CN111915637B - 一种图片展示方法、装置、电子设备及存储介质 - Google Patents
一种图片展示方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111915637B CN111915637B CN202010408268.4A CN202010408268A CN111915637B CN 111915637 B CN111915637 B CN 111915637B CN 202010408268 A CN202010408268 A CN 202010408268A CN 111915637 B CN111915637 B CN 111915637B
- Authority
- CN
- China
- Prior art keywords
- picture
- information
- scene
- area
- module
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000010801 machine learning Methods 0.000 claims abstract description 40
- 238000004590 computer program Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 23
- 235000021168 barbecue Nutrition 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000007115 recruitment Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供了一种图片展示方法、装置、电子设备及存储介质,所述方法包括:在检测到用户使用应用程序APP的触发页面操作时,获取所述页面中在视图区域待展示的图片;确定图片的场景画像、图片的关键信息以及关键信息所在图片中的区域尺寸;根据场景画像从所述关键信息中选出一个核心信息;将核心信息在所述图片中的区域尺寸调整到视图区域内;将调整后的视图区域中的图片展示给所述用户。即本发明中,基于机器学习的图片识别技术,识别图片中的关键信息,然后再结合所述图片的场景画像,找出核心信息,在视图区域上完全展示图片中的核心信息,实现了图片的重聚焦。不但提高了图片在视图区域的显示效率,而且还提高了用户浏览网页的体验。
Description
技术领域
本发明涉及终端技术领域,特别是涉及一种图片展示方法、装置、电子设备及存储介质。
背景技术
目前,应用程序(APP,Application)中的图片显示是通过系统应用程序接口(API,Application Program Interface)提供的方式来呈现的,为了体现图片的显示效果,通常会选择AspectFill的方式将图片完全填满显示区域,但是,由于APP中图片显示区域有限,且样式尺寸相对固定,有时候并不能完整的显示图片,比如,图片中的人脸或者关键物体不在图片中央,显示时可能会被截取掉等。也就是说,需要点击打开页面才能看到完整的图片,降低了用户浏览网页的体验。
因此,如何在APP的显示区域进行图片的完整展示,是目前有待解决的技术问题。
发明内容
本发明实施例所要解决的技术问题是提供一种图片展示方法,以解决相关技术中不能在APP的显示区域完整的显示图片,导致图片显示效率降低的技术问题。
相应的,本发明实施例还提供了一种图片展示装置、电子设备及存储介质,用以保证上述方法的实现及应用。
为了解决上述问题,本发明是通过如下技术方案实现的:
第一方面提供一种图片展示方法,所述方法包括:
在检测到用户使用应用程序APP的触发页面操作时,获取所述页面中在视图区域待展示的图片;
确定所述图片的场景画像、所述图片的关键信息以及所述关键信息所在图片中的区域尺寸;
根据所述场景画像从所述关键信息中选出一个核心信息;
将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内;
将调整后的所述视图区域中的图片展示给所述用户。
可选的,所述确定所述图片的场景画像,包括:
提取所述图片的页面所在场景中的关键词信息;
将所述关键词信息作为所述图片的场景画像,所述场景画像至少包括下述之一:应用程序级别的场景画像,频道级别的场景画像,帖子级别的场景画像;
所述确定所述图片的关键信息以及所述关键信息所在图片中的区域尺寸,包括:
利用图片识别机器学习模型对所述获取模块获取的所述图片进行识别,得到所述图片中的关键信息以及所述关键信息在所述图片中的区域尺寸。
可选的,所述方法还包括:
对所述图片的场景画像按照设定顺序进行排序,得到排序后所述图片中场景画像数组,所述场景画像数组中的元素按照所述设定顺序排列,其中,所述设定顺序为:帖子级别>频道级别>应用程序级别。
可选的,所述根据所述场景画像从所述关键信息中选出一个核心信息,包括:
将所述图片的关键信息中的元素与所述图片的场景画像数组中的元素进行比较;
根据比较结果确定所述图片的关键信息中的元素在所述场景画像数组的元素中的优先级顺序;
从所述优先级顺序中选出优先级最高的一个元素作为核心信息,以及所述核心信息在所述图片中的区域尺寸。
可选的,所述将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内,包括:
判断所述核心信息的区域尺寸是否在所述图片的中心区域;
如果判定所述核心信息的区域尺寸在所述图片的中心区域上,则将所述核心信息所在图片中的区域尺寸调整到所述视图区域的中心位置上,以使所述核心信息的区域尺寸在所述视图区域的中心位置上展示;
如果判定所述核心信息的区域尺寸不在所述图片的的中心区域上,则将所述核心信息所在图片中的区域尺寸微调到所述视图区域内,以使所述核心信息的区域尺寸在所述视图区域中完全展示。
第二方面提供一种图片展示装置,所述装置包括:
获取模块,用于在检测到用户使用应用程序APP的触发页面操作时,获取所述页面中在视图区域待展示的图片;
确定模块,用于确定所述图片的场景画像、所述图片的关键信息以及所述关键信息所在图片中的区域尺寸;
选择模块,用于根据所述场景画像从所述关键信息中选出一个核心信息;
调整模块,用于将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内;
展示模块,用于将调整后的所述视图区域中的图片展示给所述用户。
可选的,所述确定模块包括第一确定模块和第二确定模块,其中,
所述第一确定模块包括:
提取模块,用于提取所述图片的页面所在场景中的关键词信息;
场景画像确定模块,用于将所述关键词信息作为所述图片的场景画像,所述场景画像至少包括下述之一:应用程序级别的场景画像,频道级别的场景画像,帖子级别的场景画像;
所述第二确定模块包括:
识别模块,用于利用图片识别机器学习模型对所述获取模块获取的所述图片进行识别,得到所述图片中的关键信息以及所述关键信息在所述图片中的区域尺寸。
可选的,所述装置还包括:
排序模块,用于对所述确定模块确定所述图片的场景画像按照设定顺序进行排序,得到排序后所述图片中场景画像数组,所述场景画像数组中的元素按照所述设定顺序排列,其中,所述设定顺序为:帖子级别>频道级别>应用程序级别。
可选的,所述选择模块包括:
比较模块,用于将所述图片的关键信息中的元素与所述图片的场景画像的关键词信息元素组进行比较;
优先顺序确定模块,用于根据比较结果确定所述图片的关键信息中的元素在所述场景画像数组的元素中的优先级顺序;
核心信息确定模块,用于从所述优先级顺序中选出优先级最高的一个元素作为核心信息,以及所述核心信息在所述图片中的区域尺寸。
可选的,所述调整模块包括:
判断模块,用于判断所述核心信息的区域尺寸是否在所述图片的中心区域;
第一调整模块,用于在所述判断模块判定所述核心信息的区域尺寸在所述图片的中心区域上时,将所述核心信息所在图片中的区域尺寸调整到所述视图区域的中心位置上,以使所述核心信息的区域尺寸在所述视图区域的中心位置上展示;
第二调整模块,用于在所述判断模块判定如果判定所述核心信息的区域尺寸不在所述图片的的中心区域上,则将所述核心信息所在图片中的区域尺寸微调到所述视图区域内,以使所述核心信息的区域尺寸在所述视图区域中完全展示。
第三方面提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的图片展示方法的步骤。
第四方面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计算机程序,所述计算机程序被处理器执行时实现如上所述的图片展示方法中的步骤。
与现有技术相比,本发明实施例包括以下优点:
本发明实施例中,在检测到用户使用应用程序APP的触发页面操作时,获取所述页面中在视图区域待展示的图片;确定所述图片的场景画像、所述图片的关键信息以及所述关键信息所在图片中的区域尺寸;根据所述场景画像从所述关键信息中选出一个核心信息;将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内;将调整后的所述视图区域中的图片展示给所述用户。也就是说,本发明实施例中,基于机器学习的图片识别技术,识别图片中的关键信息,然后再结合所述图片的场景画像,从所述关键信息中找出核心信息(即最关键信息),在终端显示有限的视图区域上完全展示图片中的核心信息,让视图重新聚焦于图片中最相关的物体或人像上,而不是简单的显示图片的中间区域,实现了图片的重聚焦。不但提高了图片在视图区域的显示效率,而且还提高了用户浏览网页的体验。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
图1是本发明实施例提供的一种图片展示方法的流程图;
图2是本发明实施例提供的一种选择核心信息的应用示例图;
图3A是本发明实施例提供的一种从图片中识别出来的核心信息以及其区域尺寸的示意图;
图3B是本发明实施例提供的一种视图区域的示意图;
图4A是本发明实施例提供的一种图片调整前展示的应用实例图;
图4B是本发明实施例提供的一种图片调整后展示的应用实例图;
图5为本发明实施例提供的一种对图片中核心信息显示的区域尺寸进行微调的应用实例图;
图6是本发明实施例提供的一种图片展示装置的结构示意图;
图7是本发明实施例提供的一种确定模块的结构示意图;
图8是本发明实施例提供的一种图片展示的另一结构示意图;
图9是本发明实施例提供的一种选择模块的结构示意图;
图10是本发明实施例提供的一种调整模块的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
请参阅图1,为本发明实施例提供的一种图片展示方法的流程图,具体可以包括如下步骤:
步骤101:在检测到用户使用应用程序APP的触发浏览页面操作时,获取视图区域浏览页面中待展示的图片;
步骤102:确定所述图片的场景画像、所述图片的关键信息以及所述关键信息所在图片中的区域尺寸;
步骤103:根据所述场景画像从所述关键信息中选出一个核心信息;
步骤104:将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内;
步骤105:将调整后的所述视图区域中的图片展示给所述用户。
本发明实施例提供的一种图片展示方法,可以应用于移动终端、服务器、客户端(包括APP客户端)、后端或系统等,在此不作限制,其实施设备可以是智能手机,笔记本电脑、平板电脑等电子设备,在此也不作限制。
下面结合图1,对本发明实施例提供的一种图片展示方法的具体实施步骤进行详细说明。
首先,执行步骤101,在检测到用户使用应用程序APP的触发页面操作时,获取所述页面中在视图区域待展示的图片。
该步骤中,用户在使用应用程序(APP,Application)时,终端或终端上的客户端或服务器会检测到该用户触发APP上的页面操作时,获取所述所述页面中在视图区域待展示的图片,其中获取的方式已是熟知技术,在此不再赘述。其中,视图区域就是能够显示文字、图片和/或图像的区域,比如终端的显示屏幕等。
其次,执行步骤102,确定所述图片的场景画像、所述图片的关键信息以及所述关键信息所在图片中的区域尺寸;
其中,确定所述图片的场景画像和确定所述图片的关键信息以及所述关键信息所在图片中的区域尺寸的过程,在具体实现时,可以先确定该图片的场景画像,再确定该图片的关键信息及其尺寸,也可以向确定该图片的关键信息及其存储,再确定该图片的场景画像,当然,也可以同时执行,本实施例不做限制。
该步骤中,确定所述图片的关键信息以及所述关键信息所在图片中的区域尺寸,就是利用图片识别机器学习模型中的预测应用程序接口API函数对所述视图区域浏览页面中待展示的图片进行识别,得到所述图片中的关键信息以及所述关键信息所在图片中的区域尺寸。其中,图片识别机器机器学习模型的获取方式,详见下述,在此不再赘述。
其中,该步骤中,将获取到用户浏览页面上的图片作为参数,调用预先集成在APP上的图片识别机器学习模型中的预测API(方法或函数)进行预测,并对预测结果进行机器学习分析,输出识别结果特征(Features),该 Features包括关键信息(name,具体关键信息的名称)和数值(value)其中, value包含关键信息在图片中的区域尺寸(bounds),区域尺寸又包括关键信息的位置和尺寸。需要说明的是,图片识别机器学习模型不同,识别后输出的结果可能不同。具体识别所述图片的关键信息以及所述关键信息所在图片中的区域尺寸的过程可以包括:
1)获取用户使用应用程序APP时浏览带有图片的网页;
该步骤中,用户在打开应用程序APP,进入某个频道,查看或浏览到某个喜欢的网页或帖子(即带有图片的网页或帖子等)时,预先集成有图片识别机器学习模型的应用程序APP会检测到该用户查看或浏览的网页,会先获取或先下载该用户查看或浏览的网页上的图片。
2)对所述网页中的图片进行识别,得到所述图片中的关键信息以及所述关键信息所在图片中的区域尺寸。
该步骤中,可以利用图片识别机器学习模型对所述网页中的图片进行识别,得到所述图片中的关键信息,其中,该图片中的关键信息可以有一个,也可以有多个,如果有多个,比如,通过对一个图片的识别,得到的关键信息可以包括女人,烧烤,以及女人和烧烤在所述图片中区域尺寸,其中区域尺寸包括位置和尺寸等。本实施例不做限制。
其中,本发明实施例中的图片识别机器学习模型是利用了基于机器学习的图片识别技术,该图片识别技术是一种图片分类技术,通过机器学习训练模型,让模型能够识别出图片中所包括的元素等,然后对这些元素进行分类,从而判别出该图片中的元素是有什么组成的,比如包括物体、人脸或者其他任何对象,以及这些物体、人脸或者其他任何对象在所述图片中的位置和尺寸等。
其中,利用图片识别机器学习模型对图片进行识别的一种方式为:
首先,集成图片识别机器学习模型的APP检测到用户输入的参数,所述参数为所述图片;然后,调用图片识别机器学习模型的预测应用程序接口 (API,Application ProgramInterface,即供应用程序调用的调用接口)函数对所述图片进行预测分析,得到预测结果特征,该预测结果特征包括:图片中的关键信息(name)和数值(value)其中,value包含关键信息在图片中的区域尺寸(bounds),区域尺寸又包括位置和尺寸。
也就是说,该实施例中,把图片作为输入图片识别机器学习模型的参数,调用图片识别机器学习模型的预测应用程序接口API函数(或API方法)进行预测,并对预测结果进行机器学习分析,输出识别出来的结果。需要说明的是,图片识别机器学习模型不同,输出的结果可能不同。
下面以Resnet50训练模型为例,其具体的实现过程详见下述:
如果以Resnet50训练模型为例,就是先获取Resnet50app模型,其获取的方式有多种,本实施例不再说明,然后,把Resnet50app模型集成到APP 上,通过集成开发环境(IDE,Integrated Development,比如苹果的XCode) 自动生成的类和方法;再后,调用生成的类和方法来识别图片中的关键信息以及所述关键信息所在图片中的区域尺寸。比如,通过该训练模型采用预测方法(func)为prediction来预测图片中的关键信息,其输入是Resnet50Input 类型,其具体的输入类是参数Image;输出是Resnet50Output类型,其具体的输出是预测出的结果Features,可以包括关键信息的name和value,其中 value包含关键信息在图片中的区域尺寸(bounds),包括位置和尺寸。其中,bounds包括:x,y,width和height;x和y是离父组件或窗体的左上角坐标,width,height是控件(比如图片)的宽和高。本实施例中,只需要识别出来的关键信息的name和value即可,比如识别出图片中的关键信息是女人、男人和烧烤等等元素,以及各个元素在所述图片中的区域尺寸。
再比如,如果以WBLogoImageClassifier模型为例,先获取该WBLogoImageClassifier模型,再把该模型集成到APP上,通过集成开发环境(IDE,Integrated Development,比如苹果的XCode)自动生成的类和方法,之后,调用生成的类和方法来识别图片中的关键信息。其中,模型的名字为 WBLogoImageClassifier;其输入输出类名,是模型作为前缀再加上其他关键字形成,如WBLogoImageClassifierInput是模型的输入类名, WBLogoImageClassifierOutput是模型的输出类名。该模型可以采用predictionFromFeatures方法,输入的参数是WBLogoImageClassifierInput实例(对象),输出是预测出的结果WBLogoImageClassifierOutput实例(对象)。
其中,所述确定所述图片的场景画像,就是在获取所述页面中在视图区域待展示的图片后,确定待展示的每一个图片的场景画像,其中,确定每个图片的场景画像的过程为:
先提取所述图片的页面所在场景中的关键词信息;然后,将所述关键词信息作为所述图片的场景画像,所述场景画像至少包括下述之一:应用程序级别的场景画像,频道级别的场景画像,帖子级别的场景画像,当然,根据实际需要,还可以适应相应包括其他场景画像。也就是说,本实施例中的场景画像,是指在视图区域中显示图片的页面所在场景的关键词信息。这是因为,在相关技术中,比如58同城app的部落/热议频道中,图片展示的内容经常显示不全,不知道图片到底要显示的是什么内容,只有点进去看到详情页时才知道图片显示的内容是什么。基于此,本发明提出了图片的场景画像,即对图片所在页面的场景的关键词信息进行提取,并将提取的关键词信息作为该图片的场景画像。需要说明的是,本发明中的场景图像,可以根据用户操作实时生成场景图像,比如,用户打开app时,生成app级别场景图像,用户进入某个频道时,生成频道级别场景图像,用户查看某个帖子时,生成帖子级别场景图像。
其中,本发明提供的场景画像可以包括:
1)app级别的场景画像:比如要用户打开58同城app时,生成的app 级别的场景画像可能是“房产、招聘、本地服务”等,再具体一点,可以是“新房、二手房、全职招聘、兼职、维修、家政”等等。
2)频道级别的场景画像:对于用户打开今日头条时,生成的频道级别的场景画像可以是首页上方标签(tab)栏的“关注、推荐、肺炎、小视频、视频、北京、时代、财政、军事、体育、健康”等等;对于58同城的部落而言,就是各个部落的名字或者它所包含的一些关键词等。
3)帖子级别的场景画像:比如用户打开某个论坛帖子时,生成的帖子级别的场景画像可能是该帖子的名称等,由于一个图片不能独立的显示在一个位置,它肯定属于一个帖子、一篇文章、一个消息等这样的实体中,本发明利用帖子这个名词来表示这个级别。一个帖子的场景画像一般由后端服务器通过算法来提取,比如58app首页推荐流里面的负反馈按钮,就显示出了用户方案改文章的原因,而这些原因中就含有画像信息等。
进一步,在确定所有图片的场景画像之后,所述方法还可以包括:按照设定顺序对图片的场景画像进行排序,得到排序后所述图片中场景画像数组,所述场景画像数组中的元素按照所述设定顺序排列,其中,所述设定顺序为:帖子级别>频道级别>应用程序级别。也就是说,对所有图片的场景画像按照帖子级别>频道级别>app级别的顺序进行排序,最终得到图片的场景画像数组,场景画像数组中的元素根据设定顺序决定优先级。
然后,执行步骤103,根据所述场景画像从所述关键信息中选择出一个核心信息;
该步骤中,首先,将获取的所述图片上关键信息中的元素与所述图片的场景画像数组中的元素进行比较;然后,根据比较结果确定所述图片上关键信息中的元素在所述场景画像数组的元素中的优先级顺序;最后,从所述优先级顺序中选出优先级最高的一个元素作为核心信息,以及从所述关键信息中选出所述核心信息在所述图片中的区域尺寸。
具体如图2所示,图2为本发明实施例提供的一种选择核心信息的应用示例图,包括,从图片所在页面的场景中确定的场景画像201,以及从图片中识别出的关键信息202(即关键信息的name),以及通过比较得到一个核心信息203,需要说明的是本实施例以得到一个核心信息为例,在实际应用中,可以根据需要得到多个核心信息,本实施例不做限制。其中,场景画像 201具体包括:帖子级别:比如烧烤;频道级别:比如美食;app级别:比如工作、……、二手房等为例,而图片识别出的关键信息的name202以包括:女人,男人,烧烤和啤酒为例,经过按照上述设定顺序进行比较,得到优先级最高的一个烧烤作为核心信息,本实施例得到的核心信息203以包括烧烤为例,但是,在实际应用中并不限于此。需要说明的是,场景画像201中的元素是按照设定顺序(即帖子级别>频道级别>app级别的顺序)进行排序得到的,而识别图片关键信息的name202是没有经过排序的,二者都可以将自身的元素保存到数组中,但是它们的顺序不同,一个是按照设定顺序进行排序(即场景画像),一个是没有排序(即关键信息)。为了确定从图片中识别出来的关键信息的元素(也可以称为关键信息数组)中,哪一个是最关键信息(即核心信息),需要与场景画像数组中的元素进行比较,或者对应图片中的关键信息的元素,从该场景画像数组的元素中进行检索,找出优先级排序最高的一个元素,并将其选择为核心信息。如图2所示,从图片上可以识别出很多信息,但是通过检索,得到“烧烤”在场景画像中的优先级最高,则从所述关键信息中选择出“烧烤”作为核心信息,以及从关键信息选出该“烧烤”在所述图片中的区域尺寸。即最终得到的是{“name”:bounds}这样的数据,即烧烤以及烧烤在所述图片中的位置和尺寸。
再后,执行步骤104:将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内;
该步骤中,先检测所述核心信息的区域尺寸是否在所述图片的中心区域;如果所述核心信息的区域尺寸在所述图片的中心区域,则将所述核心信息所在图片中的区域尺寸调整到所述视图区域的中心位置上;
如果所述核心信息的区域尺寸不在所述图片的中心区域(比如在图片的边缘和角落时),则将所述核心信息所在图片中的区域尺寸微调到所述视图区域内,以使所述核心信息的区域尺寸能在所述视图区域中完全显示。
也就是说,该步骤会根据得到核心信息以及该核心在图片中的区域尺寸 bounds(x、y、width、height)来调整该图片在视图区域中的显示位置。其中,调整也可以理解为将图片重新聚焦到优先级最高的核心信息上。
一种情况,如果所述核心信息的区域尺寸在所述图片的中心区域上,则将所述核心信息所在图片中的区域尺寸调整到所述视图区域的中心位置上,具体如图3A和图3B所示,图3A是本发明实施例提供的一种从图片中识别出来的核心信息以及其区域尺寸(bounds)的示意图。图3B是本发明实施例提供的一种视图区域的示意图,其中,视图区域是用来显示图片的区域。
还请一同参阅如图4A和图4B所示,图4A是本发明实施例提供的一种图片调整前展示的应用实例图,图4B是本发明实施例提供的一种图片调整后展示的应用实例图。由图4A所示,上方是从图片中识别出来的核心信息 (烧烤)以及核心信息的bounds(烧烤信息的区域尺寸),下方是识别出图片的关键信息包括女人,男人。由图4A可知,由于该核心信息有部分尺寸没有在视图区域内,在展示图片时,有部分核心信息不能完全展示,这是现有技术的图片展示方式;而如图4B所示,为按照本发明所述技术方案对图片中核心信息的区域尺寸进行调整后展示的图片,图片中的核心信息可以完全展示在视图区域内,也就是说,本发明将识别出的核心信息(烧烤)的区域尺寸bounds调整到视图区域的中心位置,从而能完整的展示图片中的核心信息。
也就是说,调整前的,所述图片显示中烧烤及其烧烤的区域尺寸没有完全在视频区域中显示,而采用本发明的技术方案调整后,该烧烤及烧烤的区域尺寸就能完全显示在视图区域的中心位置了。
当然,另一情况,就是所述核心信息的区域尺寸不在所述图片的中心区域,即核心信息在该图片的边缘和角落上,此时,没法调整图片,从而使核心信息所在区域调整到在视图区域的中心位置上,对于这种情况,只能进行纠正,即微调。具体如图5所示,图5为本发明实施例提供的一种对图片中核心信息显示的区域尺寸进行微调的应用实例图。左部分为微调前图片的显示情况,右部分为微调后图片的显示情况。其具体的微调方式,需要对左、左上、上、右上、右、右下、下、左下情况都进行适应性的调整。
最后,执行步骤105,将调整后的所述视图区域中的图片显示给所述用户。
本发明实施例中,在检测到用户使用应用程序APP的触发页面操作时,获取所述页面中在视图区域待展示的图片;确定所述图片的场景画像、所述图片的关键信息以及所述关键信息所在图片中的区域尺寸;根据所述场景画像从所述关键信息中选出一个核心信息;将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内;将调整后的所述视图区域中的图片展示给所述用户。也就是说,本发明实施例中,基于机器学习的图片识别技术,识别图片中的关键信息,然后再结合所述图片的场景画像,从所述关键信息中找出核心信息(即最关键信息),在终端显示有限的视图区域上完全展示图片中的核心信息,让视图重新聚焦于图片中最相关的物体或人像上,而不是简单的显示图片的中间区域,实现了图片的重聚焦,不但提高了图片在视图区域的显示效率,而且还提高了用户浏览网页的体验。
可选的,在另一实施例中,该实施例在上述实施例的基础上,获取所述页面中在视图区域待展示的图片之前,所述方法还可以包括:
1)接收用户输入的操作指令;
2)根据所述操作指令,将图片识别机器学习模型集成在所述应用程序 APP中。
也就是说,应用程序APP根据执行者或开发者的操作指令,预先将图片识别机器学习模型集成在应用程序APP中,这是执行者或开发者的前期准备。即执行者或开发者需要先获取图片识别机器学习模型,然后将图片识别机器学习模型集成APP中。
其中,获取图片识别机器学习模型的方法有很多种,本实施例以三种为例:
第一种:执行者或开发者直接从网上下载已有的图片识别机器学习模型(或者是机型学习模型),具体需要什么类型的图片识别模块,可以根据需求来选择。
第二种:执行者或开发者根据需求自己去创建和训练模型。该过程需要很大的工作量,要保证训练模型的准确度,就需要进行大量的训练。比如某公司的CoreML模型而言,也有相应的工具来创建和生成训练模型,比如创建是利用CreateML,训练工具是TuriCreate。当然,也可以利用其他公司的产品来创建和训练,然后通过第一种的工具来转换为当前平台支持的模型。
第三种:利用操作系统中已经集成的机器学习框架。比如iOS操作系统,里面就集成了Vision或CoreImage框架,它支持Face Detection、Human and Animal Detection、Text Recognition、Object Recognition、Machine-Learning ImageAnalysis等等。利用这个成熟的框架,可以不再依赖其他ML模型,只要Vision或CoreImage框架能支持当前的需求。
之后,根据所述操作指令,将图片识别机器学习模型集成在所述应用程序APP中。
该步骤中,将图片识别机器学习模型集成在所述应用程序APP中,对于本领域技术人员来说,已是熟知技术,在此不再赘述。
本发明需要根据接收到的操作指令,需要预先将图片识别机器学习模型集成在APP中,之后,APP在检测到用户使APP的触发页面操作时,才能获取所述页面中在视图区域待展示的图片,利用机器学习的图片识别技术识别出图片中的关键信息,然后再根据图片的场景画像,让视图重新聚集于最相关的物体/人上,实现图片的重聚焦。不但提高了图片在视图区域的显示效率,而且还提高了用户浏览网页的体验。
需要说明的是,对于方法实施例,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,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,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,所涉及的动作并不一定是本发明实施例所必须的。
请参阅图6,为本发明实施例提供的一种图片展示装置的结构示意图,具体可以包括:获取模块601,确定模块602、选择模块603、调整模块604 和展示模块605,其中,
该获取模块601,用于在检测到用户使用应用程序APP的触发页面操作时,获取所述页面中在视图区域待展示的图片;
该确定模块602,用于确定所述图片的场景画像、所述图片的关键信息以及所述关键信息所在图片中的区域尺寸;
该选择模块603,用于根据所述场景画像从所述关键信息中选出一个核心信息;
该调整模块604,用于将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内;
该展示模块605,用于将调整后的所述视图区域中的图片展示给所述用户。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述确定模块603可以包括:第一确定模块6031和第二确定模块6032,其中,所述第一确定模块6031包括:提取模块701和场景画像确定模块702;所述第二确定模块6032包括:识别模块703,其结构示意图如图7所示,其中,
该提取模块701,用于提取所述获取模块601获取的所述图片的页面所在场景中的关键词信息;
该场景画像确定模块702,用于将所述关键词信息作为所述图片的场景画像,所述场景画像至少包括下述之一:应用程序级别的场景画像,频道级别的场景画像,帖子级别的场景画像;
该识别模块703,用于利用图片识别机器学习模型对所述获取模块601 获取的所述图片进行识别,得到所述图片中的关键信息以及所述关键信息在所述图片中的区域尺寸。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述装置还包括:排序模块801,其结构示意图如图8所示,图8以图6为基础,其中,
该排序模块801,用于对所述确定模块602确定所述图片的场景画像按照设定顺序进行排序,得到所述图片的场景画像数组,所述场景画像数组中的元素按照所述设定顺序排列,其中,所述设定顺序为:帖子级别>频道级别>应用程序级别。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述选择模块604包括:比较模块901,优先顺序确定模块902和核心信息确定模块 903,其结构示意图如图9所示,其中,
该比较模块901,用于将所述图片的关键信息中的元素与所述图片的场景画像的关键词信息元素组进行比较;
该优先顺序确定模块902,用于根据比较结果确定所述图片的关键信息中的元素在所述场景画像数组的元素中的优先级顺序;
该核心信息确定模块903,用于从所述优先级顺序中选出优先级最高的一个元素作为核心信息,以及所述核心信息在所述图片中的区域尺寸。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述调整模块605包括:判断模块1001,第一调整模块1002和第二调整模块1003,其结构示意图如图10所示,其中,
该判断模块1001,用于判断所述核心信息的区域尺寸是否在所述图片的中心区域;
该第一调整模块1002,用于在所述判断模块1001判定所述核心信息的区域尺寸在所述图片的中心区域上时,将所述核心信息所在图片中的区域尺寸调整到所述视图区域的中心位置上,以使所述核心信息的区域尺寸在所述视图区域的中心位置上展示;
该第二调整模块1003,用于在所述判断模块1001判定如果判定所述核心信息的区域尺寸不在所述图片的的中心区域上,则将所述核心信息所在图片中的区域尺寸微调到所述视图区域内,以使所述核心信息的区域尺寸在所述视图区域中完全展示。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述识别模块703包括:参数检测模块和预测模块(图中未示)其中,
该参数检测模块,用于检测到用户输入的参数,所述参数为所述图片;
该预测模块,用于调用图片识别机器学习模型的预测应用程序接口API 函数对所述图片进行预测分析,得到所述图片中的关键信息,以及所述关键信息所在图片中的区域尺寸。
可选的,在另一实施例中,该实施例在上述实施例的基础上,所述装置还可以包括:接收模块和集成模块(图中未示),其中,
该接收模块,用于获取所述页面中在视图区域待展示的图片之前,接收用户输入的操作指令;
该集成模块,用于根据所述操作指令,将图片识别机器学习模型集成在所述应用程序APP中。
本发明实施例利用机器学习的图片识别技术识别出图片中的关键信息,然后结合该图片的场景画像,从所述关键信息中选出一个核心信息,在终端显示的视图区域上完全展示图片中的核心信息,让视图重新聚焦于图片中最相关的物体或人像上,而不是简单的显示图片的中间区域,实现了图片的重聚焦,不但提高了图片在视图区域的显示效率,而且还提高了用户浏览网页的体验。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
可选的,本发明实施例还提供一种电子设备,包括处理器,存储器,存储在存储器上并可在所述处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述图片展示方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,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执行时实现上述图片展示方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
本发明实施例还提供一种计算机程序产品,当所述计算机程序产品中的指令由电子设备的处理器执行时,使得所述电子设备执行上述任一种图片展示方法。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、装置、电子设备、存储介质和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和 /或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的一种图片展示方法、装置、电子设备或存储介质,进行了详细介绍,本文中应用了具体个例对本发明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发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,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发明的限制。
Claims (8)
1.一种图片展示方法,其特征在于,所述方法包括:
在检测到用户使用应用程序APP的触发页面操作时,获取所述页面中在视图区域待展示的图片;
确定所述图片的场景画像、所述图片的关键信息以及所述关键信息所在图片中的区域尺寸;
对所述图片的场景画像按照设定顺序进行排序,得到排序后所述图片中场景画像数组,所述场景画像数组中的元素按照所述设定顺序排列,其中,所述设定顺序为:帖子级别>频道级别>应用程序级别;
根据所述场景画像从所述关键信息中选出一个核心信息;
将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内;
将调整后的所述视图区域中的图片展示给所述用户;
其中,所述确定所述图片的场景画像,包括:
提取所述图片的页面所在场景中的关键词信息;
将所述关键词信息作为所述图片的场景画像,所述场景画像至少包括下述之一:应用程序级别的场景画像,频道级别的场景画像,帖子级别的场景画像;
确定所述图片的关键信息以及所述关键信息所在图片中的区域尺寸,包括:利用图片识别机器学习模型对所述图片进行识别,得到所述图片中的关键信息以及所述关键信息在所述图片中的区域尺寸。
2.根据权利要求1所述的图片展示方法,其特征在于,所述根据所述场景画像从所述关键信息中选出一个核心信息,包括:
将所述图片的关键信息中的元素与所述图片的场景画像数组中的元素进行比较;
根据比较结果确定所述图片的关键信息中的元素在所述场景画像数组的元素中的优先级顺序;
从所述优先级顺序中选出优先级最高的一个元素作为核心信息,以及所述核心信息在所述图片中的区域尺寸。
3.根据权利要求1所述的图片展示方法,其特征在于,所述将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内,包括:
判断所述核心信息的区域尺寸是否在所述图片的中心区域;
如果判定所述核心信息的区域尺寸在所述图片的中心区域上,则将所述核心信息所在图片中的区域尺寸调整到所述视图区域的中心位置上,以使所述核心信息的区域尺寸在所述视图区域的中心位置上展示;
如果判定所述核心信息的区域尺寸不在所述图片的中心区域上,则将所述核心信息所在图片中的区域尺寸微调到所述视图区域内,以使所述核心信息的区域尺寸在所述视图区域中完全展示。
4.一种图片展示装置,其特征在于,包括:
获取模块,用于在检测到用户使用应用程序APP的触发页面操作时,获取所述页面中在视图区域待展示的图片;
确定模块,用于确定所述图片的场景画像、所述图片的关键信息以及所述关键信息所在图片中的区域尺寸;
排序模块,用于对所述确定模块确定所述图片的场景画像按照设定顺序进行排序,得到排序后所述图片中场景画像数组,所述场景画像数组中的元素按照所述设定顺序排列,其中,所述设定顺序为:帖子级别>频道级别>应用程序级别;
选择模块,用于根据所述场景画像从所述关键信息中选出一个核心信息;
调整模块,用于将所述核心信息在所述图片中的区域尺寸调整到所述视图区域内;
展示模块,用于将调整后的所述视图区域中的图片展示给所述用户;
其中,所述确定模块包括第一确定模块和第二确定模块,其中,
所述第一确定模块包括:
提取模块,用于提取所述获取模块获取的所述图片的页面所在场景中的关键词信息;
场景画像确定模块,用于将所述关键词信息作为所述图片的场景画像,所述场景画像至少包括下述之一:应用程序级别的场景画像,频道级别的场景画像,帖子级别的场景画像;
所述第二确定模块,包括:
识别模块,用于利用图片识别机器学习模型对所述获取模块获取的所述图片进行识别,得到所述图片中的关键信息以及所述关键信息在所述图片中的区域尺寸。
5.根据权利要求4所述的图片展示装置,其特征在于,所述选择模块包括:
比较模块,用于将所述图片的关键信息中的元素与所述图片的场景画像的关键词信息元素组进行比较;
优先顺序确定模块,用于根据比较结果确定所述图片的关键信息中的元素在所述场景画像数组的元素中的优先级顺序;
核心信息确定模块,用于从所述优先级顺序中选出优先级最高的一个元素作为核心信息,以及所述核心信息在所述图片中的区域尺寸。
6.根据权利要求4所述的图片展示装置,其特征在于,所述调整模块包括:
判断模块,用于判断所述核心信息的区域尺寸是否在所述图片的中心区域;
第一调整模块,用于在所述判断模块判定所述核心信息的区域尺寸在所述图片的中心区域上时,将所述核心信息所在图片中的区域尺寸调整到所述视图区域的中心位置上,以使所述核心信息的区域尺寸在所述视图区域的中心位置上展示;
第二调整模块,用于在所述判断模块判定如果判定所述核心信息的区域尺寸不在所述图片的中心区域上,则将所述核心信息所在图片中的区域尺寸微调到所述视图区域内,以使所述核心信息的区域尺寸在所述视图区域中完全展示。
7.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至3中任一项所述的图片展示方法的步骤。
8.一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计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的图片展示方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010408268.4A CN111915637B (zh) | 2020-05-14 | 2020-05-14 | 一种图片展示方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010408268.4A CN111915637B (zh) | 2020-05-14 | 2020-05-14 | 一种图片展示方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111915637A CN111915637A (zh) | 2020-11-10 |
CN111915637B true CN111915637B (zh) | 2024-03-12 |
Family
ID=73238126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010408268.4A Active CN111915637B (zh) | 2020-05-14 | 2020-05-14 | 一种图片展示方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915637B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112738629B (zh) * | 2020-12-29 | 2023-03-10 | 北京达佳互联信息技术有限公司 | 视频展示方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503129A (zh) * | 2016-10-20 | 2017-03-15 | 福建中金在线信息科技有限公司 | 一种在网页文章中展示图片的方法及装置 |
CN108519834A (zh) * | 2018-04-04 | 2018-09-11 | Oppo广东移动通信有限公司 | 图像显示方法、装置、存储介质和电子设备 |
CN109144365A (zh) * | 2018-07-27 | 2019-01-04 | 努比亚技术有限公司 | 一种图片显示方法、智能穿戴终端及计算机可读存储介质 |
CN111093028A (zh) * | 2019-12-31 | 2020-05-01 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5062884B2 (ja) * | 2007-08-24 | 2012-10-31 | 株式会社リコー | 画像検索装置、画像検索方法及びプログラム |
-
2020
- 2020-05-14 CN CN202010408268.4A patent/CN111915637B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106503129A (zh) * | 2016-10-20 | 2017-03-15 | 福建中金在线信息科技有限公司 | 一种在网页文章中展示图片的方法及装置 |
CN108519834A (zh) * | 2018-04-04 | 2018-09-11 | Oppo广东移动通信有限公司 | 图像显示方法、装置、存储介质和电子设备 |
CN109144365A (zh) * | 2018-07-27 | 2019-01-04 | 努比亚技术有限公司 | 一种图片显示方法、智能穿戴终端及计算机可读存储介质 |
CN111093028A (zh) * | 2019-12-31 | 2020-05-01 | 联想(北京)有限公司 | 一种信息处理方法和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111915637A (zh) | 2020-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10628680B2 (en) | Event-based image classification and scoring | |
US11630861B2 (en) | Method and apparatus for video searching, terminal and storage medium | |
KR101343609B1 (ko) | 증강 현실 데이터를 이용할 수 있는 어플리케이션 자동 추천 장치 및 방법 | |
US20140250110A1 (en) | Image attractiveness based indexing and searching | |
KR101855147B1 (ko) | 사용자 선호도 분석 방법 및 그를 위한 디바이스 | |
EP3407216A1 (en) | Method and device for displaying information resource, and computer readable storage medium | |
US20150189384A1 (en) | Presenting information based on a video | |
US20150033126A1 (en) | Video content providing scheme | |
JP2015141530A (ja) | 情報処理装置、スコア算出方法、プログラム、およびシステム | |
US20200050906A1 (en) | Dynamic contextual data capture | |
JP2021530070A (ja) | 個人情報を共有する方法、装置、端末設備及び記憶媒体 | |
US20230146563A1 (en) | Automated image processing and insight presentation | |
US9977964B2 (en) | Image processing device, image processing method and recording medium | |
CN105809162B (zh) | 获取wifi热点、图片关联信息的方法和装置 | |
CN111444421B (zh) | 一种信息推送的方法、装置、计算机设备及存储介质 | |
JP6279997B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN111915637B (zh) | 一种图片展示方法、装置、电子设备及存储介质 | |
CN107491453B (zh) | 一种识别作弊网页的方法及装置 | |
US11763564B1 (en) | Techniques for generating optimized video segments utilizing a visual search | |
CN113869063A (zh) | 数据推荐方法、装置、电子设备及存储介质 | |
CN112348077A (zh) | 图像识别方法、装置、设备及计算机可读存储介质 | |
CN114816180A (zh) | 一种内容浏览引导方法、装置、电子设备和存储介质 | |
CN111198960A (zh) | 用户画像数据的确定方法、装置、电子设备及存储介质 | |
US20220164090A1 (en) | Abstract generation method and apparatus | |
CN111209501B (zh) | 一种图片显示方法、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |