CN112036247A - 表情包文字生成方法、装置及存储介质 - Google Patents

表情包文字生成方法、装置及存储介质 Download PDF

Info

Publication number
CN112036247A
CN112036247A CN202010767930.5A CN202010767930A CN112036247A CN 112036247 A CN112036247 A CN 112036247A CN 202010767930 A CN202010767930 A CN 202010767930A CN 112036247 A CN112036247 A CN 112036247A
Authority
CN
China
Prior art keywords
expression
emotion
package
characters
character
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
Application number
CN202010767930.5A
Other languages
English (en)
Inventor
张嘉益
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.)
Beijing Xiaomi Pinecone Electronic Co Ltd
Original Assignee
Beijing Xiaomi Pinecone Electronic 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 Beijing Xiaomi Pinecone Electronic Co Ltd filed Critical Beijing Xiaomi Pinecone Electronic Co Ltd
Priority to CN202010767930.5A priority Critical patent/CN112036247A/zh
Publication of CN112036247A publication Critical patent/CN112036247A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3329—Natural language query formulation or dialogue systems
    • 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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/60—Editing figures and text; Combining figures or text

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Machine Translation (AREA)

Abstract

本公开涉及一种表情包文字生成方法、装置及存储介质，属于计算机技术领域，能够降低生成表情包文字的延迟，使得生成结果可控。一种表情包文字生成方法，包括：获取待配表情包文字的图片；对所述待配表情包文字的图片中的表情进行识别；基于表情‑表情包文字映射数据，从表情包文字数据库中检索与识别出的表情相匹配的表情包文字。

Description

表情包文字生成方法、装置及存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及表情包文字生成方法、装置及存储介质。
背景技术
人物、宠物等照片的表情包化，指的是给人物、宠物等照片配上相应的表情包文字。相关技术中，通常采用如下方法来实现表情包化：首先，通过图像物体识别模型来识别出给定的人物、宠物等照片中的物体的关键词；然后，将关键词和图片向量同时输入给解码器，由解码器生成表情包文字。该方法的缺点在于，生成表情包文字的延迟高，生成结果不可控。
发明内容
为克服相关技术中存在的问题，本公开提供一种表情包文字生成方法、装置及存储介质。
根据本公开实施例的第一方面，提供一种表情包文字生成方法，包括：获取待配表情包文字的图片；对所述待配表情包文字的图片中的表情进行识别；基于表情-表情包文字映射数据，从表情包文字数据库中检索与识别出的表情相匹配的表情包文字。
可选地，所述对所述待配表情包文字的图片中的表情进行识别，包括：利用针对表情识别的、预先训练好的神经网络，对所述待配表情包文字的图片中的表情进行识别。
可选地，所述针对表情识别的、预先训练好的神经网络通过如下方式进行预先训练：对带有表情的真实已有照片中的表情进行标记；基于所述真实已有照片和所述标记，构建照片-表情映射数据；将构建好的照片-表情映射数据划分为训练集数据和评测集数据；利用所述训练集数据对神经网络进行表情识别训练、并利用所述评测集数据来评测所训练的神经网络的表情识别准确率，直至所训练的神经网络的表情识别准确率达到预设准确率。
可选地，所述表情-表情包文字映射数据为<表情，表情包文字>对的形式。
可选地，所述表情包文字数据库通过如下方式进行构建：对含有表情包文字的已有表情包中的表情进行标记；利用所述已有表情包中的表情包文字和标记的表情，构建表情-表情包文字映射数据；对所构建的所有所述表情-表情包文字映射数据进行汇总，构建所述表情包文字数据库。
可选地，所述方法还包括：在从所述表情包文字数据库中检索出与识别出的表情相匹配的表情包文字之后，向用户提供检索出的表情包文字中的至少一个表情包文字。
可选地，所述方法还包括：在向所述用户提供检索出的表情包文字中的至少一个表情包文字之后，接收用户关于换一批表情包文字的输入指令；基于所述输入指令，再次向所述用户提供检索出的表情包文字中、与先前提供的表情包文字不同的至少一个表情包文字。
根据本公开实施例的第二方面，提供一种表情包文字生成装置，包括：获取模块，用于获取待配表情包文字的图片；识别模块，用于对所述待配表情包文字的图片中的表情进行识别；检索模块，用于基于表情-表情包文字映射数据，从表情包文字数据库中检索与识别出的表情相匹配的表情包文字；所述表情包文字数据库，用于存储所述表情-表情包文字映射数据。
可选地，所述识别模块还用于：利用针对表情识别的、预先训练好的神经网络，对图片中的表情进行识别。
可选地，针对表情识别的、预先训练好的神经网络通过如下方式进行预先训练：对带有表情的真实已有照片中的表情进行标记；基于真实已有照片和标记，构建照片-表情映射数据；将构建好的照片-表情映射数据划分为训练集数据和评测集数据；利用训练集数据对神经网络进行表情识别训练、并利用评测集数据来评测所训练的神经网络的表情识别准确率，直至所训练的神经网络的表情识别准确率达到预设准确率。
可选地，所述表情-表情包文字映射数据为<表情，表情包文字>对的形式。
可选地，所述表情包文字数据库通过如下方式进行构建：对含有表情包文字的已有表情包中的表情进行标记；利用已有表情包中的表情包文字和标记的表情，构建表情-表情包文字映射数据；对所构建的所有表情-表情包文字映射数据进行汇总，构建表情包文字数据库。
可选地，所述表情包文字生成装置还包括提供模块，用于在所述检索模块从表情包文字数据库中检索出与识别出的表情相匹配的表情包文字之后，向用户提供检索出的表情包文字中的至少一个表情包文字。
可选地，所述表情包文字生成装置还包括输入模块，用于在所述提供模块向用户提供检索出的表情包文字中的至少一个表情包文字之后，接收用户关于换一批表情包文字的输入指令；所述提供模块还用于基于输入指令，再次向用户提供检索出的表情包文字中、与先前提供的表情包文字不同的至少一个表情包文字。
根据本公开实施例的第三方面，提供一种表情包文字生成装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取待配表情包文字的图片；对所述待配表情包文字的图片中的表情进行识别；基于表情-表情包文字映射数据，从表情包文字数据库中检索与识别出的表情相匹配的表情包文字。
根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开第一方面所提供的表情包文字生成方法的步骤。
通过采用上述技术方案，由于首先获取待配表情包文字的图片，然后对待配表情包文字的图片中的表情进行识别，最后基于表情-表情包文字映射数据从表情包文字数据库中检索与识别出的表情相匹配的表情包文字，因此相比于相关技术中利用图像物体识别模型和解码器来生成表情包文字的生成式技术而言，本公开实施例中检索相应表情包文字所花费的时间成本要小得多，大幅度降低了生成表情包文字的延迟，而且还使得最终的表情包文字属于可控范围内的表情包文字，另外，由于表情包文字数据库中的表情包文字可以由人工筛选排查，所以使得最终检索出的表情包文字为高质量的表情包文字，大大提升了用户体验。
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，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种表情包文字生成方法的流程图。
图2是根据一示例性实施例示出的一种表情包文字生成装置框图。
图3是根据一示例性实施例示出的一种表情包文字生成装置的又一框图。
图4是根据一示例性实施例示出的一种装置的框图。
图5是根据一示例性实施例示出的一种装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种表情包文字生成方法的流程图。该方法可以被应用于web端，也可以被应用于移动终端的应用中。如图1所示，该方法可以包括以下步骤。
在步骤S11中，获取待配表情包文字的图片。
当用户希望将某张人物照片、宠物照片或者其他照片配上表情包文字时，用户就可以将该张照片输入给根据本公开实施例的表情包文字生成流程。
在步骤S12中，对待配表情包文字的图片中的表情进行识别。
在一种实施方式中，可以利用针对表情识别的、预先训练好的神经网络，对待配表情包文字的图片中的表情进行识别。神经网络可以是采用例如resnet、vgg等神经网络模型的神经网络。在另一实施方式中，也可以利用简单的图像识别算法来对待配表情包文字的图片中的表情进行识别，只是其表情识别的精细度和准确度有可能会低于神经网络。例如，对于预先训练好的神经网络而言，其可以准确地识别出图片中的笑是微笑、还是大笑还是抿嘴笑等等，然而对于简单的图像识别算法而言，其可能仅仅能够识别出图片中的表情是笑，但是可能不能更精细地识别其到底是何种类别的笑。
在一种实施方式中，针对表情识别的、预先训练好的神经网络，可以通过如下方式进行预先训练。
首先，对带有表情的真实已有照片中的表情进行标记。也即，收集大量的真实人物、宠物等照片，并标记出这些照片中的表情，例如喜怒哀乐、眯眼、瞪眼、撇嘴等。
然后，基于真实已有照片和标记，构建照片-表情映射数据。其中，照片-表情映射数据可以采用<照片，表情>对的形式来表示，当然也可以采用其他形式来表示，例如照片和表情对应列表的形式。
然后，将构建好的照片-表情映射数据划分为训练集数据和评测集数据。其中，训练集数据用于对神经网络进行训练；评测集数据则用于对训练后的神经网络进行评测，以判断其表情识别准确率是否达标。
然后，利用训练集数据对神经网络进行表情识别训练、并利用评测集数据来评测所训练的神经网络的表情识别准确率，直至所训练的神经网络的表情识别准确率达到预设准确率。也即，首先利用训练集数据对神经网络进行表情识别训练，然后如果利用评测集数据进行评测时发现所训练的神经网络的表情识别准确率没有达到预设准确率，则会再次利用训练集数据对神经网络进行表情识别训练，并再次利用评测集数据进行评测，如此反复，直至所训练的神经网络的表情识别准确率达到预设准确率为止。
在步骤S13中，基于表情-表情包文字映射数据，从表情包文字数据库中检索与识别出的表情相匹配的表情包文字。例如，步骤S12中识别出的表情例如为“喜”和“眯眼”，则在步骤S13中检索出的表情包文字为例如“开心！”、“我超萌”等等。
在一种实施方式中，表情-表情包文字映射数据可以为<表情，表情包文字>对的形式。当然，也可以采用表情与表情包文字列表的形式。
在一种实施方式中，表情包文字数据库可以通过如下方式进行构建。
首先，对含有表情包文字的已有表情包中的表情进行标记。也即，收集各种已有的表情包，并为每一张表情包标记出其中人物、宠物等的表情，例如，喜、眯眼、瞪眼、撇嘴、微笑等。
然后，利用已有表情包中的表情包文字和标记的表情，构建表情-表情包文字映射数据。在该步骤中，可以利用文字识别功能识别出已有表情包中的表情包文字，当然，也可以由人工对表情包文字进行筛选排查，以提高表情包文字的文字质量。
然后，对所构建的所有表情-表情包文字映射数据进行汇总，构建表情包文字数据库。这样，最终构建好的表情包文字数据库中就存储了大量的表情极其所对应的表情包文字。
通过采用上述技术方案，由于首先获取待配表情包文字的图片，然后对待配表情包文字的图片中的表情进行识别，最后基于表情-表情包文字映射数据从表情包文字数据库中检索与识别出的表情相匹配的表情包文字，因此相比于相关技术中利用图像物体识别模型和解码器来生成表情包文字的生成式技术而言，本公开实施例中检索相应表情包文字所花费的时间成本要小得多，大幅度降低了生成表情包文字的延迟，而且还使得最终的表情包文字属于可控范围内的表情包文字，另外，由于表情包文字数据库中的表情包文字可以由人工筛选排查，所以使得最终检索出的表情包文字为高质量的表情包文字，大大提升了用户体验。
在一种实施例中，根据本公开实施例的表情包文字生成方法还可以包括：在从表情包文字数据库中检索出与识别出的表情相匹配的表情包文字之后，向用户提供检索出的表情包文字中的至少一个表情包文字。检索出的表情包文字的数量可能为多个，例如几个甚至几十个。那么，可以根据预设规则来向用户提供检索出的表情包文字，例如，一次提供N个表情包文字(N≥1)，每次根据检索结果的顺序来提供，或者每次随机提供，等等。这样，就能够将检索出的表情包文字展示给用户，以供用户选择使用。
在一种实施例中，根据本公开实施例的表情包文字生成方法还可以包括：在向用户提供检索出的表情包文字中的至少一个表情包文字之后，接收用户关于换一批表情包文字的输入指令；基于输入指令，再次向用户提供检索出的表情包文字中、与先前提供的表情包文字不同的至少一个表情包文字。例如，如果用户希望查看一下除了当次提供的表情包文字之外的其他检索出的表情包文字，那么用户可以输入关于换一批表情包文字的输入指令，例如用户可以点击交互界面上的“换一换”或者“下一页”等按钮，之后，根据本公开实施例的表情包文字生成流程就会换一批表情包文字并提供给用户。本领域技术人员应当理解的是，上述的“换一换”、“下一页”等按钮仅是示例。通过上述技术方案，使得用户能够对检索出的表情包文字进行遍历浏览，以最终选出用户中意的表情包文字。
图2是根据一示例性实施例示出的一种表情包文字生成装置的框图。参照图2，该装置包括：获取模块21，用于获取待配表情包文字的图片；识别模块22，用于对图片中的表情进行识别；检索模块23，用于基于表情-表情包文字映射数据，从表情包文字数据库中检索与识别出的表情相匹配的表情包文字；表情包文字数据库24，用于存储表情-表情包文字映射数据。
通过采用上述技术方案，由于首先获取待配表情包文字的图片，然后对待配表情包文字的图片中的表情进行识别，最后基于表情-表情包文字映射数据从表情包文字数据库中检索与识别出的表情相匹配的表情包文字，因此相比于相关技术中利用图像物体识别模型和解码器来生成表情包文字的生成式技术而言，本公开实施例中检索相应表情包文字所花费的时间成本要小得多，大幅度降低了生成表情包文字的延迟，而且还使得最终的表情包文字属于可控范围内的表情包文字，另外，由于表情包文字数据库中的表情包文字可以由人工筛选排查，所以使得最终检索出的表情包文字为高质量的表情包文字，大大提升了用户体验。
可选地，识别模块22还用于：利用针对表情识别的、预先训练好的神经网络，对图片中的表情进行识别。
可选地，针对表情识别的、预先训练好的神经网络通过如下方式进行预先训练：对带有表情的真实已有照片中的表情进行标记；基于真实已有照片和标记，构建照片-表情映射数据；将构建好的照片-表情映射数据划分为训练集数据和评测集数据；利用训练集数据对神经网络进行表情识别训练、并利用评测集数据来评测所训练的神经网络的表情识别准确率，直至所训练的神经网络的表情识别准确率达到预设准确率。
可选地，表情-表情包文字映射数据为<表情，表情包文字>对的形式。
可选地，表情包文字数据库通过如下方式进行构建：对含有表情包文字的已有表情包中的表情进行标记；利用已有表情包中的表情包文字和标记的表情，构建表情-表情包文字映射数据；对所构建的所有表情-表情包文字映射数据进行汇总，构建表情包文字数据库。
图3是根据一示例性实施例示出的一种表情包文字生成装置的又一框图。参照图3，该表情包文字生成装置还包括提供模块25，用于在检索模块23从表情包文字数据库中检索出与识别出的表情相匹配的表情包文字之后，向用户提供检索出的表情包文字中的至少一个表情包文字。
可选地，如图3所示，根据本公开实施例的表情包文字生成装置还包括输入模块26，用于在提供模块25向用户提供检索出的表情包文字中的至少一个表情包文字之后，接收用户关于换一批表情包文字的输入指令；所述提供模块25还用于基于输入指令，再次向用户提供检索出的表情包文字中、与先前提供的表情包文字不同的至少一个表情包文字。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开提供的表情包文字生成方法的步骤。
图4是根据一示例性实施例示出的一种用于表情包文字生成的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图4，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电力组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的表情包文字生成方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以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。
电力组件806为装置800的各种组件提供电力。电力组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述表情包文字生成方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述表情包文字生成方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的表情包文字生成方法的代码部分。
图5是根据一示例性实施例示出的一种用于表情包文字生成的装置1900的框图。例如，装置1900可以被提供为一服务器。参照图5，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述表情包文字生成方法的步骤
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种表情包文字生成方法，其特征在于，包括：
获取待配表情包文字的图片；
对所述待配表情包文字的图片中的表情进行识别；
基于表情-表情包文字映射数据，从表情包文字数据库中检索与识别出的表情相匹配的表情包文字。
2.根据权利要求1所述的方法，其特征在于，所述对所述待配表情包文字的图片中的表情进行识别，包括：
利用针对表情识别的、预先训练好的神经网络，对所述待配表情包文字的图片中的表情进行识别。
3.根据权利要求2所述的方法，其特征在于，所述针对表情识别的、预先训练好的神经网络通过如下方式进行预先训练：
对带有表情的真实已有照片中的表情进行标记；
基于所述真实已有照片和所述标记，构建照片-表情映射数据；
将构建好的照片-表情映射数据划分为训练集数据和评测集数据；
利用所述训练集数据对神经网络进行表情识别训练、并利用所述评测集数据来评测所训练的神经网络的表情识别准确率，直至所训练的神经网络的表情识别准确率达到预设准确率。
4.根据权利要求1所述的方法，其特征在于，所述表情包文字数据库通过如下方式进行构建：
对含有表情包文字的已有表情包中的表情进行标记；
利用所述已有表情包中的表情包文字和标记的表情，构建表情-表情包文字映射数据；
对所构建的所有所述表情-表情包文字映射数据进行汇总，构建所述表情包文字数据库。
5.根据权利要求1至4中任一权利要求所述的方法，其特征在于，所述方法还包括：
在从所述表情包文字数据库中检索出与识别出的表情相匹配的表情包文字之后，向用户提供检索出的表情包文字中的至少一个表情包文字。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
在向所述用户提供检索出的表情包文字中的至少一个表情包文字之后，接收用户关于换一批表情包文字的输入指令；
基于所述输入指令，再次向所述用户提供检索出的表情包文字中、与先前提供的表情包文字不同的至少一个表情包文字。
7.一种表情包文字生成装置，其特征在于，包括：
获取模块，用于获取待配表情包文字的图片；
识别模块，用于对所述待配表情包文字的图片中的表情进行识别；
检索模块，用于基于表情-表情包文字映射数据，从表情包文字数据库中检索与识别出的表情相匹配的表情包文字；
所述表情包文字数据库，用于存储所述表情-表情包文字映射数据。
8.根据权利要求7所述的装置，其特征在于，所述识别模块，用于利用针对表情识别的、预先训练好的神经网络，对所述待配表情包文字的图片中的表情进行识别。
9.一种表情包文字生成装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
获取待配表情包文字的图片；
对所述待配表情包文字的图片中的表情进行识别；
基于表情-表情包文字映射数据，从表情包文字数据库中检索与识别出的表情相匹配的表情包文字。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，该程序指令被处理器执行时实现权利要求1～6中任一项所述方法的步骤。
CN202010767930.5A 2020-08-03 2020-08-03 表情包文字生成方法、装置及存储介质 Pending CN112036247A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010767930.5A CN112036247A (zh) 2020-08-03 2020-08-03 表情包文字生成方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010767930.5A CN112036247A (zh) 2020-08-03 2020-08-03 表情包文字生成方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN112036247A true CN112036247A (zh) 2020-12-04

Family

ID=73583828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010767930.5A Pending CN112036247A (zh) 2020-08-03 2020-08-03 表情包文字生成方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112036247A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112905791A (zh) * 2021-02-20 2021-06-04 北京小米松果电子有限公司 表情包生成方法及装置、存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102955569A (zh) * 2012-10-18 2013-03-06 北京天宇朗通通信设备股份有限公司 文本输入的方法及装置
CN105787976A (zh) * 2016-02-24 2016-07-20 深圳市金立通信设备有限公司 一种处理图片的方法和装置
WO2017054597A1 (zh) * 2015-09-30 2017-04-06 北京奇虎科技有限公司 表情字符串的处理方法及装置
CN108805960A (zh) * 2018-05-31 2018-11-13 北京字节跳动网络技术有限公司 图文混排方法、装置、计算机可读存储介质和终端
CN110175596A (zh) * 2019-06-04 2019-08-27 重庆邮电大学 基于双流卷积神经网络的虚拟学习环境微表情识别与交互方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102955569A (zh) * 2012-10-18 2013-03-06 北京天宇朗通通信设备股份有限公司 文本输入的方法及装置
WO2017054597A1 (zh) * 2015-09-30 2017-04-06 北京奇虎科技有限公司 表情字符串的处理方法及装置
CN105787976A (zh) * 2016-02-24 2016-07-20 深圳市金立通信设备有限公司 一种处理图片的方法和装置
CN108805960A (zh) * 2018-05-31 2018-11-13 北京字节跳动网络技术有限公司 图文混排方法、装置、计算机可读存储介质和终端
CN110175596A (zh) * 2019-06-04 2019-08-27 重庆邮电大学 基于双流卷积神经网络的虚拟学习环境微表情识别与交互方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112905791A (zh) * 2021-02-20 2021-06-04 北京小米松果电子有限公司 表情包生成方法及装置、存储介质
US11922725B2 (en) 2021-02-20 2024-03-05 Beijing Xiaomi Pinecone Electronics Co., Ltd. Method and device for generating emoticon, and storage medium

Similar Documents

Publication Publication Date Title
CN106557768B (zh) 对图片中的文字进行识别的方法及装置
CN107944447B (zh) 图像分类方法及装置
CN108038102B (zh) 表情图像的推荐方法、装置、终端及存储介质
CN105472583B (zh) 消息处理方法及装置
CN111553372B (zh) 一种训练图像识别网络、图像识别搜索的方法及相关装置
CN110764627B (zh) 一种输入方法、装置和电子设备
US11335348B2 (en) Input method, device, apparatus, and storage medium
CN112148980B (zh) 基于用户点击的物品推荐方法、装置、设备和存储介质
CN111046210B (zh) 一种信息推荐方法、装置和电子设备
CN106547850B (zh) 表情注释方法及装置
CN105095366A (zh) 文字消息处理方法和装置
CN112948704B (zh) 用于信息推荐的模型训练方法、装置、电子设备以及介质
CN106682163A (zh) 物品信息的推荐方法、装置及设备
CN115203573A (zh) 画像标签生成方法、模型训练方法、装置、介质及芯片
CN111797262A (zh) 诗词生成方法、装置、电子设备和存储介质
CN109521938B (zh) 数据评价信息的确定方法、装置、电子设备及存储介质
CN113920293A (zh) 信息识别方法、装置、电子设备及存储介质
CN113656557A (zh) 消息回复方法、装置、存储介质及电子设备
CN111831132A (zh) 一种信息推荐方法、装置和电子设备
CN112784151B (zh) 一种确定推荐信息的方法及相关装置
CN108241438B (zh) 一种输入方法、装置和用于输入的装置
CN109842688B (zh) 一种内容推荐方法、装置、电子设备及存储介质
CN112036247A (zh) 表情包文字生成方法、装置及存储介质
CN109145151B (zh) 一种视频的情感分类获取方法及装置
CN108491535B (zh) 信息的分类存储方法及装置

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