CN111754445A - 隐藏信息的光纤标签的编码解码方法及系统 - Google Patents
隐藏信息的光纤标签的编码解码方法及系统 Download PDFInfo
- Publication number
- CN111754445A CN111754445A CN202010490837.4A CN202010490837A CN111754445A CN 111754445 A CN111754445 A CN 111754445A CN 202010490837 A CN202010490837 A CN 202010490837A CN 111754445 A CN111754445 A CN 111754445A
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- label
- image
- neural network
- decoding
- 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
- 239000013307 optical fiber Substances 0.000 title claims abstract description 152
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 39
- 238000003062 neural network model Methods 0.000 claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 239000000835 fiber Substances 0.000 claims 2
- 238000011176 pooling Methods 0.000 description 17
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06046—Constructional details
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/002—Image coding using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了隐藏信息的光纤标签的编码解码方法，包括：采集光纤的可读标签的图像；将光纤的走向信息转换成数字化编码；分别对可读标签的图像和光纤走向信息的编码进行变换后，输入到对应的卷积神经网络；利用残差网络的连接方式得到合成图像；输出隐藏信息的光纤标签；采集隐藏信息的光纤标签的图像；利用解码神经网络模型对隐藏信息的光纤标签的图像进行处理，输出光纤走向信息的编码；解码得到光纤走向信息；输出光纤走向信息。本发明还公开了采用隐藏信息的光纤标签的编码解码方法的系统。本发明用隐藏了光纤走向信息的光纤标签代替现有标签，通过手机即可获取光纤的走向信息，避免查找光纤配线架确定光纤走向的繁琐过程，省时省力。
Description
技术领域
本发明属于图像编码解码领域，具体涉及隐藏信息的光纤标签的编码解码方法及系统。
背景技术
电力通信机房的光传输设备上有许多光纤，光纤的一端连接在设备上，另一端连接到光纤配线架上，光纤两端都带有可读标签，可读标签上用文字标明了光纤的种类以及收发端在光纤配线架上的位置。光纤配线架上的每一行也设有标签，注明了每一行光纤的走向。通过依次查看光纤配线架上的标签可以得到光纤的具体走向。然而时间久了，受到机房环境如温度、湿度等的影响，标签会出现表面字迹模糊不清的现象，这对光纤的整理工作造成了极大不便。
为了解决标签字迹模糊不易辨认的问题，有的机房将光纤的走向信息编辑成二维码添加到标签上，通过扫码的方式获得信息。这种方式确实能从一定程度上解决问题。但是由于生成的二维码肉眼可见，容易被人为损毁、窜改，导致扫码的结果有偏差或无法扫出任何信息。此外，增加的二维码导致标签面积变大，容易从光纤的端部脱落，使用时带来不便。
发明内容
本发明的目的是解决上述问题，提供一种光纤标签的编码解码方法，将光纤的走向信息进行数字化编码后与光纤的可读标签的图像融合，生成隐藏信息的光纤标签替代现有的可读标签；用户利用手机采集隐藏信息的光纤标签的图像后，经服务器解码出光纤的走向信息后，再通过手机向用户展示光纤的走向信息，避免以往的逐步查找光纤配线架上的对应标签以确定光纤具体走向的繁琐过程。
本发明的技术方案是隐藏信息的光纤标签的编码解码方法，利用编码神经网络模型将光纤的走向信息合成到光纤的可读标签的图像中，生成隐藏信息的光纤标签；利用解码神经网络模型从隐藏信息的光纤标签的图像中解码得到光纤走向信息；编码神经网络模型包括作用于原可读标签图像的第一卷积神经网络、作用于光纤走向信息的第二卷积神经网络以及用于融合标签与信息的第三卷积神经网；解码神经网络模型包括依次连接的3个空间转换-卷积神经网络；所述的编码解码方法包括以下步骤，
步骤1：采集光纤的可读标签的图像，确定当前光纤的走向；
步骤2：将步骤1的光纤的走向信息转换成数字化编码；
步骤3：分别对可读标签的图像和光纤走向信息的编码进行特征提取后，输入到第三卷积神经网络；
步骤3.1：利用第一卷积神经网络对可读标签的图像进行变换后，输入到第三卷积神经网络进行融合；
步骤3.2：利用第二卷积神经网络对光纤走向信息的编码进行变换后，输入到第三卷积神经网络进行融合；
步骤4：利用第三卷积神经网络对可读标签的图像和光纤的走向信息的编码以及原标签图像进行合成，得到合成图像；
步骤5：打印输出步骤4的合成图像，即得隐藏信息的光纤标签；
步骤6：采集隐藏信息的光纤标签的图像；
步骤7：将步骤6采集的图像作为解码网络的输入，依次利用3个连续的空间转换-卷积神经网络对图像进行处理，输出隐藏的光纤走向信息的编码；
步骤8：对隐藏的光纤走向信息的数字化编码进行解码，得到光纤走向信息；
步骤9：输出、显示光纤走向信息。
优选地，所述数字化编码为二进制编码。
优选地，编码神经网络模型的第三卷积神经网络采用残差网络连接方式的卷积神经网络。
进一步地，所述空间转换-卷积神经网络包括依次连接的空间转换网络、卷积神经网络。
采用上述的隐藏信息的光纤标签的编码解码方法的系统，包括服务器以及与服务器通讯连接的打印机、手机，服务器的存储器存储有编码程序和解码程序，所述编码程序被服务器的处理器执行时，实现隐藏信息的光纤标签的编码解码方法的步骤2-4；所述解码程序被服务器的处理器执行时，实现隐藏信息的光纤标签的编码解码方法的步骤7-8；打印机用于打印输出隐藏信息的光纤标签。
手机的存储器存储有应用程序，应用程序被手机的处理器执行时，向用户提供“编码”、“解码”的选择，并根据用户的选择实现以下流程：
步骤1：判断用户的选择，若用户选择“编码”，则执行步骤2-4，若用户选择“解码”，则执行步骤5-6；
步骤2：提示用户将手机的摄像头对准光纤的可读标签，并采集光纤的可读标签的图像；
步骤3：提示用户输入当前光纤的走向信息；
步骤4：与服务器通信，将采集的可读标签的图像和光纤的走向信息发送给服务器，提示用户等待打印机输出隐藏信息的光纤标签，结束；
步骤5：提示用户将手机的摄像头对准隐藏信息的光纤标签，采集光纤标签的图像，并发送给服务器；
步骤6：接收服务器执行解码程序后得到的光纤走向信息，输出显示给用户。
相比现有技术，本发明的有益效果：
1）用隐藏了光纤走向信息的光纤标签代替现有的光纤端部的可读标签，用户通过手机即可获取光纤的走向信息，避免以往的逐步查找光纤配线架上的对应标签以确定光纤具体走向的繁琐过程，提高了光纤走向定位的效率，省时省力；
2）隐藏了光纤走向信息的光纤标签减少了对光纤标签的故意篡改现象；
3）本发明的隐藏信息的光纤标签相对于带二维码的标签，不仅减小了标签的尺寸大小，而且具有更高的安全性和可靠性。
附图说明
下面结合附图和实施例对本发明作进一步说明。
图1为隐藏信息的光纤标签的编码解码方法的流程示意图。
图2为编码神经网络模型的结构示意图。
图3为解码神经网络模型的结构示意图。
图4为光纤的可读标签的示意图。
具体实施方式
隐藏信息的光纤标签的编码解码方法，利用编码神经网络模型将光纤的走向信息合成到光纤的可读标签的图像中，生成隐藏信息的光纤标签；利用解码神经网络模型从隐藏信息的光纤标签的图像中解码得到光纤走向信息；编码神经网络模型包括作用于原可读标签图像的第一卷积神经网络、作用于光纤走向信息的第二卷积神经网络以及融合标签与信息的第三卷积神经网，如图2所示；如图3所示，解码神经网络模型包括3个空间转换-卷积神经网络，空间转换-卷积神经网络包括依次连接的空间转换网络、卷积神经网络。
第一卷积神经网络包括5个卷积模块，每个卷积模块包括1个卷积层和1个池化层，卷积层包含16个3*3大小的卷积核，池化层的池化核大小为2*2，池化层对卷积层的输出特征图做平均池化操作。
第二卷积神经网络包括1个卷积模块，卷积模块包括1个卷积层和1个池化层，卷积层包含3个3*3大小的卷积核，池化层的池化核大小为2*2，池化层对卷积层的输出特征图做平均池化操作。
第三卷积神经网络包括3个卷积模块，每个卷积模块包括1个卷积层和1个池化层，卷积层包含3个3*3大小的卷积核，池化层的池化核大小为2*2，池化层对卷积层的输出特征图做平均池化操作。
解码神经网络模型的空间转换网络包括2个全连接层，解码神经网络模型的卷积神经网络由1个卷积核为3*3的卷积层和1个池化核为2*2的池化层组成，解码神经网络模型的最后1个卷积神经网络还包括1个全连接层。解码神经网络模型的第一个空间转换-卷积神经网络用于对含有隐藏信息的标签图像进行空间变换，第二个空间转换-卷积神经网络、第三个空间转换-卷积神经网络分别用于对输入的特征图进行空间转换。解码神经网络模型的最后一个卷积网络的全连接层用于将走向信息和标签图像分离开。空间转换网络用于处理拍摄角度引起的图像变形，自动校正输出的隐藏信息。
如图1所示，隐藏信息的编码解码方法包括以下步骤，
步骤1：采集光纤的可读标签的图像，确定当前光纤的走向，可读标签如图4所示；
步骤2：将步骤1的光纤的走向信息转换成二进制编码；
步骤3：分别对可读标签的图像和光纤走向信息的编码进行特征提取后，输入到第三卷积神经网络；
步骤3.1：利用第一卷积神经网络对可读标签的图像进行变换后，输入到第三卷积神经网络进行融合；
步骤3.2：利用第二卷积神经网络对光纤走向信息的编码进行变换后，输入到第三卷积神经网络进行融合；
步骤4：利用第三卷积神经网络对可读标签的图像和光纤的走向信息的编码以及原标签图像进行合成，得到合成图像；
步骤5：打印输出步骤4的合成图像，即得隐藏信息的光纤标签；
步骤6：采集隐藏信息的光纤标签的图像；
步骤7：将步骤6采集的图像作为解码网络的输入，依次利用3个连续的空间转换-卷积神经网络对图像进行处理，输出隐藏的光纤走向信息的编码；
步骤8：对隐藏的光纤走向信息的二进制编码进行解码，得到光纤走向信息；
步骤9：输出、显示光纤走向信息。
采用上述的隐藏信息的光纤标签的编码解码方法的系统，包括服务器以及与服务器经无线网络通讯连接的打印机、手机，服务器的存储器存储有编码程序和解码程序，所述编码程序被服务器的处理器执行时，实现隐藏信息的光纤标签的编码解码方法的步骤2-4；所述解码程序被服务器的处理器执行时，实现隐藏信息的光纤标签的编码解码方法的步骤7-8；打印机用于打印输出隐藏信息的光纤标签。
手机的存储器存储有应用程序，应用程序被手机的处理器执行时，向用户提供“编码”、“解码”的选择，并根据用户的选择执行以下步骤：
步骤1：判断用户的选择，若用户选择“编码”，则执行步骤2-4，若用户选择“解码”，则执行步骤5-6；
步骤2：提示用户将手机的摄像头对准光纤的可读标签，并采集光纤的可读标签的图像；
步骤3：提示用户输入当前光纤的走向信息；
步骤4：与服务器通信，将采集的可读标签的图像和光纤的走向信息发送给服务器，提示用户等待打印机输出隐藏信息的光纤标签，结束；
步骤5：提示用户将手机的摄像头对准隐藏信息的光纤标签，采集光纤标签的图像，并发送给服务器；
步骤6：接收服务器执行解码程序后得到的光纤走向信息，输出显示给用户。
实施结果表明，隐藏信息的光纤标签的使用减少了机房的光纤标签的数量，一定程度上减少了对光纤标签的故意篡改的现象，实用性好。
Claims (5)
1.隐藏信息的光纤标签的编码解码方法，其特征在于，利用编码神经网络模型将光纤的走向信息合成到光纤的可读标签的图像中，生成隐藏信息的光纤标签；利用解码神经网络模型从隐藏信息的光纤标签的图像中解码得到光纤走向信息；
编码神经网络模型包括第一卷积神经网络、第二卷积神经网络以及用于融合标签和走向信息的第三卷积神经网络；解码神经网络模型包括依次连接的多个空间转换-卷积神经网络；
所述编码解码方法包括以下步骤，
步骤1：采集光纤的可读标签的图像，确定当前光纤的走向；
步骤2：将步骤1的光纤的走向信息转换成数字化编码；
步骤3：分别对可读标签的图像和光纤走向信息的编码进行特征提取后，输入到第三卷积神经网络；
步骤3.1：利用第一卷积神经网络对可读标签的图像进行变换后，输入到第三卷积神经网络进行融合；
步骤3.2：利用第二卷积神经网络对光纤走向信息的编码进行变换后，输入到第三卷积神经网络进行融合；
步骤4：利用第三卷积神经网络对可读标签的图像和光纤的走向信息的编码以及原标签图像进行合成，得到合成图像；
步骤5：打印输出步骤4的合成图像，即得隐藏信息的光纤标签；
步骤6：采集隐藏信息的光纤标签的图像；
步骤7：利用解码神经网络模型对骤6采集的图像进行处理，输出隐藏的光纤走向信息的编码；
步骤8：对隐藏的光纤走向信息的数字化编码进行解码，得到光纤走向信息；
步骤9：输出、显示光纤走向信息。
2.根据权利要求1所述的隐藏信息的光纤标签的编码解码方法，其特征在于，所述数字化编码为二进制编码。
3.根据权利要求1所述的隐藏信息的光纤标签的编码解码方法，其特征在于，编码神经网络模型的第三卷积神经网络采用残差网络连接方式的卷积神经网络。
4.根据权利要求1所述的隐藏信息的光纤标签的编码解码方法，其特征在于，所述空间转换-卷积神经网络包括依次连接的空间转换网络、卷积神经网络。
5.采用权利要求1-4任意一项所述的光纤标签的编码解码方法的系统，其特征在于，包括服务器以及与服务器通讯连接的打印机、手机，
服务器的存储器存储有编码程序和解码程序，所述编码程序被服务器的处理器执行时，实现隐藏信息的光纤标签的编码解码方法的步骤2-4；所述解码程序被服务器的处理器执行时，实现隐藏信息的光纤标签的编码解码方法的步骤7-8；
打印机用于打印输出隐藏信息的光纤标签；
手机的存储器存储有应用程序，应用程序被手机的处理器执行时，向用户提供“编码”、“解码”的选择，并根据用户的选择执行以下步骤：
步骤1：判断用户的选择，若用户选择“编码”，则执行步骤2-4，若用户选择“解码”，则执行步骤5-6；
步骤2：提示用户将手机的摄像头对准光纤的可读标签，并采集光纤的可读标签的图像；
步骤3：提示用户输入当前光纤的走向信息；
步骤4：与服务器通信，将采集的可读标签的图像和光纤的走向信息发送给服务器，提示用户等待打印机输出隐藏信息的光纤标签，结束；
步骤5：提示用户将手机的摄像头对准隐藏信息的光纤标签，采集光纤标签的图像，并发送给服务器；
步骤6：接收服务器执行解码程序后得到的光纤走向信息，输出显示给用户。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010490837.4A CN111754445B (zh) | 2020-06-02 | 2020-06-02 | 隐藏信息的光纤标签的编码解码方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010490837.4A CN111754445B (zh) | 2020-06-02 | 2020-06-02 | 隐藏信息的光纤标签的编码解码方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111754445A true CN111754445A (zh) | 2020-10-09 |
| CN111754445B CN111754445B (zh) | 2022-03-18 |
Family
ID=72674368
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010490837.4A Active CN111754445B (zh) | 2020-06-02 | 2020-06-02 | 隐藏信息的光纤标签的编码解码方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111754445B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112417919A (zh) * | 2020-11-18 | 2021-02-26 | 珠海格力电器股份有限公司 | 一种防伪二维码的检测识别方法及系统、存储介质 |
| CN114615499A (zh) * | 2022-05-07 | 2022-06-10 | 北京邮电大学 | 一种面向图像传输的语义光通信系统和方法 |
| CN116776901A (zh) * | 2023-08-25 | 2023-09-19 | 深圳市爱德泰科技有限公司 | 一种应用于电力通信机房的光纤配线架标签管理系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030043191A1 (en) * | 2001-08-17 | 2003-03-06 | David Tinsley | Systems and methods for displaying a graphical user interface |
| CN1661627A (zh) * | 2004-02-27 | 2005-08-31 | 微软公司 | 具有随机出现特征的防假冒和防篡改标签 |
| US20060064716A1 (en) * | 2000-07-24 | 2006-03-23 | Vivcom, Inc. | Techniques for navigating multiple video streams |
| CN106971213A (zh) * | 2016-01-13 | 2017-07-21 | 王硕腾 | 二维条码的编码方法、解码方法与电子装置 |
| US20170230533A1 (en) * | 2015-03-20 | 2017-08-10 | Digimarc Corporation | Sparse modulation for robust signaling and synchronization |
| CN110009598A (zh) * | 2018-11-26 | 2019-07-12 | 腾讯科技（深圳）有限公司 | 用于图像分割的方法和图像分割设备 |
| US20190273948A1 (en) * | 2019-01-08 | 2019-09-05 | Intel Corporation | Method and system of neural network loop filtering for video coding |
| CN110648294A (zh) * | 2019-09-19 | 2020-01-03 | 北京百度网讯科技有限公司 | 图像修复方法、装置及电子设备 |
| CN110674673A (zh) * | 2019-07-31 | 2020-01-10 | 国家计算机网络与信息安全管理中心 | 一种关键视频帧抽取方法、装置和存储介质 |
| CN110738168A (zh) * | 2019-10-14 | 2020-01-31 | 长安大学 | 一种基于堆叠卷积自编码器的分布式应变微小裂缝检测系统及方法 |
| CN110782047A (zh) * | 2019-10-25 | 2020-02-11 | 小波科技有限公司 | 一种智能标签系统 |
| US20200120324A1 (en) * | 2018-10-15 | 2020-04-16 | City University Of Hong Kong | Convolutional neural network based synthesized view quality enhancement for video coding |
-
2020
- 2020-06-02 CN CN202010490837.4A patent/CN111754445B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060064716A1 (en) * | 2000-07-24 | 2006-03-23 | Vivcom, Inc. | Techniques for navigating multiple video streams |
| US20030043191A1 (en) * | 2001-08-17 | 2003-03-06 | David Tinsley | Systems and methods for displaying a graphical user interface |
| CN1661627A (zh) * | 2004-02-27 | 2005-08-31 | 微软公司 | 具有随机出现特征的防假冒和防篡改标签 |
| US20170230533A1 (en) * | 2015-03-20 | 2017-08-10 | Digimarc Corporation | Sparse modulation for robust signaling and synchronization |
| CN106971213A (zh) * | 2016-01-13 | 2017-07-21 | 王硕腾 | 二维条码的编码方法、解码方法与电子装置 |
| US20200120324A1 (en) * | 2018-10-15 | 2020-04-16 | City University Of Hong Kong | Convolutional neural network based synthesized view quality enhancement for video coding |
| CN110009598A (zh) * | 2018-11-26 | 2019-07-12 | 腾讯科技（深圳）有限公司 | 用于图像分割的方法和图像分割设备 |
| US20190273948A1 (en) * | 2019-01-08 | 2019-09-05 | Intel Corporation | Method and system of neural network loop filtering for video coding |
| CN110674673A (zh) * | 2019-07-31 | 2020-01-10 | 国家计算机网络与信息安全管理中心 | 一种关键视频帧抽取方法、装置和存储介质 |
| CN110648294A (zh) * | 2019-09-19 | 2020-01-03 | 北京百度网讯科技有限公司 | 图像修复方法、装置及电子设备 |
| CN110738168A (zh) * | 2019-10-14 | 2020-01-31 | 长安大学 | 一种基于堆叠卷积自编码器的分布式应变微小裂缝检测系统及方法 |
| CN110782047A (zh) * | 2019-10-25 | 2020-02-11 | 小波科技有限公司 | 一种智能标签系统 |
Non-Patent Citations (2)
| Title |
|---|
| CHONGFU ZHANG等: "ALL-optical recognition method of double two-dimensional optical orthogonal codes based labels using four-wave mixing", 《OPTICS EXPRESS》 * |
| 张雯: "基于物联网应用的二维码标签智能化管理系统", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112417919A (zh) * | 2020-11-18 | 2021-02-26 | 珠海格力电器股份有限公司 | 一种防伪二维码的检测识别方法及系统、存储介质 |
| CN114615499A (zh) * | 2022-05-07 | 2022-06-10 | 北京邮电大学 | 一种面向图像传输的语义光通信系统和方法 |
| CN114615499B (zh) * | 2022-05-07 | 2022-09-16 | 北京邮电大学 | 一种面向图像传输的语义光通信系统和方法 |
| CN116776901A (zh) * | 2023-08-25 | 2023-09-19 | 深圳市爱德泰科技有限公司 | 一种应用于电力通信机房的光纤配线架标签管理系统 |
| CN116776901B (zh) * | 2023-08-25 | 2024-04-30 | 深圳市爱德泰科技有限公司 | 一种应用于电力通信机房的光纤配线架标签管理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111754445B (zh) | 2022-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111754445B (zh) | 隐藏信息的光纤标签的编码解码方法及系统 | |
| CN112288074A (zh) | 图像识别网络生成方法及装置、存储介质及电子设备 | |
| JPH04333994A (ja) | 英数字情報を文書イメージ情報とともに伝送するための方法及び装置 | |
| CN103632179B (zh) | 三维条码的编码和解码方法及装置 | |
| CN116978011B (zh) | 一种用于智能目标识别的图像语义通信方法及系统 | |
| CN114972944B (zh) | 视觉问答模型的训练方法及装置、问答方法、介质、设备 | |
| CN115529357A (zh) | 基于mes互通互联生产数据的更新异常匹配方法 | |
| CN115188000A (zh) | 基于ocr的文本识别方法、装置、存储介质及电子设备 | |
| CN111507119B (zh) | 标识码识别方法、装置、电子设备及计算机可读存储介质 | |
| CN114581920A (zh) | 一种双分支多层次特征解码的分子图像识别方法 | |
| CN112053287B (zh) | 图像超分辨率方法、装置及设备 | |
| CN115331083B (zh) | 基于逐步密集特征融合去雨网络的图像去雨方法及系统 | |
| RU97199U1 (ru) | Система, мобильное устройство и считывающее устройство для передачи текстовой информации с помощью графических изображений | |
| CN108805894A (zh) | 图像分析方法及其系统 | |
| CN115115819A (zh) | 面向装配顺序监测的图像多视角语义变化检测网络及方法 | |
| CN113627243A (zh) | 一种文本识别方法及相关装置 | |
| CN105959121A (zh) | 一种具有身份验证功能的移动终端 | |
| CN113065406B (zh) | 一种基于编解码结构识别发票文本的报账智能平台 | |
| CN109255415A (zh) | 四维码及其识别方法、识别装置和服务器 | |
| CN103345779A (zh) | 一种智能手机二维码签到系统及方法 | |
| CN113111675B (zh) | 一种基于扫码器的快速识别条码的方法及系统 | |
| CN117238020B (zh) | 人脸识别方法、装置和计算机设备 | |
| CN118333099B (zh) | 一种多模态共享神经元网络模型构建方法及装置 | |
| CN116110056B (zh) | 信息抽取方法及装置、电子设备和存储介质 | |
| CN117938957B (zh) | 基于联邦深度学习的边缘缓存优化方法 |
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 |