CN111832494A - 信息存储方法及设备 - Google Patents

信息存储方法及设备 Download PDF

Info

Publication number
CN111832494A
CN111832494A CN202010690725.3A CN202010690725A CN111832494A CN 111832494 A CN111832494 A CN 111832494A CN 202010690725 A CN202010690725 A CN 202010690725A CN 111832494 A CN111832494 A CN 111832494A
Authority
CN
China
Prior art keywords
artwork image
artwork
image
target
recognized
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
Application number
CN202010690725.3A
Other languages
English (en)
Other versions
CN111832494B (zh
Inventor
孔令兴
韩民
李扬
任立刚
曹菁
王梦婷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN202010690725.3A priority Critical patent/CN111832494B/zh
Publication of CN111832494A publication Critical patent/CN111832494A/zh
Application granted granted Critical
Publication of CN111832494B publication Critical patent/CN111832494B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/80—Recognising image objects characterised by unique random patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/532—Query formulation, e.g. graphical querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G06F16/538—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/54—Browsing; Visualisation therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明提供一种信息存储方法及设备，该方法包括：获取待识别的艺术品图像，并确定目标艺术品图像，其中所述目标艺术品图像为与所述待识别的艺术品图像匹配的预存的艺术品图像；获取所述目标艺术品图像的信息，并根据所述目标艺术品图像的信息确定所述待识别的艺术品图像对应的介绍信息；将所述介绍信息与所述待识别的艺术品图像关联存储，实现介绍信息的自动查找，缩短介绍信息的获取时间，然后自动将待识别的艺术品图像对应的介绍信息与该待识别的艺术品图像进行关联存储，提高存储的效率，无需人工查找艺术品图像对应的介绍信息，从而不会出现现有存储效率低的问题。

Description

信息存储方法及设备
技术领域
本发明实施例涉及图像技术领域，尤其涉及一种信息存储方法及设备。
背景技术
随着数字化时代的到来，越来越多的博物馆采用数字化技术实现展品的展示，即展示艺术品的电子图像，且为了方便游客了解艺术品，在展示艺术品的电子图像的同时也会展示该艺术品的相关介绍信息(例如，艺术品作者)。为了在展示艺术品的电子图像的同时展示该艺术品的介绍信息，需要预先将艺术品的电子图像与其对应的介绍信息关联存储。
现有技术中，在将艺术品的电子图像与其对应的介绍信息关联存储时，需要人工进行关联存储，即相关人员先确定电子图像中的艺术品的信息，例如艺术品的名称，根据该信息查找该艺术品对应的介绍信息，然后将该介绍信息与该电子图像进行关联存储。
然而，发明人发现现有技术中至少存在如下问题：由于需要人工根据艺术品的信息查找该艺术品对应的介绍信息，使得介绍信息的获取时间较长，从而导致将介绍信息与艺术品的电子图像关联存储所需的时间较长，进而造成存储效率低。
发明内容
本发明实施例提供一种信息存储方法及设备，以解决现有技术中存储效率低的问题。
第一方面，本发明实施例提供一种信息存储方法，包括：
获取待识别的艺术品图像，并确定目标艺术品图像，其中所述目标艺术品图像为与所述待识别的艺术品图像匹配的预存的艺术品图像；
获取所述目标艺术品图像的信息，并根据所述目标艺术品图像的信息确定所述待识别的艺术品图像对应的介绍信息；
将所述介绍信息与所述待识别的艺术品图像关联存储。
在一种可能的设计中，所述确定目标艺术品图像，包括：
对所述待识别的艺术品图像进行特征提取，得到待识别的艺术品图像对应的特征值；
获取预存的艺术品图像对应的特征值；
根据所述待识别的艺术品图像对应的特征值和所述预存的艺术品图像对应的特征值，确定所述目标艺术品图像。
在一种可能的设计中，所述预存的艺术品图像的数量为至少两个，则所述根据所述待识别的艺术品图像对应的特征值和所述预存的艺术品图像对应的特征值，确定所述目标艺术品图像，包括：
对于每个预存的艺术品图像，获取所述预存的艺术品图像对应的特征值与所述待识别的艺术品图像对应的特征值的匹配分数；
将匹配分数最高的预存的艺术品图像作为目标艺术品图像。
在一种可能的设计中，所述待识别的艺术品图像为双目艺术品图像，则所述对所述待识别的艺术品图像进行特征提取，得到待识别的艺术品图像对应的特征值，包括：
对所述待识别的艺术品图像进行图像处理，得到所述待识别的艺术品图像对应的深度图；
采用目标网络模型，对所述深度图进行特征提取，以获取所述深度图对应的特征值，其中所述目标网络模型用于提取图像的特征值。
在一种可能的设计中，所述对所述待识别的艺术品图像进行图像处理，得到所述待识别的艺术品图像对应的深度图，包括：
对所述双目艺术品图像进行校正，并根据预设立体匹配算法，对校正后的双目艺术品图像进行立体匹配，得到视差图；
对视差图进行转换，得到所述深度图。
在一种可能的设计中，所述方法还包括：
采用目标网络模型，对所述预存的艺术品图像进行特征提取，得到所述预存的艺术品图像对应的特征值。
在一种可能的设计中，所述目标艺术品图像的信息包括目标艺术品图像对应的名称，则所述根据所述目标艺术品图像的信息确定所述待识别的艺术品图像对应的介绍信息，包括：
根据目标艺术品图像对应的名称进行搜索处理，得到所述待识别的艺术品图像对应的介绍信息。
在一种可能的设计中，所述方法还包括：
获取艺术品图像展示请求，并根据所述艺术品图像展示请求确定待展示的艺术品图像；
获取待展示的艺术品图像对应的介绍信息，并将所述待展示的艺术品图像与所述待展示的艺术品图像对应的介绍信息进行关联展示。
第二方面，本发明实施例提供一种信息存储设备，包括：
图像获取模块，用于获取待识别的艺术品图像，并确定目标艺术品图像，其中所述目标艺术品图像为与所述待识别的艺术品图像匹配的预存的艺术品图像；
处理模块，用于获取所述目标艺术品图像的信息，并根据所述目标艺术品图像的信息确定所述待识别的艺术品图像对应的介绍信息；
所述处理模块，还用于将所述介绍信息与所述待识别的艺术品图像关联存储。
在一种可能的设计中，所述图像获取模块还用于：
对所述待识别的艺术品图像进行特征提取，得到待识别的艺术品图像对应的特征值；获取预存的艺术品图像对应的特征值；根据所述待识别的艺术品图像对应的特征值和所述预存的艺术品图像对应的特征值，确定所述目标艺术品图像。
在一种可能的设计中，所述预存的艺术品图像的数量为至少两个，则图像获取模块还用于：
对于每个预存的艺术品图像，获取所述预存的艺术品图像对应的特征值与所述待识别的艺术品图像对应的特征值的匹配分数；将匹配分数最高的预存的艺术品图像作为目标艺术品图像。
在一种可能的设计中，所述待识别的艺术品图像为双目艺术品图像，则所述图像获取模块还用于：
对所述待识别的艺术品图像进行图像处理，得到所述待识别的艺术品图像对应的深度图；采用目标网络模型，对所述深度图进行特征提取，以获取所述深度图对应的特征值，其中所述目标网络模型用于提取图像的特征值。
在一种可能的设计中，所述图像获取模块还用于：
对所述双目艺术品图像进行校正，并根据预设立体匹配算法，对校正后的双目艺术品图像进行立体匹配，得到视差图；对视差图进行转换，得到所述深度图。
在一种可能的设计中，所述图像获取模块还用于：
采用目标网络模型，对所述预存的艺术品图像进行特征提取，得到所述预存的艺术品图像对应的特征值。
在一种可能的设计中，所述目标艺术品图像的信息包括目标艺术品图像对应的名称，则所述处理模块还用于：
根据目标艺术品图像对应的名称进行搜索处理，得到所述待识别的艺术品图像对应的介绍信息。
在一种可能的设计中，所述处理模块还用于：
获取艺术品图像展示请求，并根据所述艺术品图像展示请求确定待展示的艺术品图像；获取待展示的艺术品图像对应的介绍信息，并将所述待展示的艺术品图像与所述待展示的艺术品图像对应的介绍信息进行关联展示。
第三方面，本发明实施例提供一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的信息存储方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的信息存储方法。
本发明提供的信息存储方法及设备，通过获取待识别的艺术品图像，并确定目标艺术品图像，其中目标艺术品图像为与待识别的艺术品图像匹配的预存的艺术品图像；获取目标艺术品图像的信息，并根据目标艺术品图像的信息确定待识别的艺术品图像对应的介绍信息；将介绍信息与待识别的艺术品图像关联存储。本发明实施例通过将待识别的艺术品图像与预存的艺术品图像进行匹配，以得到与待识别的艺术品图像匹配的预存的艺术品图像，即得到目标艺术品图像，根据该目标艺术品图像的对应的信息查找该待识别的艺术品图像对应的介绍信息，实现介绍信息的自动查找，缩短介绍信息的获取时间，然后自动将待识别的艺术品图像对应的介绍信息与该待识别的艺术品图像进行关联存储，提高存储的效率，无需人工查找艺术品图像对应的介绍信息，从而不会出现现有存储效率低的问题。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的艺术品电子展示的示意图；
图2为本发明实施例提供的信息存储方法的流程示意图一；
图3为本发明实施例提供的信息存储方法的流程示意图二；
图4为本发明实施例提供的双目艺术品图像的示意图；
图5为本发明实施例提供的深度图的示意图；
图6为本发明实施例提供的信息存储设备的结构示意图；
图7为本发明实施例提供的电子设备的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
现有技术中，为了方便游客了解艺术品，在展示艺术品图像的同时也会展示该艺术品的相关介绍信息(如图1所示)。为了在展示艺术品图像的同时展示该艺术品的介绍信息，需要预先将艺术品图像与其对应的介绍信息关联存储。在将艺术品图像与其对应的介绍信息关联存储时，相关人员先确定艺术品图像中的艺术品的信息，根据该信息查找该艺术品对应的介绍信息，然后将该介绍信息与该艺术品图像进行关联存储。但由于需要人工根据艺术品的信息查找该艺术品对应的介绍信息，使得介绍信息的获取时间较长，从而导致将介绍信息与艺术品图像关联存储所需的时间较长，进而造成存储效率低。
因此，针对上述问题，本发明的技术构思是预先采用目标网络模型，即训练好的网络模型，提取预先采集的艺术品图像的特征值，并将其进行二值化后存储到数据库中。在获取双目艺术品图像后，该双目艺术图像为需进行识别的艺术品图像，即需展示的艺术品图像，生成该双目艺术品图像对应的深度图，实现艺术品的三维重建，采用目标网络模型对该深度图进行特征提取，得到该深度图对应的特征值，即得到双目艺术品图像对应的特征值。计算该双目艺术品图像对应的特征值与数据库中的预存的艺术品图像的特征值的匹配分数，并将匹配分数最高的预存的艺术品图像作为与该双目艺术品图像匹配的目标艺术品图像，实现双目艺术品图像的准确识别。根据该目标艺术品图像的信息查找双目艺术品图像对应的介绍信息，实现介绍信息的自动获取，提高介绍信息的获取效率。然后直接将双目艺术品图像与其对应的介绍信息进行关联存储，缩短存储所需的时间，从而提高存储的效率。
下面以具体地示例对本公开的技术方案以及本公开的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的示例可以相互结合，对于相同或相似的概念或过程可能在某些示例中不再赘述。下面将结合附图，对本公开的示例进行描述。
图2为本发明实施例提供的信息存储方法的流程示意图一，本实施例的执行主体可以为电子设备，例如可以是终端或服务器等，本实施例此处不做特别限制。如图2所示，该方法包括：
S201、获取待识别的艺术品图像，并确定目标艺术品图像，其中目标艺术品图像为与待识别的艺术品图像匹配的预存的艺术品图像。
在本实施例中，获取待识别的艺术品图像，该待识别的艺术品图像为需要展示的艺术品的电子图像。从所有预存的艺术品图像中查找与该待识别的艺术品图像匹配的预存的艺术品图像，以得到目标艺术品图像。
其中，待识别的艺术品图像可以为服务器或其它终端发送的，也可以是从相关导入设备(例如，硬盘)中导入的，在此，不对其进行限定。
S202、获取目标艺术品图像的信息，并根据目标艺术品图像的信息确定待识别的艺术品图像对应的介绍信息。
在本实施例中，从预设存储位置中获取目标艺术品图像的信息，实现目标艺术品图像的信息的自动确定，并根据该目标艺术品图像的信息查找待识别的艺术品图像对应的介绍信息，实现介绍信息的自动查找。
其中，预设存储位置可以为相关数据库，硬盘或者终端等。
可选的，目标艺术品图像的信息包括目标艺术品图像对应的名称，即包括目标艺术品图像中的艺术品的名称。
S203、将介绍信息与待识别的艺术品图像关联存储。
在本实施例中，在得到待识别的艺术品图像对应的介绍信息后，将该介绍信息与该待识别的艺术品图像进行关联存储，以使后续在需要展示艺术品图像时，可以直接获取与其关联的介绍信息，从而在展示艺术品图像的同时展示该艺术品图像对应的介绍信息，进而使用户更加了解该艺术品图像中的艺术品。
其中，介绍信息包括待识别的艺术品图像中的艺术品的相关信息，例如，该艺术品的作者。用户可以根据艺术品对应的介绍信息更加了解该艺术品。
进一步地，在将待识别的艺术品图像对应的介绍信息与待识别的艺术品图像关联存储时，可以将其存储到指定数据库等指定位置中，实现艺术品图像与其对应的介绍信息的有效保存。
在本实施例中，从预存的艺术品图像中确定与待识别的艺术品图像匹配的目标艺术品图像，以供利用该目标艺术品图像的信息确定待识别的艺术品图像的介绍信息，实现待识别的艺术品图像的自动识别。
从上述描述可知，通过将待识别的艺术品图像与预存的艺术品图像进行匹配，以得到与待识别的艺术品图像匹配的预存的艺术品图像，即得到目标艺术品图像，根据该目标艺术品图像的对应的信息查找该待识别的艺术品图像对应的介绍信息，实现介绍信息的自动查找，然后自动将待识别的艺术品图像对应的介绍信息与该待识别的艺术品图像进行关联存储，提高存储的效率，无需人工查找艺术品图像对应的介绍信息，从而不会出现现有存储效率低的问题。
图3为本发明实施例提供的信息存储方法的流程示意图二，本实施例在图2实施例的基础上，在查找与待识别的艺术品图像匹配的预存的艺术品图像时，可以根据特征值进行查找。下面将结合一个具体实施例对根据特征值查找与待识别的艺术品图像匹配的预存的艺术品图像的过程进行描述。如图3所示，该方法包括：
S301、获取待识别的艺术品图像。
S302、对待识别的艺术品图像进行特征提取，得到待识别的艺术品图像对应的特征值。
在本实施例中，采用目标网络模型，对待识别的艺术品图像进行特征提取，以获取待识别的艺术品图像对应的特征值。
其中，待识别的艺术品图像可以为双目艺术品图像(如图4所示)，其是通过双目相机拍摄得到的，待识别的艺术品图像也可以是单目艺术品图像。
可选的，当待识别的艺术品图像为双目艺术品图像时，则步骤S302的实现过程为：对待识别的艺术品图像进行图像处理，得到待识别的艺术品图像对应的深度图。采用目标网络模型，对深度图进行特征提取，以获取深度图对应的特征值，其中目标网络模型用于提取图像的特征值。
具体地，当待识别的艺术品图像为双目艺术品图像时，需要先生成该双目艺术品图像的深度图，然后对该深度图进行特征提取，得到该深度图对应的特征值，即得到待识别的艺术品图像对应的特征值。
可选的，当待识别的艺术品图像为常规艺术品图像，即单目艺术品图像时，可以直接采用目标网络模型对该艺术品图像进行特征提取。
进一步地，可选的，在生成双目艺术品图像对应的深度图时，需先得到双目艺术品图像对应的视差图，然后根据视差图确定深度图，其具体过程为：对双目艺术品图像进行校正，并根据预设立体匹配算法，对校正后的双目艺术品图像进行立体匹配，得到视差图。对视差图进行转换，得到深度图。
具体地，在得到待识别的艺术品图像，即双目艺术品图像后，对该双目艺术品图像进行校正，该校正包括畸变校正和立体校正，然后采用预设立体匹配算法对校正后的双目艺术品图像进行立体匹配，以获取该双目艺术品图像对应的视差图，基于预设转换公式，对视差图进行转换，得到相应的深度图(如图5所示的深度图)。
可选的，预设转换公式为depth＝(f*baseline)/disp，其中depth表示深度图；f表示归一化的焦距，也就是内参中的fx；baseline是双目相机光心之间的距离，称作基线距离；disp是视差值。
可选的，预设立体匹配算法包括BM算法或者SGBM算法。
可选的，在对双目艺术品图像进行校正之前，需要先对摄像机，即双目相机的内参和外参进行标定。摄像机内参反映的是摄像机坐标系到图像坐标系之间的投影关系。摄像机内参的标定使用张正友标定法，简单易操作,摄像机的内参包括，fx,fy,cx,cy，以及畸变系数[k1,k2,p1,p2,k3]。摄像机外参反映的是摄像机坐标系和世界坐标系之间的旋转R和平移T关系。如果两个相机的内参均已知，并且知道各自与世界坐标系之间的R1、T1和R2，T2，就可以算出这两个相机之间的Rotation和Translation，也就找到了从一个相机坐标系到另一个相机坐标系之间的位置转换关系。摄像机外参标定也可以使用标定板，只是保证左、右两个相机同时拍摄同一个标定板的图像。
另外，在得到双目艺术品图像对应的特征值后，还可以对计算特征值对应的权重系数，对特征值加权。其根据feat＝concat(αfeat1+βfeat2)，该α，β表示两个特征在总特征中的权重系数。
S303、获取预存的艺术品图像对应的特征值。
在本实施例中，采用目标网络模型，对预存的艺术品图像进行特征提取，得到预存的艺术品图像对应的特征值，并将其保存到数据库中，以便后续在需识别待识别的艺术品图像时，可以直接利用预存的艺术品图像对应的特征值。
其中，目标网络模型为训练好的网络模型，其可以用于准确提取图像的特征值。
可选的，目标网络模型为训练好的Resnet网络模型。在得到训练好的Resnet网络模型之前，需要先利用图像样本对初始Resnet网络模型进行训练，其训练过程与常规训练过程类似，在此，不再对其进行赘述。
在本实施例中，Resnet网络模型为残差网络，其将输入层表示为学习残差函数。残差网络更容易优化，并且能够通过增加相当的深度来提高网络性能，从而保证准确率。
另外，在将预存的艺术品图像对应的特征值保存到数据库之前，还可以对预存的艺术品图像对应的特征值进行二值化，然后将二值化后的特征值保存到数据库中。
S304、根据待识别的艺术品图像对应的特征值和预存的艺术品图像对应的特征值，确定目标艺术品图像。
在本实施例中，将待识别的艺术品图像对应的特征值和预存的艺术品图像对应的特征值进行匹配，以实现待识别的艺术品图像的身份识别。
可选的，当预存的艺术品图像的数量为一个时，步骤S304的实现过程包括：直接计算该预存的艺术品图像对应的特征值与待识别的艺术品图像对应的特征值之间的匹配分数。判断该匹配分数是否大于预设阈值，若大于，则确定该预存的艺术品图像与该待识别的艺术品图像匹配，即确定该预存的艺术品图像与目标艺术品图像。若小于，则确定该预存的艺术品图像与该待识别的艺术品图像不匹配，则输出需人工进行查找的提示信息，以使相关人员人工查找该待识别的艺术品图像的介绍信息。
可选的，当预存的艺术品图像的数量为至少两个时，步骤S304的实现过程包括：对于每个预存的艺术品图像，获取预存的艺术品图像对应的特征值与待识别的艺术品图像对应的特征值的匹配分数。将匹配分数最高的预存的艺术品图像作为目标艺术品图像。
在本实施例中，当预存的艺术品图像的数量为多个时，对于每个预存的艺术品图像，计算该预存的艺术品图像对应特征值与待识别的艺术品图像对应的特征值之间的匹配分数，得到该预存的艺术品图像对应的匹配分数。然后从所有的预存的艺术品图像对应的匹配分数中查找最高的匹配分数，该最高的匹配分数对应的预存的艺术品图像与该待识别的艺术品图像匹配，并将该该最高的匹配分数对应的预存的艺术品图像作为目标艺术品图像。
另外，在计算预存的艺术品图像对应特征值与待识别的艺术品图像对应的特征值之间的匹配分数时，可以根据
Figure BDA0002589261060000101
公式计算，其中，score标识匹配分数，xi表示预存的艺术品图像对应的特征值，yi表示待识别的艺术品图像对应的特征值。
S305、获取目标艺术品图像的信息，并根据目标艺术品图像的信息确定待识别的艺术品图像对应的介绍信息。
在本实施例中，在获得与待识别的艺术品图像匹配的目标艺术品图像后，获取该目标艺术品图像的信息，以根据该信息查找待识别的艺术品图像对应的介绍信息，实现待识别的艺术品图像的介绍信息自动查找，提高信息查找的效率。
可选的，目标艺术品图像的信息的可以为与目标艺术品图像的名称，直接根据目标艺术品图像对应的名称进行搜索处理，例如，从预设网络或数据库上都说该名称对应的相关信息，得到待识别的艺术品图像对应的介绍信息。
S306、将介绍信息与待识别的艺术品图像关联存储。
在本实施例中，在将待识别的艺术品图像对应的介绍信息与该待识别的艺术品图像关联存储后，可以根据需求对待识别的艺术品图像以及其对应的介绍信息进行关联展示，即获取艺术品图像展示请求，并根据艺术品图像展示请求确定待展示的艺术品图像。获取待展示的艺术品图像对应的介绍信息，并将待展示的艺术品图像与待展示的艺术品图像对应的介绍信息进行关联展示。
具体的，在接收到艺术品图像展示请求后，表明需展示艺术品图像及其对应的介绍信息，该艺术品图像展示请中包括需展示的艺术品图像的标识(例如，名称)，从指定位置中查找该标识对应的艺术品图像及其对应的介绍信息，即得到待展示的艺术品图像及其对应的介绍信息。然后对该待展示的艺术品图像及其对应的介绍信息进行关联展示，即将其展示在相关页面上，以使用户在浏览艺术品图像的同时可以看到该艺术品图像对应的介绍信息，从而使用户可以更加了解该艺术品图像，提高用户体验。
可选的，在将待展示的艺术品图像及其对应的介绍信息进行关联展示时，介绍信息可以显示在该艺术品图像的周围，例如，如图1所示，介绍信息显示在艺术品图像的右方。
另外，可选的，在将待展示的艺术品图像及其对应的介绍信息进行关联展示时，可以展示在其它终端，即电子设备获取的艺术品图像展示请求中还包括目标终端标识，电子设备在查找到待展示的艺术品图像及其对应的介绍信息后，将其发送给目标终端标识对应的目标终端，以使目标终端对该待展示的艺术品图像及其对应的介绍信息进行展示。
在本实施例中，对二维和三维的图像进行特征提取并且加权融合之后运用Resnet网络进行艺术品图像识别，提高图像的识别精度。
在本实施例中，利用物体的双目图像可以进行三维重建，其相较于单目图像更能表征物体，因此，采用双目艺术品图像可以进行三维重建，以使得到的双目艺术品图像对应的深度图更加准确的表征相应的艺术品。且对双目艺术品图像对应的深度图进行特征提取，以供利用深度图对应的特征值匹配预存的艺术品图像，即进行待识别的艺术品图像的识别，可以有效提高识别精度。
在本实施例中，基于神经网络对艺术品图像进行识别，并融合了二维图像上颜色信息和深度图像的特征信息，可以移植到其他物品的识别中，拓展性能好。
在本实施例中，对待识别的艺术品图像进行特征提取，得到待识别的艺术品图像对应的特征值，然后将其与预存的艺术品图像进行匹配，查找到与该待识别的艺术品图像匹配的预存的艺术品图像，即查找到目标艺术品图像，实现待识别的艺术品图像的身份的识别，无需人工确定该待识别的艺术品图像的身份，以供利用目标艺术品图像的相关信息存储该待识别的艺术品图像的介绍信息，实现介绍信息的自动确定，提高信息存储的效率。
图6为本发明实施例提供的信息存储设备的结构示意图。如图6所示，该文本识别设备60包括：图像获取模块601和处理模块602。
其中，图像获取模块601，用于获取待识别的艺术品图像，并确定目标艺术品图像，其中目标艺术品图像为与待识别的艺术品图像匹配的预存的艺术品图像。
处理模块602，用于获取目标艺术品图像的信息，并根据目标艺术品图像的信息确定待识别的艺术品图像对应的介绍信息。
处理模块602，还用于将介绍信息与待识别的艺术品图像关联存储。
在一种可能的设计中，图像获取模块601还用于：
对待识别的艺术品图像进行特征提取，得到待识别的艺术品图像对应的特征值。获取预存的艺术品图像对应的特征值。根据待识别的艺术品图像对应的特征值和预存的艺术品图像对应的特征值，确定目标艺术品图像。
在一种可能的设计中，预存的艺术品图像的数量为至少两个，则图像获取模块601还用于：
对于每个预存的艺术品图像，获取预存的艺术品图像对应的特征值与待识别的艺术品图像对应的特征值的匹配分数。将匹配分数最高的预存的艺术品图像作为目标艺术品图像。
在一种可能的设计中，待识别的艺术品图像为双目艺术品图像，则图像获取模块601还用于：
对待识别的艺术品图像进行图像处理，得到待识别的艺术品图像对应的深度图。采用目标网络模型，对深度图进行特征提取，以获取深度图对应的特征值，其中目标网络模型用于提取图像的特征值。
在一种可能的设计中，图像获取模块601还用于：
对双目艺术品图像进行校正，并根据预设立体匹配算法，对校正后的双目艺术品图像进行立体匹配，得到视差图。对视差图进行转换，得到深度图。
在一种可能的设计中，图像获取模块601还用于：
采用目标网络模型，对预存的艺术品图像进行特征提取，得到预存的艺术品图像对应的特征值。
在一种可能的设计中，目标艺术品图像的信息包括目标艺术品图像对应的名称，则处理模块602还用于：
根据目标艺术品图像对应的名称进行搜索处理，得到待识别的艺术品图像对应的介绍信息。
在一种可能的设计中，处理模块602还用于：
获取艺术品图像展示请求，并根据艺术品图像展示请求确定待展示的艺术品图像。获取待展示的艺术品图像对应的介绍信息，并将待展示的艺术品图像与待展示的艺术品图像对应的介绍信息进行关联展示。
本实施例提供的设备，可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
图7为本发明实施例提供的电子设备的硬件结构示意图。如图7所示，本实施例的电子设备70包括：处理器701以及存储器702；其中，
存储器702，用于存储计算机执行指令；
处理器701，用于执行存储器存储的计算机执行指令，以实现上述实施例中接收设备所执行的各个步骤。具体可以参见前述方法实施例中的相关描述。
可选地，存储器702既可以是独立的，也可以跟处理器701集成在一起。
当存储器702独立设置时，该列车用户识别设备还包括总线703，用于连接所述存储器702和处理器701。
本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上所述的信息存储方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备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，例如多个模块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，装置或模块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，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述模块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单元的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块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)或处理器(英文：processor)执行本申请各个实施例所述方法的部分步骤。
应理解，上述处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
存储器可能包含高速RAM存储器，也可能还包括非易失性存储NVM，例如至少一个磁盘存储器，还可以为U盘、移动硬盘、只读存储器、磁盘或光盘等。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
上述存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。存储介质可以是通用或专用计算机能够存取的任何可用介质。
一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific Integrated Circuits，简称：ASIC)中。当然，处理器和存储介质也可以作为分立组件存在于电子设备或主控设备中。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、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：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种信息存储方法，其特征在于，包括：
获取待识别的艺术品图像，并确定目标艺术品图像，其中所述目标艺术品图像为与所述待识别的艺术品图像匹配的预存的艺术品图像；
获取所述目标艺术品图像的信息，并根据所述目标艺术品图像的信息确定所述待识别的艺术品图像对应的介绍信息；
将所述介绍信息与所述待识别的艺术品图像关联存储。
2.根据权利要求1所述的方法，其特征在于，所述确定目标艺术品图像，包括：
对所述待识别的艺术品图像进行特征提取，得到待识别的艺术品图像对应的特征值；
获取预存的艺术品图像对应的特征值；
根据所述待识别的艺术品图像对应的特征值和所述预存的艺术品图像对应的特征值，确定所述目标艺术品图像。
3.根据权利要求2所述的方法，其特征在于，所述预存的艺术品图像的数量为至少两个，则所述根据所述待识别的艺术品图像对应的特征值和所述预存的艺术品图像对应的特征值，确定所述目标艺术品图像，包括：
对于每个预存的艺术品图像，获取所述预存的艺术品图像对应的特征值与所述待识别的艺术品图像对应的特征值的匹配分数；
将匹配分数最高的预存的艺术品图像作为目标艺术品图像。
4.根据权利要求2所述的方法，其特征在于，所述待识别的艺术品图像为双目艺术品图像，则所述对所述待识别的艺术品图像进行特征提取，得到待识别的艺术品图像对应的特征值，包括：
对所述待识别的艺术品图像进行图像处理，得到所述待识别的艺术品图像对应的深度图；
采用目标网络模型，对所述深度图进行特征提取，以获取所述深度图对应的特征值，其中所述目标网络模型用于提取图像的特征值。
5.根据权利要求4所述的方法，其特征在于，所述对所述待识别的艺术品图像进行图像处理，得到所述待识别的艺术品图像对应的深度图，包括：
对所述双目艺术品图像进行校正，并根据预设立体匹配算法，对校正后的双目艺术品图像进行立体匹配，得到视差图；
对视差图进行转换，得到所述深度图。
6.根据权利要求2所述的方法，其特征在于，所述方法还包括：
采用目标网络模型，对所述预存的艺术品图像进行特征提取，得到所述预存的艺术品图像对应的特征值。
7.根据权利要求1所述的方法，其特征在于，所述目标艺术品图像的信息包括目标艺术品图像对应的名称，则所述根据所述目标艺术品图像的信息确定所述待识别的艺术品图像对应的介绍信息，包括：
根据目标艺术品图像对应的名称进行搜索处理，得到所述待识别的艺术品图像对应的介绍信息。
8.根据权利要求1至7任一项所述的方法，其特征在于，所述方法还包括：
获取艺术品图像展示请求，并根据所述艺术品图像展示请求确定待展示的艺术品图像；
获取待展示的艺术品图像对应的介绍信息，并将所述待展示的艺术品图像与所述待展示的艺术品图像对应的介绍信息进行关联展示。
9.一种电子设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至8任一项所述的信息存储方法。
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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至8任一项所述的信息存储方法。
CN202010690725.3A 2020-07-17 2020-07-17 信息存储方法及设备 Active CN111832494B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010690725.3A CN111832494B (zh) 2020-07-17 2020-07-17 信息存储方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010690725.3A CN111832494B (zh) 2020-07-17 2020-07-17 信息存储方法及设备

Publications (2)

Publication Number Publication Date
CN111832494A true CN111832494A (zh) 2020-10-27
CN111832494B CN111832494B (zh) 2024-03-05

Family

ID=72923496

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010690725.3A Active CN111832494B (zh) 2020-07-17 2020-07-17 信息存储方法及设备

Country Status (1)

Country Link
CN (1) CN111832494B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257638A (zh) * 2020-10-30 2021-01-22 重庆紫光华山智安科技有限公司 一种图像比对方法、系统、设备及计算机可读存储介质

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009093219A1 (en) * 2008-01-25 2009-07-30 Nxp B.V. Method and apparatus for organizing media data in a database
CN103294803A (zh) * 2013-05-30 2013-09-11 佛山电视台南海分台 一种实现增强产品信息介绍和人机交互的方法和系统
CN103744895A (zh) * 2013-12-24 2014-04-23 深圳先进技术研究院 一种居民身份信息的获取方法及装置
CN104424257A (zh) * 2013-08-28 2015-03-18 北大方正集团有限公司 信息检索装置和信息检索方法
CN106021350A (zh) * 2016-05-10 2016-10-12 湖北工程学院 艺术品收藏与管理方法及系统
CN106445939A (zh) * 2015-08-06 2017-02-22 阿里巴巴集团控股有限公司 图像检索、获取图像信息及图像识别方法、装置及系统
CN106934323A (zh) * 2015-12-29 2017-07-07 上海优尼客物联网有限公司 一种陶瓷艺术品的识别方法及系统
CN106934322A (zh) * 2015-12-29 2017-07-07 上海优尼客物联网有限公司 一种陶瓷艺术品的印章识别方法及系统
CN106933820A (zh) * 2015-12-29 2017-07-07 上海优尼客物联网有限公司 一种基于底部图形的陶瓷艺术品识别方法及系统
CN108171744A (zh) * 2017-12-26 2018-06-15 努比亚技术有限公司 一种双目虚化中视差图的确定方法、移动终端及存储介质
CN109154993A (zh) * 2016-03-29 2019-01-04 波萨诺瓦机器人知识产权有限公司 用于对物品定位、识别和计数的系统和方法
CN109741385A (zh) * 2018-12-24 2019-05-10 浙江大华技术股份有限公司 一种图像处理系统、方法、装置、电子设备及存储介质
US10290036B1 (en) * 2013-12-04 2019-05-14 Amazon Technologies, Inc. Smart categorization of artwork
KR20190095606A (ko) * 2018-01-25 2019-08-16 상명대학교산학협력단 딥러닝 기술과 이미지 특징 추출 기술을 결합한 영상물 내 미술품 인식 방법
CN110457502A (zh) * 2019-08-21 2019-11-15 京东方科技集团股份有限公司 构建知识图谱方法、人机交互方法、电子设备及存储介质
CN110472480A (zh) * 2019-06-28 2019-11-19 深圳数马电子技术有限公司 物品识别方法、装置及计算机可读存储介质
CN110516099A (zh) * 2019-08-27 2019-11-29 北京百度网讯科技有限公司 图像处理方法和装置

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009093219A1 (en) * 2008-01-25 2009-07-30 Nxp B.V. Method and apparatus for organizing media data in a database
CN103294803A (zh) * 2013-05-30 2013-09-11 佛山电视台南海分台 一种实现增强产品信息介绍和人机交互的方法和系统
CN104424257A (zh) * 2013-08-28 2015-03-18 北大方正集团有限公司 信息检索装置和信息检索方法
US10290036B1 (en) * 2013-12-04 2019-05-14 Amazon Technologies, Inc. Smart categorization of artwork
CN103744895A (zh) * 2013-12-24 2014-04-23 深圳先进技术研究院 一种居民身份信息的获取方法及装置
CN106445939A (zh) * 2015-08-06 2017-02-22 阿里巴巴集团控股有限公司 图像检索、获取图像信息及图像识别方法、装置及系统
CN106933820A (zh) * 2015-12-29 2017-07-07 上海优尼客物联网有限公司 一种基于底部图形的陶瓷艺术品识别方法及系统
CN106934322A (zh) * 2015-12-29 2017-07-07 上海优尼客物联网有限公司 一种陶瓷艺术品的印章识别方法及系统
CN106934323A (zh) * 2015-12-29 2017-07-07 上海优尼客物联网有限公司 一种陶瓷艺术品的识别方法及系统
CN109154993A (zh) * 2016-03-29 2019-01-04 波萨诺瓦机器人知识产权有限公司 用于对物品定位、识别和计数的系统和方法
CN106021350A (zh) * 2016-05-10 2016-10-12 湖北工程学院 艺术品收藏与管理方法及系统
CN108171744A (zh) * 2017-12-26 2018-06-15 努比亚技术有限公司 一种双目虚化中视差图的确定方法、移动终端及存储介质
KR20190095606A (ko) * 2018-01-25 2019-08-16 상명대학교산학협력단 딥러닝 기술과 이미지 특징 추출 기술을 결합한 영상물 내 미술품 인식 방법
CN109741385A (zh) * 2018-12-24 2019-05-10 浙江大华技术股份有限公司 一种图像处理系统、方法、装置、电子设备及存储介质
CN110472480A (zh) * 2019-06-28 2019-11-19 深圳数马电子技术有限公司 物品识别方法、装置及计算机可读存储介质
CN110457502A (zh) * 2019-08-21 2019-11-15 京东方科技集团股份有限公司 构建知识图谱方法、人机交互方法、电子设备及存储介质
CN110516099A (zh) * 2019-08-27 2019-11-29 北京百度网讯科技有限公司 图像处理方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
LI LINGHUI;DU JUNPING;LIANG MEIYU;REN NAN;FAN DAN;: "Video super-resolution reconstruction based on deep convolutional neural network and spatio-temporal similarity", THE JOURNAL OF CHINA UNIVERSITIES OF POSTS AND TELECOMMUNICATIONS, no. 05, 15 October 2016 (2016-10-15), pages 72 - 85 *
ZENG-SHUN ZHAO 等: "Multiscale Point Correspondence Using Feature Distribution and Frequency Domain Alignment", 《MATHEMATICAL PROBLEMS IN ENGINEERING》, vol. 2012, pages 1 - 15 *
吴海飞: "跨媒体图像检索的研究_吴海飞", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 07, 15 July 2017 (2017-07-15), pages 138 - 612 *
张雨露: "基于影像特征的艺术品识别检索系统设计与开发", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 05, pages 138 - 715 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112257638A (zh) * 2020-10-30 2021-01-22 重庆紫光华山智安科技有限公司 一种图像比对方法、系统、设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN111832494B (zh) 2024-03-05

Similar Documents

Publication Publication Date Title
CN111667520B (zh) 红外图像和可见光图像的配准方法、装置及可读存储介质
CN110705405B (zh) 目标标注的方法及装置
CN109582880B (zh) 兴趣点信息处理方法、装置、终端及存储介质
WO2019033574A1 (zh) 电子装置、动态视频人脸识别的方法、系统及存储介质
CN110503076B (zh) 基于人工智能的视频分类方法、装置、设备和介质
CN113807451B (zh) 全景图像特征点匹配模型的训练方法、装置以及服务器
CN111291825A (zh) 病灶分类模型训练方法、装置、计算机设备和存储介质
CN111914775A (zh) 活体检测方法、装置、电子设备及存储介质
CN113158773B (zh) 一种活体检测模型的训练方法及训练装置
CN112102404B (zh) 物体检测追踪方法、装置及头戴显示设备
CN112802081A (zh) 一种深度检测方法、装置、电子设备及存储介质
CN114022748B (zh) 目标识别方法、装置、设备及存储介质
CN111832494B (zh) 信息存储方法及设备
CN110660091A (zh) 一种图像配准处理方法、装置和拍照批改作业系统
CN113763307B (zh) 样本数据的获取方法和装置
CN113902932A (zh) 特征提取方法、视觉定位方法及装置、介质和电子设备
CN111814811B (zh) 图像信息提取方法、训练方法及装置、介质和电子设备
JP6785181B2 (ja) 物体認識装置、物体認識システム、及び物体認識方法
CN109598201B (zh) 动作检测方法、装置、电子设备及可读存储介质
JP2009032109A (ja) 文書画像検索方法、文書画像登録方法、そのプログラムおよび装置
CN109816709B (zh) 基于单目摄像头的深度估计方法、装置及设备
CN115439534A (zh) 图像的特征点匹配方法、设备、介质及程序产品
CN115410174A (zh) 一种两阶段车险反欺诈图像采集质检方法、装置和系统
CN113569684A (zh) 短视频场景分类方法、系统、电子设备及存储介质
CN113240723A (zh) 一种单目深度估计方法、装置以及深度评估设备

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