CN111783561A - 审图结果修正方法、电子设备及相关产品 - Google Patents
审图结果修正方法、电子设备及相关产品 Download PDFInfo
- Publication number
- CN111783561A CN111783561A CN202010538391.8A CN202010538391A CN111783561A CN 111783561 A CN111783561 A CN 111783561A CN 202010538391 A CN202010538391 A CN 202010538391A CN 111783561 A CN111783561 A CN 111783561A
- Authority
- CN
- China
- Prior art keywords
- target
- examination result
- information
- preliminary
- result
- 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 46
- 238000012937 correction Methods 0.000 title claims description 9
- 230000002159 abnormal effect Effects 0.000 claims abstract description 64
- 238000013507 mapping Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 13
- 230000000694 effects Effects 0.000 abstract description 2
- 238000013441 quality evaluation Methods 0.000 description 23
- 238000003062 neural network model Methods 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/42—Document-oriented image-based pattern recognition based on the type of document
- G06V30/422—Technical drawings; Geographical maps
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例公开了一种审图结果修正方法、电子设备及相关产品,应用于电子设备,所述方法包括:获取初步审图结果,所述初步审图结果为所述电子设备对目标BIM进行审图的结果;确定所述初步审图结果中的目标异常信息;对所述目标异常信息进行修正,得到目标审图结果。采用本申请实施例能够识别出初步审图结果中的异常信息,并对异常信息进行修正,得到修正后的审图结果,能够提升审图效果,以及提升审图结果准确性。
Description
技术领域
本申请涉及BIM技术领域,具体涉及一种审图结果修正方法、电子设备及相关产品。
背景技术
建筑信息模型(Building Information Modeling)是建筑学、工程学及土木工程的新工具。建筑信息模型或建筑资讯模型一词由Autodesk所创的。它是来形容那些以三维图形为主、物件导向、建筑学有关的电脑辅助设计。当初这个概念是由Jerry Laiserin把Autodesk、奔特力系统软件公司、Graphisoft所提供的技术向公众推广。BIM在建筑工程领域得到广泛应用,但是,实现项目中,还需要对BIM模型进行审图,通过情况下,采用AI自动审图,但是,AI自动审图不能充分保证审图的正确性,容易出现一些错误,但是用户矫正的时候不太方便且低效。
发明内容
本申请实施例提供了一种审图结果修正方法、电子设备及相关产品,能够审图效率以及提升审图准确性。
第一方面,本申请实施例提供一种审图结果修正方法,应用于电子设备,所述方法包括:
获取初步审图结果,所述初步审图结果为所述电子设备对目标BIM进行审图的结果;
确定所述初步审图结果中的目标异常信息;
对所述目标异常信息进行修正,得到目标审图结果。
第二方面,本申请实施例提供一种审图结果修正装置,应用于电子设备,所述装置包括:获取单元、确定单元和修正单元,其中,
所述获取单元,用于获取初步审图结果,所述初步审图结果为所述电子设备对目标BIM进行审图的结果;
所述确定单元,用于确定所述初步审图结果中的目标异常信息;
所述修正单元,用于对所述目标异常信息进行修正,得到目标审图结果。
第三方面,本申请实施例提供了一种电子设备,包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,上述程序包括用于执行本申请实施例第一方面中的步骤的指令。
第四方面,本申请实施例提供了一种计算机可读存储介质,其中,上述计算机可读存储介质存储用于电子数据交换的计算机程序,其中,上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
第五方面,本申请实施例提供了一种计算机程序产品,其中,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
实施本申请实施例,具备如下有益效果:
可以看出,本申请实施例中所描述的审图结果修正方法、电子设备及相关产品,应用于电子设备,获取初步审图结果,该初步审图结果为电子设备对目标BIM进行审图的结果,确定初步审图结果中的目标异常信息,对目标异常信息进行修正,得到目标审图结果,如此,可以识别出初步审图结果中的异常信息,并对异常信息进行修正,得到修正后的审图结果,能够提升审图效果,以及提升审图结果准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1是本申请实施例提供的一种审图结果修正方法的流程示意图;
图2是本申请实施例提供的另一种审图结果修正方法的流程示意图;
图3是本申请实施例提供的一种电子设备的结构示意图;
图4是本申请实施例提供的一种审图结果修正装置的功能单元组成框图。
具体实施方式
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例所描述电子设备可以包括智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、视频矩阵、监控平台、移动互联网设备(MID,Mobile Internet Devices)或穿戴式设备等,上述仅是举例,而非穷举,包含但不限于上述装置,当然,上述电子设备还可以为服务器,例如,云服务器。
下面对本申请实施例进行详细介绍。
图1是本申请实施例提供的一种审图结果修正方法的流程示意图,如图所示,本审图结果修正方法包括:
101、获取初步审图结果,所述初步审图结果为所述电子设备对目标BIM进行审图的结果。
其中,本申请实施例中,目标BIM可以为针对建筑项目的BIM模型,具体可以应用于CAD场景或者其他作图工具场景,在此不做限定,BIM模型可以由人工基于CAD软件制作而成,或者,也可以由扫描的建筑图纸生成。电子设备可以将CAD建筑图纸导入到建筑信息化模型(Building Information Modeling,BIM)模型软件。本申请实施例中,建筑项目可以为以下至少一种:机场、火车站、汽车站、写字楼、居民楼、医院、博物馆、旅游景区、教堂、学校、公园等等,在此不做限定。
另外,初步审图结果可以为人工审图结果,或者,也可以为由电子设备依据审图算法得出的初步审图结果,即AI审图结果,上述初步审图结果可以为BIM模型的部分或者全部审图结果,例如,可以是一个构件的审图结果,又例如,可以为BIM模型的一层的审图结果,初步审图结果可以为基于用户需求对一定范围内的BIM进行审图操作,得到的审图结果。具体实现中,电子设备可以获取初步审图结果,该初步审图结果可以为电子设备对目标BIM进行审图的结果。
在一个可能的示例中,上述步骤101,获取初步审图结果,可以包括如下步骤:
11、对所述目标BIM进行特征提取,得到特征集;
12、将所述特征集输入到预设神经网络模型,得到所述初步审图结果。
其中,特征集可以为以下至少一种:构件属性参数、结构关系参数、特征点、特征轮廓等等,在此不做限定。构件属性参数可以为以下至少一种:构件类型、构件位置、构件尺寸、构件材质、预算、工期等等,在此不做限定。结构关系参数可以理解为不同构件之间的空间位置关系。预设神经网络模型可以预先设置或者系统默认,其可以为已经训练好的模型,预设神经网络模型可以为以下至少一种:卷积神经网络模型、全连接神经网络模型、脉冲神经网络模型和循环神经网络模型等等,在此不做限定。预设神经网络模型可以实现将不同的BIM的特征集输入到最初的神经网络模型进行训练,得到审图结果,并利用该审图结果优化最初的神经网络模型的模型参数,最后收敛的神经网络模型即为预设神经网络模型。当然,预设神经网络模型还可以为级联型神经网络模型。
具体实现中,电子设备可以对目标BIM进行特征提取,得到特征集,并将特征集输入到预设神经网络模型,得到初步审图结果,进而,可以实现AI审图,提升审图效率。
102、确定所述初步审图结果中的目标异常信息。
其中,本申请实施例中,异常信息可以为以下至少一种:错误信息、重复信息、不完整信息、歧义信息等等,在此不做限定。具体实现中,电子设备可以通过人机互动方式确定初步审图结果中的目标异常信息,或者,电子设备也可以调用相应算法确定初步审图结果对应的目标异常信息。具体实现中,目标异常信息可以在显示屏上凸显出来,具体凸显方式可以为以下至少一种:高亮显示、专门区域进行显示,特定指示符号(箭头、圆圈等)进行显示。
在一个可能的示例中,上述步骤102,确定所述初步审图结果中的目标异常信息,可以包括如下步骤:
A21、将所述初步审图结果对应的信息划分为多个类别,每一类别对应一出错概率;
A22、获取所述多个类别的出错概率,得到多个出错概率;
A23、从所述多个出错概率中大于预设阈值的出错概率,得到至少一个目标出错概率,并获取该至少一个目标出错概率对应的目标信息;
A24、对所述目标信息进行排除,得到所述目标异常信息。
其中,预设阈值可以由用户自行设置或者系统默认。
具体实现中,电子设备可以将初步审图结果对应的信息划分为多个类别,每一类别对应一出错概率,具体地,可以为一种构件对应一个类别,出错概率可以为经验值。进而,电子设备可以获取多个类别的出错概率,得到多个出错概率,可以从多个出错概率中大于预设阈值的出错概率,得到至少一个目标出错概率,并获取该至少一个目标出错概率对应的目标信息,对目标信息进行排除,排除相当于去除正确的信息,得到目标异常信息,目标异常信息则是需要被修正的信息。
进一步地,本申请实施例,还可以包括如下步骤:
B1、获取所述目标BIM对应的目标重要等级;
B2、按照预设的重要等级与阈值之间的映射关系,确定所述目标重要等级对应的所述预设阈值,其中,重要等级越高,则阈值越小,重要等级越低,则阈值越大。
其中,不同的项目对应不同的重要等级,重要等级越高,则要求审图越严格,电子设备中可以预先存储预设的重要等级与阈值之间的映射关系。具体实现中,电子设备可以获取目标BIM对应的目标重要等级,并按照预设的重要等级与阈值之间的映射关系,确定目标重要等级对应的预设阈值,其中,重要等级越高,则阈值越小,重要等级越低,则阈值越大,如此,可以依据项目重要性设置不同的阈值,有助于提升审图精准度。
在一个可能的示例中,上述步骤102,确定所述初步审图结果中的目标异常信息,可以包括如下步骤:
C21、获取针对所述初步审图结果中的内容的标记指令;
C22、将所述标记指令所标记的内容作为所述目标异常信息。
其中,标记指令可以由用户进行标记动作触发,标记指令可以由语音、触控操作、鼠标或者键盘触发。
具体实现中,电子设备可以获取针对初步审图结果中的内容的标记指令,进而,可以将标记指令所标记的内容作为目标异常信息,如此,可以实现人工标记,得到目标异常信息。
103、对所述目标异常信息进行修正,得到目标审图结果。
具体实现中,电子设备可以人工对目标异常信息进行修改,或者,电子设备也可以通过设备自身的算法对目标异常信息进行修正,得到目标审图结果,目标审图结果的正确率高于初步审图结果的正确率。
在一个可能的示例中,上述步骤103,对所述目标异常信息进行修正,得到目标审图结果,可以包括如下步骤:
31、获取所述目标异常信息对应的位置的目标属性信息;
32、按照预设的属性信息与参考信息之间的映射关系,确定所述目标属性信息对应的目标参考信息;
33、依据所述目标参考信息对所述目标异常信息进行修正,得到所述目标审图结果。
其中,本申请实施例中,属性信息可以为以下至少一种:位置、构件类型、优先级、尺寸、材质、用途、预算、运输成本、工期等等,在此不做限定。不同的属性信息可以对应不同的参考信息,电子设备中可以预先存储预设的属性信息与参考信息之间的映射关系,参考信息可以为以下至少一种:位置、构件类型、优先级、尺寸、材质、用途、预算、运输成本、工期等等,在此不做限定,参考信息可以为经验值。
具体实现中,电子设备可以获取目标异常信息对应的位置的目标属性信息,进而,可以按照预设的属性信息与参考信息之间的映射关系,确定目标属性信息对应的目标参考信息,并且依据目标参考信息对目标异常信息进行修正,得到目标审图结果,如此,可以依据不同异常信息对应的属性信息对该异常信息进行修正,提升了修正效率,能够快速提升审图质量,保证BIM项目的准确性和管理效率。
举例说明下,针对,AI自动审图不能充分保证审图的正确性,容易出现一些错误,但是用户矫正的时候不太方便且低效。本申请实施例中,能够在AI审图得出结果后,可以方便用户查看审图结果,并可以对AI审图后出现的结果进行校验和进一步操作,例如,可以对于AI审图结果中的问题、问题位置进行删除、编辑或者新增人工的审图结果,如此,可基于AI审图结果进行编辑动作,以对于最终结果进行人机结合的修正,得到用户所满意的效果。
进一步地,上述步骤31,获取所述目标异常信息对应的位置的目标属性信息,可以包括如下步骤:
311、确定所述目标异常信息对应的位置的预设范围内的目标区域图像,并对所述目标区域图像进行物体识别,得到目标物体,对所述目标物体进行图像分割得到目标区域;
312、对所述目标区域进行轮廓提取,得到第一轮廓;
313、对所述目标区域进行特征点提取,得到第一特征点集;
314、将所述第一轮廓与预设模板i的第二轮廓进行匹配,得到第一匹配值,所述预设模板i为预设物体模板集中的任一模板;
315、将所述第一特征点集与所述预设模板i的第二特征点集进行匹配,得到第二匹配值;
316、在所述第一匹配值大于第一匹配阈值且所述第二匹配值大于第二匹配阈值时,确定所述目标区域的目标图像质量评价值;
317、按照预设的图像质量评价值与权值对之间的映射关系,确定所述目标图像质量评价值对应的目标权值对,所述目标权值对包括目标第一权值和目标第二权值;
318、依据所述第一匹配值、所述第二匹配值、所述目标第一权值和所述目标第二权值进行加权运算,得到目标匹配值;
319、在所述目标匹配值大于第三预设阈值时,将所述预设模板i对应的标识作为所述目标物体的目标物体标识;
320、确定所述目标区域的三维属性;
321、获取所述目标物体标识对应的基本属性信息;
322、依据所述三维属性以及所述基本属性信息确定所述目标物体的所述目标属性信息。
具体实现中,预设范围可以由用户自行设置或者系统默认,电子设备中可以预先存储预设物体模板集,该预设物体模板集中包括多个物体的模板,每一模板对应一个物体标识。第一匹配阈值、第二匹配阈值和第三匹配阈值均可以由用户自行设置或者系统默认。
其中,电子设备可以确定目标异常信息对应的位置的预设范围内的目标区域图像,并对目标区域图像进行物体识别,得到目标物体,对目标物体进行图像分割得到目标区域。
进一步地,对目标区域进行轮廓提取,得到第一轮廓,轮廓提取算法可以为以下至少一种:霍夫变换、canny算子、sobel算子、prewitt算子等等,在此不做限定,以及可以对目标区域进行特征点提取,得到第一特征点集,特征点提取算法可以为以下至少一种:harris角点检测、尺度不变特征变换(scale invariant feature transform,SIFT)、拉普拉斯变换、小波变换、轮廓波变换、剪切波变换等等,在此不做限定。
进一步地,以预设模板i为例,预设模板i为预设物体模板集中的任一模板,电子设备可以将第一轮廓与预设模板i的第二轮廓进行匹配,得到第一匹配值,将第一特征点集与预设模板i的第二特征点集进行匹配,得到第二匹配值,在第一匹配值大于第一匹配阈值且第二匹配值大于第二匹配阈值时,确定目标区域的目标图像质量评价值,具体可以采用至少一个图像质量评价指标对目标区域进行图像质量评价,图像质量评价指标可以为以下至少一种:信息熵、清晰度、平均灰度等等,在此不做限定。电子设备中还可以预先存储预设的图像质量评价值与权值对之间的映射关系,权值对可以包括第一权值和第二权值,且第一权值、第二权值均处于0~1,第一权值+第二权值=1。
进而,电子设备可以按照预设的图像质量评价值与权值对之间的映射关系,确定目标图像质量评价值对应的目标权值对,目标权值对包括目标第一权值和目标第二权值,则可以依据第一匹配值、第二匹配值、目标第一权值和目标第二权值进行加权运算,得到目标匹配值,具体如下:
目标匹配值=目标第一权值*第一匹配值+目标第二权值*第二匹配值
进一步地,在目标匹配值大于第三预设阈值时,将预设模板i对应的标识作为目标物体的目标物体标识,否则,则可以预设物体模板集中继续寻找与目标区域对应的标识。
进一步地,电子设备可以确定目标区域的三维属性,三维属性可以为长、宽、高,具体可以通过三维建模实现,并获取目标区域的三维模型的相关参数,进而,电子设备可以获取目标物体标识对应的基本属性信息,基本属性信息可以为以下至少一种:密度、化学属性、物理属性等等,在此不做限定,最后,可以依据三维属性以及基本属性信息确定目标物体的目标属性信息。
进一步地,在一个可能的示例中,上述步骤314,将所述第一轮廓与预设模板i的第二轮廓进行匹配,得到第一匹配值,可以包括如下步骤:
3141、对所述第一轮廓进行二值化处理,得到二值化第一轮廓;
3142、对所述二值化第一轮廓划分为多个区域;
3143、将所述二值化第一轮廓进行特征点提取,得到多个特征点;
3144、依据所述多个特征点确定所述多个区域中每一区域对应的特征点分布密度,得到多个特征点分布密度;
3145、依据所述多个特征点分布密度确定目标均方差;
3146、按照预设的均方差与图像质量评价值之间的映射关系,确定所述目标均方差对应的目标图像质量评价值;
3147、在所述目标图像质量评价值小于所述预设图像质量评价值时,对所述第一轮廓进行图像增强处理,将图像增强处理后的所述第一轮廓与所述预设模板i的第二轮廓进行匹配,得到第一匹配值。
其中,上述预设阈值、预设图像质量评价值均可以由用户自行设置或者系统默认。
具体实现中,电子设备可以对目标区域进行二值化处理,得到二值化第一轮廓,对二值化第一轮廓划分为多个区域,将二值化第一轮廓进行特征点提取,得到多个特征点,特征点提取算法可以参照上述描述,在此不做限定。
进一步地,本申请实施例中,多个区域的面积可以相等或者不等,电子设备可以依据多个特征点确定多个区域中每一区域对应的特征点分布密度,得到多个特征点分布密度,特征点分布密度=一个区域内的特征点总数量/该区域的面积,可以依据该多个特征点分布密度确定目标均方差,均方差计算公式即可以实现,电子设备中可以预先存储预设的均方差与图像质量评价值之间的映射关系,按照预设的均方差与图像质量评价值之间的映射关系,确定目标均方差对应的目标图像质量评价值,当然均方差越小,则图像质量评价值越大,在目标图像质量评价值大于或等于预设图像质量评价值时,直接将该第一轮廓与预设模板i的第二轮廓进行匹配。进一步地,在目标图像质量评价值小于预设图像质量评价值时,可以对第一轮廓进行图像增强处理,将图像增强处理后的第一轮廓与预设模板i的第二轮廓进行匹配,得到第一匹配值。本申请实施例中,图像增强处理相应的算法可以为以下至少一种:拉普拉斯、直方图均衡化、Gamma算法、LOG算法等等,在此不做限定。
可以看出,本申请实施例中所描述的审图结果修正方法,应用于电子设备,获取初步审图结果,该初步审图结果为电子设备对目标BIM进行审图的结果,确定初步审图结果中的目标异常信息,对目标异常信息进行修正,得到目标审图结果,如此,可以识别出初步审图结果中的异常信息,并对异常信息进行修正,得到修正后的审图结果,能够提升审图效果,以及提升审图结果准确性。
与上述图1所示的实施例一致地,请参阅图2,图2是本申请实施例提供的一种审图结果修正方法的流程示意图,如图所示,应用于电子设备,本审图结果修正方法包括:
201、获取初步审图结果,所述初步审图结果为所述电子设备对目标BIM进行审图的结果。
202、确定所述初步审图结果中的目标异常信息。
203、获取所述目标异常信息对应的位置的目标属性信息。
204、按照预设的属性信息与参考信息之间的映射关系,确定所述目标属性信息对应的目标参考信息。
205、依据所述目标参考信息对所述目标异常信息进行修正,得到所述目标审图结果。
其中,上述步骤201-步骤205的具体描述可以参照上述图1所描述的审图结果修正方法的相应步骤,在此不再赘述。
可以看出,本申请实施例中所描述的审图结果修正方法,应用于电子设备,获取初步审图结果,该初步审图结果为电子设备对目标BIM进行审图的结果,确定初步审图结果中的目标异常信息,获取目标异常信息对应的位置的目标属性信息,按照预设的属性信息与参考信息之间的映射关系,确定目标属性信息对应的目标参考信息,依据目标参考信息对所述目标异常信息进行修正,得到目标审图结果,如此,可以识别出初步审图结果中的异常信息,并依据异常信息位置对应的属性信息相应的参考信息对异常信息进行修正,得到修正后的审图结果,能够提升审图效果,以及提升审图结果准确性。
与上述实施例一致地,请参阅图3,图3是本申请实施例提供的一种电子设备的结构示意图,如图所示,该电子设备包括处理器、存储器、通信接口以及一个或多个程序,其中,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,本申请实施例中,上述程序包括用于执行以下步骤的指令:
获取初步审图结果,所述初步审图结果为所述电子设备对目标BIM进行审图的结果;
确定所述初步审图结果中的目标异常信息;
对所述目标异常信息进行修正,得到目标审图结果。
可以看出,本申请实施例中所描述的电子设备,获取初步审图结果,该初步审图结果为电子设备对目标BIM进行审图的结果,确定初步审图结果中的目标异常信息,对目标异常信息进行修正,得到目标审图结果,如此,可以识别出初步审图结果中的异常信息,并对异常信息进行修正,得到修正后的审图结果,能够提升审图效果,以及提升审图结果准确性。
在一个可能的示例中,在所述确定所述初步审图结果中的目标异常信息方面,上述程序包括用于执行以下步骤的指令:
将所述初步审图结果对应的信息划分为多个类别,每一类别对应一出错概率;
获取所述多个类别的出错概率,得到多个出错概率;
从所述多个出错概率中大于预设阈值的出错概率,得到至少一个目标出错概率,并获取该至少一个目标出错概率对应的目标信息;
对所述目标信息进行排除,得到所述目标异常信息。
在一个可能的示例中,上述程序还包括用于执行以下步骤的指令:
获取所述目标BIM对应的目标重要等级;
按照预设的重要等级与阈值之间的映射关系,确定所述目标重要等级对应的所述预设阈值,其中,重要等级越高,则阈值越小,重要等级越低,则阈值越大。
在一个可能的示例中,在所述确定所述初步审图结果中的目标异常信息方面,上述程序包括用于执行以下步骤的指令:
获取针对所述初步审图结果中的内容的标记指令;
将所述标记指令所标记的内容作为所述目标异常信息。
在一个可能的示例中,在所述对所述目标异常信息进行修正,得到目标审图结果方面,上述程序包括用于执行以下步骤的指令:
获取所述目标异常信息对应的位置的目标属性信息;
按照预设的属性信息与参考信息之间的映射关系,确定所述目标属性信息对应的目标参考信息;
依据所述目标参考信息对所述目标异常信息进行修正,得到所述目标审图结果。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是,电子设备为了实现上述功能,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本文中所提供的实施例描述的各示例的单元及算法步骤,本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分,例如,可以对应各个功能划分各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。需要说明的是,本申请实施例中对单元的划分是示意性的,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。
图4是本申请实施例中所涉及的审图结果修正装置400的功能单元组成框图。该审图结果修正装置400,应用于电子设备,所述装置400包括:获取单元401、确定单元402和修正单元403,其中,
所述获取单元401,用于获取初步审图结果,所述初步审图结果为所述电子设备对目标BIM进行审图的结果;
所述确定单元402,用于确定所述初步审图结果中的目标异常信息;
所述修正单元403,用于对所述目标异常信息进行修正,得到目标审图结果。
可以看出,本申请实施例中所描述的审图结果修正装置,应用于电子设备,获取初步审图结果,该初步审图结果为电子设备对目标BIM进行审图的结果,确定初步审图结果中的目标异常信息,对目标异常信息进行修正,得到目标审图结果,如此,可以识别出初步审图结果中的异常信息,并对异常信息进行修正,得到修正后的审图结果,能够提升审图效果,以及提升审图结果准确性。
在一个可能的示例中,在所述确定所述初步审图结果中的目标异常信息方面,所述确定单元402具体用于:
将所述初步审图结果对应的信息划分为多个类别,每一类别对应一出错概率;
获取所述多个类别的出错概率,得到多个出错概率;
从所述多个出错概率中大于预设阈值的出错概率,得到至少一个目标出错概率,并获取该至少一个目标出错概率对应的目标信息;
对所述目标信息进行排除,得到所述目标异常信息。
在一个可能的示例中,所述装置400还用于实现如下功能:
所述获取单元401,用于获取所述目标BIM对应的目标重要等级;
所述确定单元402,用于按照预设的重要等级与阈值之间的映射关系,确定所述目标重要等级对应的所述预设阈值,其中,重要等级越高,则阈值越小,重要等级越低,则阈值越大。
在一个可能的示例中,在所述确定所述初步审图结果中的目标异常信息方面,所述确定单元402具体用于:
获取针对所述初步审图结果中的内容的标记指令;
将所述标记指令所标记的内容作为所述目标异常信息。
在一个可能的示例中,在所述对所述目标异常信息进行修正,得到目标审图结果方面,所述修正单元403具体用于:
获取所述目标异常信息对应的位置的目标属性信息;
按照预设的属性信息与参考信息之间的映射关系,确定所述目标属性信息对应的目标参考信息;
依据所述目标参考信息对所述目标异常信息进行修正,得到所述目标审图结果。
可以理解的是,本实施例的审图结果修正装置的各程序模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤,上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包,上述计算机包括电子设备。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可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,例如上述单元的划分,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,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接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上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,在本申请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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元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,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请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全部或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器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种审图结果修正方法,其特征在于,应用于电子设备,所述方法包括:
获取初步审图结果,所述初步审图结果为所述电子设备对目标BIM进行审图的结果;
确定所述初步审图结果中的目标异常信息;
对所述目标异常信息进行修正,得到目标审图结果。
2.根据权利要求1所述的方法,其特征在于,所述确定所述初步审图结果中的目标异常信息,包括:
将所述初步审图结果对应的信息划分为多个类别,每一类别对应一出错概率;
获取所述多个类别的出错概率,得到多个出错概率;
从所述多个出错概率中大于预设阈值的出错概率,得到至少一个目标出错概率,并获取该至少一个目标出错概率对应的目标信息;
对所述目标信息进行排除,得到所述目标异常信息。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
获取所述目标BIM对应的目标重要等级;
按照预设的重要等级与阈值之间的映射关系,确定所述目标重要等级对应的所述预设阈值,其中,重要等级越高,则阈值越小,重要等级越低,则阈值越大。
4.根据权利要求1所述的方法,其特征在于,所述确定所述初步审图结果中的目标异常信息,包括:
获取针对所述初步审图结果中的内容的标记指令;
将所述标记指令所标记的内容作为所述目标异常信息。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述对所述目标异常信息进行修正,得到目标审图结果,包括:
获取所述目标异常信息对应的位置的目标属性信息;
按照预设的属性信息与参考信息之间的映射关系,确定所述目标属性信息对应的目标参考信息;
依据所述目标参考信息对所述目标异常信息进行修正,得到所述目标审图结果。
6.一种审图结果修正装置,其特征在于,应用于电子设备,所述装置包括:获取单元、确定单元和修正单元,其中,
所述获取单元,用于获取初步审图结果,所述初步审图结果为所述电子设备对目标BIM进行审图的结果;
所述确定单元,用于确定所述初步审图结果中的目标异常信息;
所述修正单元,用于对所述目标异常信息进行修正,得到目标审图结果。
7.根据权利要求6所述的装置,其特征在于,在所述确定所述初步审图结果中的目标异常信息方面,所述确定单元具体用于:
将所述初步审图结果对应的信息划分为多个类别,每一类别对应一出错概率;
获取所述多个类别的出错概率,得到多个出错概率;
从所述多个出错概率中大于预设阈值的出错概率,得到至少一个目标出错概率,并获取该至少一个目标出错概率对应的目标信息;
对所述目标信息进行排除,得到所述目标异常信息。
8.根据权利要求7所述的装置,其特征在于,所述装置还用于实现如下功能:
所述获取单元,用于获取所述目标BIM对应的目标重要等级;
所述确定单元,用于按照预设的重要等级与阈值之间的映射关系,确定所述目标重要等级对应的所述预设阈值,其中,重要等级越高,则阈值越小,重要等级越低,则阈值越大。
9.一种电子设备,其特征在于,包括处理器、存储器,所述存储器用于存储一个或多个程序,并且被配置由所述处理器执行,所述程序包括用于执行如权利要求1-5任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质,其特征在于,存储用于电子数据交换的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010538391.8A CN111783561A (zh) | 2020-06-12 | 2020-06-12 | 审图结果修正方法、电子设备及相关产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010538391.8A CN111783561A (zh) | 2020-06-12 | 2020-06-12 | 审图结果修正方法、电子设备及相关产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111783561A true CN111783561A (zh) | 2020-10-16 |
Family
ID=72756315
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010538391.8A Pending CN111783561A (zh) | 2020-06-12 | 2020-06-12 | 审图结果修正方法、电子设备及相关产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111783561A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112486384A (zh) * | 2020-11-27 | 2021-03-12 | 万翼科技有限公司 | 审图处理方法及相关装置 |
CN112560581A (zh) * | 2020-11-23 | 2021-03-26 | 黄石广合精密电路有限公司 | 工程图纸管理系统、管理方法、计算机设备、介质及终端 |
CN112926127A (zh) * | 2021-04-06 | 2021-06-08 | 万翼科技有限公司 | 车库参数确定方法、电子设备及相关产品 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101398923B1 (ko) * | 2013-09-30 | 2014-05-27 | 한국건설기술연구원 | 품질검토 항목을 활용한 룰-기반 bim 모델 검토 시스템 |
CN109241908A (zh) * | 2018-09-04 | 2019-01-18 | 深圳市宇墨科技有限公司 | 人脸识别方法及相关装置 |
CN109359324A (zh) * | 2018-08-29 | 2019-02-19 | 深圳市建筑设计研究总院有限公司 | 一种基于bim的数字化建筑审图方法及装置 |
CN109670259A (zh) * | 2018-12-27 | 2019-04-23 | 中民筑友科技投资有限公司 | 一种设计图审图方法、系统及服务器 |
JP2019095926A (ja) * | 2017-11-20 | 2019-06-20 | 株式会社竹中工務店 | Bimモデル検査支援方法及びbimモデル検査支援システム |
CN110414063A (zh) * | 2019-06-29 | 2019-11-05 | 万翼科技有限公司 | 模型修复方法及相关产品 |
CN110414065A (zh) * | 2019-06-29 | 2019-11-05 | 万翼科技有限公司 | 基于bim的设计模型审查方法、装置、电子设备及存储介质 |
CN110414792A (zh) * | 2019-06-28 | 2019-11-05 | 万翼科技有限公司 | 基于bim和大数据的部品集采管理系统及相关产品 |
CN110502984A (zh) * | 2019-07-11 | 2019-11-26 | 万翼科技有限公司 | 图纸审查方法、装置、计算机设备和存储介质 |
CN110796016A (zh) * | 2019-09-30 | 2020-02-14 | 万翼科技有限公司 | 工程图纸识别方法、电子设备及相关产品 |
CN110808041A (zh) * | 2019-09-24 | 2020-02-18 | 深圳市火乐科技发展有限公司 | 语音识别方法、智能投影仪及相关产品 |
-
2020
- 2020-06-12 CN CN202010538391.8A patent/CN111783561A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101398923B1 (ko) * | 2013-09-30 | 2014-05-27 | 한국건설기술연구원 | 품질검토 항목을 활용한 룰-기반 bim 모델 검토 시스템 |
JP2019095926A (ja) * | 2017-11-20 | 2019-06-20 | 株式会社竹中工務店 | Bimモデル検査支援方法及びbimモデル検査支援システム |
CN109359324A (zh) * | 2018-08-29 | 2019-02-19 | 深圳市建筑设计研究总院有限公司 | 一种基于bim的数字化建筑审图方法及装置 |
CN109241908A (zh) * | 2018-09-04 | 2019-01-18 | 深圳市宇墨科技有限公司 | 人脸识别方法及相关装置 |
CN109670259A (zh) * | 2018-12-27 | 2019-04-23 | 中民筑友科技投资有限公司 | 一种设计图审图方法、系统及服务器 |
CN110414792A (zh) * | 2019-06-28 | 2019-11-05 | 万翼科技有限公司 | 基于bim和大数据的部品集采管理系统及相关产品 |
CN110414063A (zh) * | 2019-06-29 | 2019-11-05 | 万翼科技有限公司 | 模型修复方法及相关产品 |
CN110414065A (zh) * | 2019-06-29 | 2019-11-05 | 万翼科技有限公司 | 基于bim的设计模型审查方法、装置、电子设备及存储介质 |
CN110502984A (zh) * | 2019-07-11 | 2019-11-26 | 万翼科技有限公司 | 图纸审查方法、装置、计算机设备和存储介质 |
CN110808041A (zh) * | 2019-09-24 | 2020-02-18 | 深圳市火乐科技发展有限公司 | 语音识别方法、智能投影仪及相关产品 |
CN110796016A (zh) * | 2019-09-30 | 2020-02-14 | 万翼科技有限公司 | 工程图纸识别方法、电子设备及相关产品 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112560581A (zh) * | 2020-11-23 | 2021-03-26 | 黄石广合精密电路有限公司 | 工程图纸管理系统、管理方法、计算机设备、介质及终端 |
CN112486384A (zh) * | 2020-11-27 | 2021-03-12 | 万翼科技有限公司 | 审图处理方法及相关装置 |
CN112926127A (zh) * | 2021-04-06 | 2021-06-08 | 万翼科技有限公司 | 车库参数确定方法、电子设备及相关产品 |
CN112926127B (zh) * | 2021-04-06 | 2022-11-18 | 万翼科技有限公司 | 车库参数确定方法、电子设备及相关产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008597B (zh) | Cad图纸的空间识别方法、装置、电子设备及存储介质 | |
JP6116746B1 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN109815770B (zh) | 二维码检测方法、装置及系统 | |
CN111783561A (zh) | 审图结果修正方法、电子设备及相关产品 | |
CN110033018B (zh) | 图形相似度判断方法、装置及计算机可读存储介质 | |
CN110502985B (zh) | 表格识别方法、装置及表格识别设备 | |
CN110765891B (zh) | 工程图纸识别方法、电子设备及相关产品 | |
CN111914775B (zh) | 活体检测方法、装置、电子设备及存储介质 | |
Li et al. | Automatic comic page segmentation based on polygon detection | |
CN110795714A (zh) | 一种身份验证方法、装置、计算机设备及存储介质 | |
CN112989995B (zh) | 文本检测方法、装置及电子设备 | |
CN110796016A (zh) | 工程图纸识别方法、电子设备及相关产品 | |
CN112149570B (zh) | 多人活体检测方法、装置、电子设备及存储介质 | |
CN110765893B (zh) | 图纸文件识别方法、电子设备及相关产品 | |
CN111178147A (zh) | 屏幕破碎分级方法、装置、设备及计算机可读存储介质 | |
CN111932545A (zh) | 图像处理方法、目标计数方法及其相关装置 | |
CN110766068B (zh) | 一种验证码识别方法及计算设备 | |
CN113239818A (zh) | 基于分割和图卷积神经网络的表格图像跨模态信息提取方法 | |
CN111649749A (zh) | 基于bim模型的导航方法、电子设备及相关产品 | |
CN111783910A (zh) | 建筑项目管理方法、电子设备及相关产品 | |
CN111353325A (zh) | 关键点检测模型训练方法及装置 | |
CN110287361B (zh) | 一种人物图片筛选方法及装置 | |
CN112966687B (zh) | 图像分割模型训练方法、装置及通信设备 | |
CN111709851B (zh) | 基于rfid及面部识别的酒店安全入住的方法、装置及设备 | |
CN113128604A (zh) | 页面元素的识别方法、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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230616 Address after: A601, Zhongke Naneng Building, No. 06 Yuexing 6th Road, Gaoxin District Community, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province, 518051 Applicant after: Shenzhen Wanyi Digital Technology Co.,Ltd. Address before: 519000 room 105-24914, No.6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province (centralized office area) Applicant before: WANYI TECHNOLOGY Co.,Ltd. |