1)分成训练集和验证集,所述训练集中的图像样本数量大于所述验证集中的图像样本数量;
将所述训练集中的图像样本输入所述目标识别模型进行训练,每隔预设周期(例如每进行1000次迭代)使用所述验证集对所述目标识别模型进行验证,利用所述验证集中各张待处理图像样本和对应的目标区域及非目标区域对该目标识别模型的准确率进行验证;及
当验证的准确率大于预设阈值(例如85%)时,结束训练,得到训练完成的所述区域识别模型。
S120,对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像。
为了提高目标区域的分辨率,在本实施例中,通过对目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像,保证用户重点关注的图像区域分辨率高于非目标区域的分辨率,凸显用户重点关注的区域。
具体地,通过在目标区域的各个像素点之间采用预设插值算法插入预设数量的像素点,得到分辨率大于该目标区域当前分辨率的第一图像。
预设插值算法可采用最邻近元法或双线性内插法或三次内插法。
S130,对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像。
为了降低非目标区域的分辨率,重点突出并保证目标区域的清晰度,提升图像数据在传输过程中的速度。因此,在本实施例中,通过对非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像,能够在保证用户重点关注的图像区域的清晰度前提下,提升图像数据传输速度,减少图像数据占用存储器的内存资源。
具体地,通过将非目标区域中的像素点利用低通滤波器进行间隔采样,得到分辨率小于该非目标区域当前分辨率的第二图像。
S140,将所述第一图像及第二图像传输至所述客户端后进行拼接得到完整的目标图像。
在本实施例中,分别对待处理图像的目标区域及非目标区域进行处理得到第一图像及第二图像后,将第一图像及第二图像传输至客户端(例如手机或电脑)后进行拼接得到用户重点关注的区域清晰高、整体占用资源小的目标图像。
如图2所示,是本发明图像传输装置100的功能模块图。
本发明所述图像传输装置100可以安装于电子设备中。根据实现的功能,所述图像传输装置100可以包括识别模块110、第一处理模块120、第二处理模块130及传输模块140。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
识别模块110,响应客户端发出的图像获取请求,解析所述图像获取请求得到待处理图像及目标区域类型,将所述待处理图像输入预先训练的区域识别模型,根据所述目标区域类型识别出所述待处理图像上的目标区域及非目标区域。
图像数据的清晰度取决于图像数据本身的分辨率大小,图像数据的分辨率越高,对应的清晰度也会越高。但是图像数据的分辨率高低会影响图像数据在传输过程中的速度快慢,同时也会影响图像数据占用内存资源的大小。
目前为了提升图像数据在传输过程中的速度,大多是将图像数据进行压缩处理,降低图像数据的分辨率后再进行传输。但是采用该方式会造成图像数据的整体画质降低。实际上,用户在大多数时候只会关注图像数据上某个区域是否清晰,对于非重点关注的区域的清晰度要求不高。
因此,在本实施例中,通过将图像数据划分成用户重点关注的目标区域,及非重点关注的非目标区域。其中,目标区域的分辨率大于非目标区域的分辨率。
具体地,在本实施例中,当用户需要从电子设备1下载图像时,通过客户端(例如手机或电脑)向电子设备1发出图像获取请求,接收到图像获取请求的电子设备1在确定用户需要下载的待处理图像及目标区域类型(例如人物或文字)后,将待处理图像输入预先训练的区域识别模型,根据确定好的目标区域类型识别出待处理图像上的目标区域(例如人物或文字所在区域)及非目标区域(即不是用户重点关注的区域)。
区域识别模型可以通过卷积神经网络模型(Convolutional Neural Network,CNN)训练得到,具体训练过程如下:
获取预设数量(例如10万)的待处理图像样本,在每张所述待处理图像样本中标注出所述目标区域及非目标区域;
将所述待处理图像样本按照预设比例(例如5:1)分成训练集和验证集,所述训练集中的图像样本数量大于所述验证集中的图像样本数量;
将所述训练集中的图像样本输入所述目标识别模型进行训练,每隔预设周期(例如每进行1000次迭代)使用所述验证集对所述目标识别模型进行验证,利用所述验证集中各张待处理图像样本和对应的目标区域及非目标区域对该目标识别模型的准确率进行验证;及
当验证的准确率大于预设阈值(例如85%)时,结束训练,得到训练完成的所述区域识别模型。
第一处理模块120,对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像。
为了提高目标区域的分辨率,在本实施例中,通过对目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像,保证用户重点关注的图像区域分辨率高于非目标区域的分辨率,凸显用户重点关注的区域。
具体地,通过在目标区域的各个像素点之间采用预设插值算法插入预设数量的像素点,得到分辨率大于该目标区域当前分辨率的第一图像。
预设插值算法可采用最邻近元法或双线性内插法或三次内插法。
第二处理模块130,对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像。
为了降低非目标区域的分辨率,重点突出并保证目标区域的清晰度,提升图像数据在传输过程中的速度。因此,在本实施例中,通过对非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像,能够在保证用户重点关注的图像区域的清晰度前提下,提升图像数据传输速度,减少图像数据占用存储器的内存资源。。
具体地,通过将非目标区域中的像素点利用低通滤波器进行间隔采样,得到分辨率小于该非目标区域当前分辨率的第二图像。
传输模块140,将所述第一图像及第二图像传输至所述客户端后进行拼接得到完整的目标图像。
在本实施例中,分别对待处理图像的目标区域及非目标区域进行处理得到第一图像及第二图像后,将第一图像及第二图像传输至客户端(例如手机或电脑)后进行拼接得到用户重点关注的区域清晰高、整体占用资源小的目标图像。
如图3所示,是本发明实现图像传输方法的电子设备的结构示意图。
所述电子设备1可以包括处理器12、存储器11和总线,还可以包括存储在所述存储器11中并可在所述处理器12上运行的计算机程序,如数据存储程序10。
其中,所述存储器11至少包括一种类型的可读存储介质,所述计算机可用存储介质可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据区块链节点的使用所创建的数据等。所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如数据存储程序10的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器12在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器12是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如数据存储程序等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器12等之间的连接通信。
图3仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图3示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器12逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,所述电子设备1还可以包括网络接口13,可选地,所述网络接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的数据存储程序10是多个指令的组合,在所述处理器12中运行时,可以实现:
识别步骤:响应客户端发出的图像获取请求,解析所述图像获取请求得到待处理图像及目标区域类型,将所述待处理图像输入预先训练的区域识别模型,根据所述目标区域类型识别出所述待处理图像上的目标区域及非目标区域;
第一处理步骤:对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像;
第二处理步骤:对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像;及
传输步骤:将所述第一图像及第二图像传输至所述客户端后进行拼接得到完整的目标图像。
具体地,所述处理器11对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,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。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块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模块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模块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,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种图像传输方法,应用于电子设备,其特征在于,该方法包括:
识别步骤:响应客户端发出的图像获取请求,解析所述图像获取请求得到待处理图像及目标区域类型,将所述待处理图像输入预先训练的区域识别模型,根据所述目标区域类型识别出所述待处理图像上的目标区域及非目标区域;
第一处理步骤:对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像;
第二处理步骤:对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像;及
传输步骤:将所述第一图像及第二图像传输至所述客户端后进行拼接得到完整的目标图像。
2.如权利要求1所述的图像传输方法,其特征在于,所述区域识别模型的训练过程如下:
获取待处理图像样本,在每张所述待处理图像样本中标注出所述目标区域及非目标区域;
将所述待处理图像样本按照预设比例分成训练集和验证集,所述训练集中的图像样本数量大于所述验证集中的图像样本数量;
将所述训练集中的图像样本输入所述目标识别模型进行训练,每隔预设周期使用所述验证集对所述目标识别模型进行验证,利用所述验证集中各张待处理图像样本和对应的目标区域及非目标区域对该目标识别模型的准确率进行验证;及
当验证的准确率大于预设阈值时,结束训练,得到训练完成的所述区域识别模型。
3.如权利要求1所述的图像传输方法,其特征在于,所述对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像包括:
在所述目标区域的各个像素点之间采用预设插值算法插入预设数量的像素点,得到分辨率大于该目标区域当前分辨率的第一图像。
4.如权利要求1所述的图像传输方法,其特征在于,所述对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像包括:
将所述非目标区域中的像素点通过低通滤波器进行间隔采样,得到分辨率小于该非目标区域当前分辨率的第二图像。
5.如权利要求3所述的图像传输方法,其特征在于,所述预设插值算法包括最邻近元法或双线性内插法或三次内插法。
6.一种图像传输装置,其特征在于,所述图像传输装置包括:
识别模块:响应客户端发出的图像获取请求,解析所述图像获取请求得到待处理图像及目标区域类型,将所述待处理图像输入预先训练的区域识别模型,根据所述目标区域类型识别出所述待处理图像上的目标区域及非目标区域;
第一处理模块:对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像;
第二处理模块:对所述非目标区域进行下采样处理得到分辨率小于该非目标区域当前分辨率的第二图像;及
传输模块:将所述第一图像及第二图像传输至所述客户端后进行拼接得到完整的目标图像。
7.如权利要求6所述的图像传输装置,其特征在于,所述区域识别模型的训练过程如下:
获取待处理图像样本,在每张所述待处理图像样本中标注出所述目标区域及非目标区域;
将所述待处理图像样本按照预设比例分成训练集和验证集,所述训练集中的图像样本数量大于所述验证集中的图像样本数量;
将所述训练集中的图像样本输入所述目标识别模型进行训练,每隔预设周期使用所述验证集对所述目标识别模型进行验证,利用所述验证集中各张待处理图像样本和对应的目标区域及非目标区域对该目标识别模型的准确率进行验证;及
当验证的准确率大于预设阈值时,结束训练,得到训练完成的所述区域识别模型。
8.如权利要求6所述的图像传输装置,其特征在于,所述对所述目标区域进行上采样处理得到分辨率大于该目标区域当前分辨率的第一图像包括:
在所述目标区域的各个像素点之间采用预设插值算法插入预设数量的像素点,得到分辨率大于该目标区域当前分辨率的第一图像。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至5中任一所述的图像传输方法。
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上存储有数据存储程序,所述数据存储程序可被一个或者多个处理器执行,以实现如权利要求1-5中任一项所述的图像传输方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010536689.5A CN111667411A (zh) | 2020-06-12 | 2020-06-12 | 一种图像传输方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010536689.5A CN111667411A (zh) | 2020-06-12 | 2020-06-12 | 一种图像传输方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111667411A true CN111667411A (zh) | 2020-09-15 |
Family
ID=72387380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010536689.5A Pending CN111667411A (zh) | 2020-06-12 | 2020-06-12 | 一种图像传输方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111667411A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114520873A (zh) * | 2021-12-31 | 2022-05-20 | 广州文远知行科技有限公司 | 一种清扫车视频加速方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153519A (zh) * | 2017-04-28 | 2017-09-12 | 北京七鑫易维信息技术有限公司 | 图像传输方法、图像显示方法以及图像处理装置 |
CN108089791A (zh) * | 2017-12-29 | 2018-05-29 | 努比亚技术有限公司 | 屏幕分辨率调整方法、移动终端及计算机可读存储介质 |
CN109804409A (zh) * | 2016-12-26 | 2019-05-24 | 华为技术有限公司 | 图像处理的方法和装置 |
CN110263730A (zh) * | 2019-06-24 | 2019-09-20 | 北京达佳互联信息技术有限公司 | 图像识别方法、装置、电子设备及存储介质 |
CN110298790A (zh) * | 2019-06-28 | 2019-10-01 | 北京金山云网络技术有限公司 | 一种对图像进行超分辨率重建的处理方法及装置 |
CN110572579A (zh) * | 2019-09-30 | 2019-12-13 | 联想(北京)有限公司 | 图像处理方法、装置及电子设备 |
CN110740350A (zh) * | 2019-10-31 | 2020-01-31 | 北京金山云网络技术有限公司 | 图像处理方法、装置、终端设备及计算机可读存储介质 |
-
2020
- 2020-06-12 CN CN202010536689.5A patent/CN111667411A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109804409A (zh) * | 2016-12-26 | 2019-05-24 | 华为技术有限公司 | 图像处理的方法和装置 |
CN107153519A (zh) * | 2017-04-28 | 2017-09-12 | 北京七鑫易维信息技术有限公司 | 图像传输方法、图像显示方法以及图像处理装置 |
CN108089791A (zh) * | 2017-12-29 | 2018-05-29 | 努比亚技术有限公司 | 屏幕分辨率调整方法、移动终端及计算机可读存储介质 |
CN110263730A (zh) * | 2019-06-24 | 2019-09-20 | 北京达佳互联信息技术有限公司 | 图像识别方法、装置、电子设备及存储介质 |
CN110298790A (zh) * | 2019-06-28 | 2019-10-01 | 北京金山云网络技术有限公司 | 一种对图像进行超分辨率重建的处理方法及装置 |
CN110572579A (zh) * | 2019-09-30 | 2019-12-13 | 联想(北京)有限公司 | 图像处理方法、装置及电子设备 |
CN110740350A (zh) * | 2019-10-31 | 2020-01-31 | 北京金山云网络技术有限公司 | 图像处理方法、装置、终端设备及计算机可读存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114520873A (zh) * | 2021-12-31 | 2022-05-20 | 广州文远知行科技有限公司 | 一种清扫车视频加速方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111723727A (zh) | 基于边缘计算的云监控方法、装置、电子设备及存储介质 | |
CN111932482A (zh) | 图像中目标物的检测方法、装置、电子设备及存储介质 | |
CN113095995B (zh) | 网页水印添加方法、装置、电子设备及存储介质 | |
CN112465060A (zh) | 图像中目标物检测方法、装置、电子设备及可读存储介质 | |
CN111932562B (zh) | 基于ct序列的图像识别方法、装置、电子设备及介质 | |
CN111984822A (zh) | 图像生成方法、装置、电子设备及计算机可读存储介质 | |
CN111931729A (zh) | 基于人工智能的行人检测方法、装置、设备及介质 | |
CN114511038A (zh) | 虚假新闻检测方法、装置、电子设备及可读存储介质 | |
CN111985449A (zh) | 救援现场图像的识别方法、装置、设备及计算机介质 | |
CN115471775A (zh) | 基于录屏视频的信息验证方法、装置、设备及存储介质 | |
CN115205225A (zh) | 医学图像识别模型的训练方法、装置、设备及存储介质 | |
CN111681738A (zh) | 基于病理切片扫描和分析一体化方法、装置、设备及介质 | |
CN111667411A (zh) | 一种图像传输方法、装置、电子设备及存储介质 | |
CN111950707B (zh) | 基于行为共现网络的行为预测方法、装置、设备及介质 | |
CN112528984A (zh) | 图像信息抽取方法、装置、电子设备及存储介质 | |
CN115409041B (zh) | 一种非结构化数据提取方法、装置、设备及存储介质 | |
CN113705686B (zh) | 图像分类方法、装置、电子设备及可读存储介质 | |
CN112233194B (zh) | 医学图片优化方法、装置、设备及计算机可读存储介质 | |
CN112905817B (zh) | 基于排序算法的图像检索方法、装置及相关设备 | |
CN113936271A (zh) | 文本识别方法、装置、可读介质及电子设备 | |
CN111523766B (zh) | 驾驶风险评估方法、装置、电子设备及可读存储介质 | |
CN110414326B (zh) | 样本数据处理方法、装置、计算机装置及存储介质 | |
CN113010129A (zh) | 虚拟演播厅全流程多终端板书提取方法和装置 | |
CN113255456A (zh) | 非主动活体检测方法、装置、电子设备及存储介质 | |
CN113343882A (zh) | 人群计数方法、装置、电子设备及存储介质 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200915 |
|
WD01 | Invention patent application deemed withdrawn after publication |