CN112101257B - 训练样本生成方法、图像处理方法、装置、设备和介质 - Google Patents

训练样本生成方法、图像处理方法、装置、设备和介质 Download PDF

Info

Publication number
CN112101257B
CN112101257B CN202010995694.2A CN202010995694A CN112101257B CN 112101257 B CN112101257 B CN 112101257B CN 202010995694 A CN202010995694 A CN 202010995694A CN 112101257 B CN112101257 B CN 112101257B
Authority
CN
China
Prior art keywords
image
tooth
face image
mouth
information
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
Application number
CN202010995694.2A
Other languages
English (en)
Other versions
CN112101257A (zh
Inventor
李啸
邓启力
吴兴龙
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.)
Douyin Vision Co Ltd
Douyin Vision Beijing Co Ltd
Original Assignee
Beijing ByteDance Network Technology 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 ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN202010995694.2A priority Critical patent/CN112101257B/zh
Publication of CN112101257A publication Critical patent/CN112101257A/zh
Application granted granted Critical
Publication of CN112101257B publication Critical patent/CN112101257B/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
    • 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
    • G06V40/168—Feature extraction; Face representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V40/168—Feature extraction; Face representation
    • G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships

Landscapes

  • Engineering & Computer Science (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本公开的实施例公开了训练样本生成方法、图像处理方法、装置、电子设备和介质。上述训练样本生成方法的一具体实施方式包括：获取显示有嘴巴的人脸图像及人脸图像的标注信息；从人脸图像中提取嘴巴图像；对标注信息进行变换，得到变换后标注信息；基于变换后标注信息对至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号；根据嘴巴图像、排序编号及变换后坐标信息生成训练样本。该实施方式提供了一种训练样本生成方法，该方法生成的训练样本可以方便定位单个牙齿的关键点的位置，提高后续预测牙齿关键点信息的准确率，为后续对单颗牙齿预测做准备。

Description

训练样本生成方法、图像处理方法、装置、设备和介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及训练样本生成方法、图像处理方法、装置、电子设备和计算机可读介质。
背景技术
目前，各种短视频平台为视频中的场景或人物添加特效，来增添短视频的趣味性。在牙齿添加特效(例如，虎牙特效、兔牙特效、蛀牙特效)，需要对单个牙齿作处理。随着人工智能技术的发展，可以利用网络模型提取单个牙齿中需要的信息。对于不同的训练效果、应用的网络模型，需要生成不同的训练样本。一般来讲，训练样本的获取途径有直接拍摄或者数据库，这样的获取方式已经不能满足训练网络模型的需求。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了一种训练样本生成方法、一种图像处理方法、装置、设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的实施例提供了一种训练样本生成方法，该方法包括：获取显示有嘴巴的人脸图像及人脸图像的标注信息，其中,标注信息用于表征人脸图像中至少一个牙齿的关键点在人脸图像中位置；从人脸图像中提取嘴巴图像；对标注信息进行变换，得到变换后标注信息，其中，变换后标注信息用于表征至少一个牙齿的关键点在嘴巴图像中的位置；基于变换后标注信息对至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号；根据嘴巴图像、排序编号及变换后坐标信息生成训练样本。
第二方面，本公开的实施例提供了一种训练样本生成装置，该装置包括：获取单元，被配置成获取显示有嘴巴的人脸图像及人脸图像标注信息，其中，标注信息用于表征人脸图像中至少一个牙齿的关键点在人脸图像中位置；提取单元，被配置成从人脸图像中提取嘴巴图像；变换单元，被配置成对标注信息进行变换，得到变换后标注信息，其中，变换后标注信息用于表征至少一个牙齿的关键点在嘴巴图像中的位置；排序单元，被配置成基于变换后标注信息对至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号；生成单元，被配置成根据嘴巴图像、排序编号及变换后坐标信息生成训练样本。
第三方面，本公开的实施例提供了一种图像处理方法，该方法包括：从显示有嘴巴的人脸图像中提取嘴巴图像；将嘴巴图像输入到预训练的牙齿关键点提取网络，得到人脸图像中至少一个牙齿中每个牙齿的牙齿关键点信息。
第四方面，本公开的实施例提供了一种图像处理装置，该装置包括：提取单元，被配置成从显示有嘴巴的人脸图像中提取嘴图巴像；输入单元，被配置成将嘴巴图像输入到预训练的牙齿关键点提取网络，得到人脸图像中至少一个牙齿中每个牙齿的牙齿关键点信息。
第五方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面或第三方面中任一的方法。
第六方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中或第三方面任一的方法。
本公开的上述图像处理方法的各个实施例中的一个实施例具有如下有益效果：获取显示有嘴巴的人脸图像及人脸图像的标注信息，为后续生成训练样本做准备。之后，从人脸图像中提取嘴巴图像，得到训练样本中的样本图像数据。再之后，通过对获取的人脸图像的标注信息进行变换，得到表征牙齿的关键点在上述嘴巴图像的位置信息的变换后标注信息。以及通过对变换后标注信息进行排序，得到牙齿的关键点的排序编号。最后，根据嘴巴图像、排序编号及变换后标注信息生成训练样本。由此，提供了一种训练样本生成方法，该方法生成的训练样本可以方便定位单个牙齿的关键点的位置，提高后续预测牙齿关键点信息的准确率，为后续对单颗牙齿预测做准备。
本公开的上述图像处理方法的各个实施例中的另一个实施例具有如下有益效果：从显示有嘴巴的人脸图像中获取嘴巴图像，为后续提取牙齿关键点信息做准备。之后，将嘴巴图像输入到预训练的牙齿关键点提取网络，得到人脸图像中至少一个牙齿中每个牙齿的关键点信息。由此，得到了嘴巴图像中至少一个牙齿中每个牙齿的关键点的位置信息，方便了后续对单个牙齿作处理。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是根据本公开一些实施例的图像处理方法的一个应用场景的示意图；
图2是根据本公开的实施例的训练样本生成方法的一些实施例的流程图；
图3是根据本公开的训练样本生成方法的另一些实施例的流程图；
图4是根据本公开的实施例的图像处理方法的一些实施例的流程图；
图5是根据本公开的训练样本生成装置的一些实施例的结构示意图；
图6是根据本公开的图像处理装置的一些实施例的结构示意图；
图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开一些实施例的图像处理方法的一个应用场景的示意图。
如图1所示，计算设备101可以从显示有嘴巴的人脸图像102中提取出嘴巴图像103。作为示例，计算设备101可以通过对人脸图像102进行裁剪获取嘴巴图像103。作为示例，可以通过方向梯度直方图(Histogram of Oriented Gradient，HOG)结合支持向量机(SVM，Support Vector Machine)的方法从上述人脸图像中提取嘴巴图像。之后，计算设备101可以将嘴巴图像103输入到预训练的牙齿关键点提取网络104。作为示例，上述牙齿关键点提取网络104可以是回归神经网络算法(例如，残差网络算法)。从而得到嘴巴图像103中牙齿关键点信息105。作为示例，牙齿关键点信息105可以是每个牙齿中心点的位置信息。
可以理解的是，用于图像处理方法可以是由上述计算设备101来执行。其中，计算设备101可以是硬件，也可以是软件。当计算设备101为硬件时，可以是具有信息处理能力的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机、台式计算机、服务器等等。当计算设备101为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图2，示出了根据本公开的训练样本生成方法的一些实施例的流程200。该训练样本生成方法，包括以下步骤：
步骤201，获取显示有嘴巴的人脸图像及人脸图像的标注信息。
在一些实施例中，作为示例，上述标注信息可以是利用标注工具对人脸图像进行标注获得。
在一些实施例中，上述人脸图像可以包括：显示有闭合嘴巴的人脸图像、显示有张开嘴巴且没有缺失牙齿的人脸图像以及显示有张开嘴巴且牙齿中有缺失(断裂)的人脸图像。
在一些实施例中，上述人脸图像的标注信息用于表征人脸图像中至少一个牙齿的关键点在人脸图像中位置。作为示例，牙齿的关键点可以是每个牙齿的中心点。
作为示例，响应于上述人脸图像为显示有闭合嘴巴的人脸图像，牙齿的关键点是牙齿的关键点在闭合嘴巴区域上的估计点。其中，上述人脸图像的标注信息为每个估计点在人脸图像上的位置信息。作为示例，该位置信息用坐标(x，y)表示。
作为示例，响应于上述人脸图像为显示有张开嘴巴且没有缺失牙齿的人脸图像，上述人脸图像的标注信息为牙齿的关键点在人脸图像上的位置信息。
作为示例，响应于上述人脸图像为显示有张开嘴巴且牙齿中有缺失(断裂)的人脸图像，上述人脸图像的标注信息为缺失(断裂)牙齿的关键点在人脸图像上的位置信息。
在一些实施例的一些可选实现方式中，上述至少一个牙齿的关键点为至少一个牙齿中每个牙齿末端的两个端点。具体的，把每个牙齿看作一个矩形，每个牙齿都有四个端点。其中，每个牙齿末端的两个端点指每个牙齿的四个端点中远离牙根区域的两个端点。
作为示例，响应于上述人脸图像为显示有张开嘴巴且牙齿中有缺失(断裂)的人脸图像，缺失(断裂)牙齿的关键点是该牙齿的牙根处(断裂处)的两个端点。
在一些实施例中，上述训练样本生成方法的执行主体可以通过有线连接方式或者无线连接方式接收显示有嘴巴的人脸图像及人脸图像的标注信息。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
步骤202，从上述人脸图像中提取嘴巴图像。
在一些实施例中，上述执行主体可以从显示有嘴巴的人脸图像中提取嘴巴图像。其中，上述人脸图像可以是从实时视频中进行抽帧而得到的图像。
在一些实施例中，作为示例，可以通过方向梯度直方图(Histogram of OrientedGradient，HOG)结合支持向量机(SVM，Support Vector Machine)的方法从上述人脸图像中提取嘴巴图像。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过以下步骤从人脸图像中提取嘴巴图像。
第一步，对人脸图像进行标准化处理，得到标准化人脸图像。
在这些可选的实现方式中，作为示例，上述执行主体首先提取人脸图像中的人脸关键点信息。之后，选取标准人脸图像作为人脸对齐操作的基准图像。最后，基于基准图像及人脸关键点信息，对人脸图像进行人脸对齐操作(例如旋转、缩放)，得到标准化人脸图像。可选的，上述执行主体可以通过将人脸图像输入到现有的人脸识别预处理人脸裁剪软件(例如，Face Cropping)裁剪出标准化人脸图像。
在这些可选的实现方式中，作为示例，上述执行主体可以将上述人脸图像输入到预先训练好的人脸对齐网络，得到标准化人脸图像。例如，MTCNN(Multi-task CascadedConvolutional Networks，多任务级联卷积网络)。
第二步，从标准化人脸图像中提取嘴巴图像。
在这些可选的实现方式中，作为示例，可以通过方向梯度直方图(Histogram ofOriented Gradient，HOG)结合支持向量机(SVM，Support Vector Machine)的方法从上述人脸图像中提取嘴巴图像。
步骤203，对标注信息进行变换，得到变换后标注信息。
在一些实施例中，上述变换后标注信息用于表征至少一个牙齿的关键点在嘴巴图像中的位置。
在一些实施例中，上述执行主体通过对标注信息变换，得到用于表征牙齿的关键点在嘴巴图像中位置的变换后标注信息。实践中，步骤201获取到的标注信息是用于表征牙齿的关键点在人脸图像中的位置。而嘴巴图像是通过对人脸图像进行处理得到的。因此，需对标注信息作对应于人脸图像处理的变换，得到用于表征牙齿的关键点在嘴巴图像中的位置的变换后标注信息。作为示例，响应于旋转人脸图像，基于旋转的人脸图像裁剪得到嘴巴图像，则变换后的标注信息首先要做相应的旋转。之后，基于对人脸图像的裁剪，对旋转后的标注信息进行相应的线性变换。
在一些实施例中，上述标注信息可以是牙齿的关键点在人脸图像上的位置。其中，该位置用坐标(x，y)表示。及上述变换包括以下至少一项：对上述坐标进行旋转、缩放。
步骤204，基于变换后标注信息对至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号。
在一些实施例中，作为示例，上述执行主体按照变换后标注信息的x坐标的值对各个牙齿的关键点进行排序，得到至少一个牙齿中各个牙齿的关键点的排序编号。
步骤205，根据嘴巴图像、排序编号及变换后标注信息生成训练样本。
在一些实施例中，作为示例，上述执行主体可以按照嘴巴图像中关键点的排序编号的顺序，将关键点对应的变换后标注信息存储到列表里，生成标签数据。最后，由嘴巴图像及标签数据生成训练样本。
本公开的上述各个实施例中的一个实施例具有如下有益效果：获取显示有嘴巴的人脸图像及人脸图像的标注信息，为后续生成训练样本做准备。之后，从人脸图像中提取嘴巴图像，得到训练样本中的样本图像数据。再之后，通过对获取的人脸图像的标注信息进行变换，得到表征牙齿的关键点在上述嘴巴图像的位置信息的变换后标注信息。以及通过对变换后标注信息进行排序，得到牙齿的关键点的排序编号。最后，根据嘴巴图像、排序编号及变换后标注信息生成训练样本。由此，提供了一种训练样本生成方法，该方法生成的训练样本可以方便定位单个牙齿的关键点的位置，提高后续预测牙齿关键点信息的准确率，为后续对单颗牙齿预测做准备。
图3是根据本公开的实施例的训练样本生成方法的另一些实施例的流程图300。该训练样本生成方法，包括以下步骤：
步骤301，获取显示有嘴巴的人脸图像及上述人脸图像的标注信息。
步骤302，从上述人脸图像中提取嘴巴图像。
步骤303，对标注信息进行变换，得到变换后标注信息。
步骤304，基于变换后标注信息对至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号。
在一些实施例中，步骤301-304的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤201-204，在此不再赘述。
步骤305，将变换后坐标信息与各个牙齿的关键点所对应的排序编号进行关联，得到嘴巴图像对应的标签数据。在一些实施例中，上述标签数据可以包含牙齿的关键点的标注信息和与该标注信息关联的每个牙齿的关键点的排序编号。其中，上述标注信息可以用坐标(x，y)表示。牙齿的关键点的排序编号可以用“0”、“1”等序号表示。
在一些实施例中，上述执行主体将上述每个嘴巴图像中至少一个牙齿中各个牙齿的关键点的排序编号与上述每个排序编号所表示的牙齿的关键点的变换后的标注信息进行关联操作，得到标签数据。例如，以某种方式(字典、表格)进行关联存储，得到标签数据。
作为示例，上述执行主体可以将标签数据存储在字典格式的文件中。例如，某个嘴巴图像的牙齿的一个关键点的排序编号为“1”，且该关键点的标注信息用(2，3)表示。则可以将“1”作为字典中的键，(2，3)为对应于键为“1”的值。
步骤306，根据嘴巴图像及上述标签数据生成训练样本。
在一些实施例中，上述执行主体可以确定嘴巴图像的标识，及利用该标识将上述嘴巴图像和上述嘴巴图像对应的标签数据进行关联，生成训练样本。作为示例，确定嘴巴图像的标识可以是对图像进行命名。命名方式可以是001.jpg，002.jpg。作为示例，可以利用字典的嵌套实现嘴巴图像与标签数据的关联。
从图3中可以看出，与图2对应的一些实施例的描述相比，图3对应的一些实施例中的训练样本生成方法的流程300详细描述了标签数据的生成和训练样本的生成，该实施例提供了基于牙齿的关键点排序序号与关键点标注信息进行关联生成标签数据，及通过关联存储的方式生成训练样本的方法。方便后续对单个牙齿的关键点的预测。
图4是根据本公开的实施例的图像处理方法的一些实施例的流程图400。该图像处理方法，包括以下步骤：
步骤401，从显示有嘴巴的人脸图像中提取嘴巴图像。
在一些实施例中，图像处理方法的执行主体可以通过以下步骤从显示有嘴巴的人脸图像中提取嘴巴图像。
第一步，对人脸图像进行标准化处理，得到标准化人脸图像。
可选的，上述执行主体首先提取人脸图像中的人脸关键点信息。及选取一个标准人脸图像作为人脸对齐操作的基准图像。基于基准图像及人脸关键点信息，对人脸图像进行人脸对齐操作，得到标准化人脸图像。
第二步，从标准化人脸图像中提取嘴巴图像。
在一些实施例中，图像处理方法的执行主体可以从显示有嘴巴的人脸图像中提取嘴巴图像。其中，上述人脸图像可以是从实时视频中进行抽帧而得到的图像。作为示例，可以通过方向梯度直方图(Histogram of Oriented Gradient，HOG)结合支持向量机(SVM，Support Vector Machine)的方法从上述人脸图像中提取嘴巴图像。
步骤402，将嘴巴图像输入到预训练的牙齿关键点提取网络，得到牙齿关键点信息。
在一些实施例中，上述牙齿关键点提取网络的训练样本是通过图2、图3对应的实施例所描述的方法生成的。
在一些实施例中，上述执行主体可以通过将上述嘴巴图像输入到预训练的牙齿关键点提取网络进行特征提取，得到图像中至少一个牙齿的关键点信息。其中，上述至少一个牙齿的关键点包括：上述嘴巴图像中至少一个牙齿中每个牙齿末端的两个端点。
作为示例，上述牙齿关键点提取网络可以是回归神经网络。例如，resnet(Residual Neural Network，残差网络)，vgg(Visual Geometry Group，深度卷积神经网络)，shufflenet(ShuffleNet，轻量级神经网络)。本公开的上述各个实施例中的一个实施例具有如下有益效果：从显示有嘴巴的人脸图像中获取嘴巴图像，为后续提取牙齿关键点信息做准备。之后，提取上述嘴巴图像中至少一个牙齿的关键点信息。由此，得到了嘴巴图像中至少一个牙齿中每个牙齿末端的两个端点的位置信息，方便了后续对单个牙齿作处理。
如图5所示，一些实施例的训练样本生成装置500包括：获取单元501和提取单元502，其中，获取单元501，被配置成获取显示有嘴巴的人脸图像及所述人脸图像标注信息；提取单元502，被配置成从所述人脸图像中提取嘴巴图像；变换单元503，被配置成对标注信息进行变换，得到变换后标注信息；排序单元504，被配置成基于变换后标注信息对至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号；生成单元505，被配置成根据嘴巴图像、排序编号及变换后标注信息生成训练样本。
在一些实施例的一些可选的实现方式中，生成单元505进一步被配置成：将变换后坐标信息与各个牙齿的关键点所对应的排序编号进行关联，得到嘴巴图像对应的标签数据；根据嘴巴图像及标签数据生成训练样本。
在一些实施例的一些可选的实现方式中，提取单元502可以进一步被配置成：对人脸图像进行标准化处理，得到标准化人脸图像；从标准化人脸图像中提取所述嘴巴图像。
在一些实施例的一些可选的实现方式中，提取单元502进一步被配置成：提取人脸图像中的人脸关键点信息；选取标准人脸图像作为人脸对齐操作的基准图像；基于基准图像及人脸关键点信息，对人脸图像进行人脸对齐操作，得到标准化人脸图像。
在一些实施例的一些可选的实现方式中，上述至少一个牙齿的关键点为所述至少一个牙齿中每个牙齿末端的两个端点。
可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
如图6所示，一些实施例的图像处理装置600包括：提取单元601和输入单元602，其中，提取单元601，被配置成从显示有嘴巴的人脸图像中提取嘴图巴像；输入单元602，被配置成将嘴巴图像输入到预训练的牙齿关键点提取网络，得到人脸图像中至少一个牙齿中每个牙齿的牙齿关键点信息。
可以理解的是，该装置600中记载的诸单元与参考图4描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置600及其中包含的单元，在此不再赘述。
下面参考图7，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备)700的结构示意图。图7示出的计算设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取显示有嘴巴的人脸图像及人脸图像的标注信息，其中,标注信息用于表征人脸图像中至少一个牙齿的关键点在人脸图像中位置；从人脸图像中提取嘴巴图像；对标注信息进行变换，得到变换后标注信息，其中，变换后标注信息用于表征至少一个牙齿的关键点在嘴巴图像中的位置；基于变换后标注信息对至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号；根据嘴巴图像、排序编号及变换后标注信息生成训练样本。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、提取单元、变换单元、排序单元和生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，提取单元还可以被描述为“从人脸图像中提取嘴巴图像的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
根据本公开的一个或多个实施例，提供了一种训练样本生成方法，包括：获取显示有嘴巴的人脸图像及人脸图像的标注信息，其中，标注信息用于表征人脸图像中至少一个牙齿的关键点在人脸图像中位置；从人脸图像中提取嘴巴图像；对标注信息进行变换，得到变换后标注信息，其中，变换后标注信息用于表征至少一个牙齿的关键点在嘴巴图像中的位置；基于变换后标注信息对至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号；根据嘴巴图像、排序编号及变换后标注信息生成训练样本。
根据本公开的一个或多个实施例，上述根据嘴巴图像、排序编号及变换后坐标信息生成训练样本，包括：将变换后坐标信息与各个牙齿的关键点所对应的排序编号进行关联，得到嘴巴图像对应的标签数据；根据嘴巴图像及标签数据生成训练样本。
根据本公开的一个或多个实施例，上述从人脸图像中提取嘴巴图像，包括：对人脸图像进行标准化处理，得到标准化人脸图像；从标准化人脸图像中提取嘴巴图像。
根据本公开的一个或多个实施例，上述对人脸图像进行标准化处理，得到标准化人脸图像，包括：提取人脸图像中的人脸关键点信息；选取标准人脸图像作为人脸对齐操作的基准图像；基于基准图像及人脸关键点信息，对人脸图像进行人脸对齐操作，得到标准化人脸图像。
根据本公开的一个或多个实施例，上述至少一个牙齿的关键点为至少一个牙齿中每个牙齿末端的两个端点。
根据本公开的一个或多个实施例，提供了一种训练样本生成装置包括：获取单元，被配置成获取显示有嘴巴的人脸图像及人脸图像标注信息，其中，标注信息用于表征人脸图像中至少一个牙齿的关键点在人脸图像中位置；提取单元，被配置成从人脸图像中提取嘴巴图像；变换单元，被配置成对标注信息进行变换，得到变换后标注信息，其中，变换后标注信息用于表征至少一个牙齿的关键点在所述嘴巴图像中的位置；排序单元，被配置成基于变换后标注信息对至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号；生成单元，被配置成根据嘴巴图像、排序编号及变换后标注信息生成训练样本。
根据本公开的一个或多个实施例，生成单元进一步被配置成：将变换后坐标信息与各个牙齿的关键点所对应的排序编号进行关联，得到嘴巴图像对应的标签数据；根据嘴巴图像及标签数据生成训练样本。
根据本公开的一个或多个实施例，提取单元进一步被配置成：对人脸图像进行标准化处理，得到标准化人脸图像；从标准化人脸图像中提取嘴巴图像。
根据本公开的一个或多个实施例，提取单元进一步被配置成：提取人脸图像中的人脸关键点信息；选取标准人脸图像作为人脸对齐操作的基准图像；基于基准图像及人脸关键点信息，对人脸图像进行人脸对齐操作，得到标准化人脸图像。
根据本公开的一个或多个实施例，上述至少一个牙齿的关键点为至少一个牙齿中每个牙齿末端的两个端点。
根据本公开的一个或多个实施例，提供了一种图像处理方法，包括：从显示有嘴巴的人脸图像中提取嘴巴图像；将嘴巴图像输入到预训练的牙齿关键点提取网络，得到人脸图像中至少一个牙齿中每个牙齿的牙齿关键点信息。
根据本公开的一个或多个实施例，提供了一种图像处理装置包括：提取单元，被配置成从显示有嘴巴的人脸图像中提取嘴图巴像；输入单元，被配置成将嘴巴图像输入到预训练的牙齿关键点提取网络，得到人脸图像中至少一个牙齿中每个牙齿的牙齿关键点信息。
根据本公开的一个或多个实施例，提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一实施例描述的方法。
根据本公开的一个或多个实施例，提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如上述任一实施例描述的方法。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种训练样本生成方法，包括：
获取显示有嘴巴的人脸图像及所述人脸图像的标注信息，其中,所述标注信息用于表征所述人脸图像中至少一个牙齿的关键点在所述人脸图像中位置；
从所述人脸图像中提取嘴巴图像；
对所述标注信息进行变换，得到变换后标注信息，其中，所述变换后标注信息用于表征所述至少一个牙齿的关键点在所述嘴巴图像中的位置；
基于所述变换后标注信息对所述至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号；
根据所述嘴巴图像、所述排序编号及所述变换后标注信息生成训练样本。
2.根据权利要求1所述方法，其中，所述根据所述嘴巴图像、所述排序编号及所述变换后标注信息生成训练样本，包括：
将所述变换后标注信息与所述各个牙齿的关键点所对应的排序编号进行关联，得到所述嘴巴图像对应的标签数据；
根据所述嘴巴图像及所述标签数据生成训练样本。
3.根据权利要求1所述方法，其中，所述从所述人脸图像中提取嘴巴图像，包括：
对所述人脸图像进行标准化处理，得到标准化人脸图像；
从所述标准化人脸图像中提取所述嘴巴图像。
4.根据权利要求3所述方法，其中，所述对所述人脸图像进行标准化处理，得到标准化人脸图像，包括：
提取所述人脸图像中的人脸关键点信息；
选取标准人脸图像作为人脸对齐操作的基准图像；
基于所述基准图像及所述人脸关键点信息，对所述人脸图像进行人脸对齐操作，得到标准化人脸图像。
5.根据权利要求1所述方法，其中，所述至少一个牙齿的关键点为所述至少一个牙齿中每个牙齿末端的两个端点。
6.一种图像处理方法，包括：
从显示有嘴巴的人脸图像中提取嘴巴图像；
将所述嘴巴图像输入到预训练的牙齿关键点提取网络，得到所述人脸图像中至少一个牙齿中每个牙齿的牙齿关键点信息，其中，所述牙齿关键点提取网络的训练样本是通过如上述权利要求1-5之一所述的方法生成的。
7.一种训练样本生成装置，包括：
获取单元，被配置成获取显示有嘴巴的人脸图像及所述人脸图像标注信息，其中，所述标注信息用于表征所述人脸图像中至少一个牙齿的关键点在所述人脸图像中位置；
提取单元，被配置成从所述人脸图像中提取嘴巴图像；
变换单元，被配置成对所述标注信息进行变换，得到变换后标注信息，其中，所述变换后标注信息用于表征所述至少一个牙齿的关键点在所述嘴巴图像中的位置；
排序单元，被配置成基于所述变换后标注信息对所述至少一个牙齿中各个牙齿的关键点进行排序，得到排序编号；
生成单元，被配置成根据所述嘴巴图像、所述排序编号及所述变换后标注信息生成训练样本。
8.根据权利要求7所述装置，其中，所述生成单元进一步被配置成：
将所述变换后标注信息与所述各个牙齿的关键点所对应的排序编号进行关联，得到所述嘴巴图像对应的标签数据；
根据所述嘴巴图像及所述标签数据生成训练样本。
9.根据权利要求7所述装置，其中，所述提取单元进一步被配置成：
对所述人脸图像进行标准化处理，得到标准化人脸图像；
从所述标准化人脸图像中提取所述嘴巴图像。
10.根据权利要求9所述装置，其中，所述提取单元进一步被配置成：
提取所述人脸图像中的人脸关键点信息；
选取标准人脸图像作为人脸对齐操作的基准图像；
基于所述基准图像及所述人脸关键点信息，对所述人脸图像进行人脸对齐操作，得到标准化人脸图像。
11.根据权利要求7所述装置，其中，所述至少一个牙齿的关键点为所述至少一个牙齿中每个牙齿末端的两个端点。
12.一种图像处理装置，包括：
提取单元，被配置成从显示有嘴巴的人脸图像中提取嘴图巴像；
输入单元，被配置成将所述嘴巴图像输入到预训练的牙齿关键点提取网络，得到所述人脸图像中至少一个牙齿中每个牙齿的牙齿关键点信息，其中，所述牙齿关键点提取网络的训练样本是通过如上述权利要求1-5之一所述的方法生成的。
13.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一或如权利要求6所述的方法。
14.一种非暂态计算机可读存储介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一或如权利要求6所述的方法。
CN202010995694.2A 2020-09-21 2020-09-21 训练样本生成方法、图像处理方法、装置、设备和介质 Active CN112101257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010995694.2A CN112101257B (zh) 2020-09-21 2020-09-21 训练样本生成方法、图像处理方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010995694.2A CN112101257B (zh) 2020-09-21 2020-09-21 训练样本生成方法、图像处理方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN112101257A CN112101257A (zh) 2020-12-18
CN112101257B true CN112101257B (zh) 2022-05-31

Family

ID=73756357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010995694.2A Active CN112101257B (zh) 2020-09-21 2020-09-21 训练样本生成方法、图像处理方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN112101257B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112990084A (zh) * 2021-04-07 2021-06-18 北京字跳网络技术有限公司 图像处理方法、装置和电子设备
CN112926539A (zh) * 2021-04-07 2021-06-08 北京字跳网络技术有限公司 图像处理方法、装置和电子设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6424752B1 (en) * 1997-10-06 2002-07-23 Canon Kabushiki Kaisha Image synthesis apparatus and image synthesis method
CN101661625A (zh) * 2009-09-22 2010-03-03 北京理工大学 基于一幅标准图像生成各视角下样本图像的方法
CN104700076A (zh) * 2015-02-13 2015-06-10 电子科技大学 人脸图像虚拟样本生成方法
CN107832751A (zh) * 2017-12-15 2018-03-23 北京奇虎科技有限公司 人脸特征点的标注方法、装置及计算设备
CN108229293A (zh) * 2017-08-09 2018-06-29 北京市商汤科技开发有限公司 人脸图像处理方法、装置和电子设备
CN108734078A (zh) * 2017-12-14 2018-11-02 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备、存储介质及程序
CN108985208A (zh) * 2018-07-06 2018-12-11 北京字节跳动网络技术有限公司 生成图像检测模型的方法和装置
CN109784304A (zh) * 2019-01-29 2019-05-21 北京字节跳动网络技术有限公司 用于标注牙齿图像的方法和装置
CN110298319A (zh) * 2019-07-01 2019-10-01 北京字节跳动网络技术有限公司 图像合成方法和装置
WO2019232862A1 (zh) * 2018-06-06 2019-12-12 平安科技（深圳）有限公司 嘴巴模型训练方法、嘴巴识别方法、装置、设备及介质
CN111539912A (zh) * 2020-03-23 2020-08-14 中国科学院自动化研究所 基于人脸结构定位的健康指标评估方法、设备和存储介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6424752B1 (en) * 1997-10-06 2002-07-23 Canon Kabushiki Kaisha Image synthesis apparatus and image synthesis method
CN101661625A (zh) * 2009-09-22 2010-03-03 北京理工大学 基于一幅标准图像生成各视角下样本图像的方法
CN104700076A (zh) * 2015-02-13 2015-06-10 电子科技大学 人脸图像虚拟样本生成方法
CN108229293A (zh) * 2017-08-09 2018-06-29 北京市商汤科技开发有限公司 人脸图像处理方法、装置和电子设备
CN108734078A (zh) * 2017-12-14 2018-11-02 北京市商汤科技开发有限公司 图像处理方法、装置、电子设备、存储介质及程序
CN107832751A (zh) * 2017-12-15 2018-03-23 北京奇虎科技有限公司 人脸特征点的标注方法、装置及计算设备
WO2019232862A1 (zh) * 2018-06-06 2019-12-12 平安科技（深圳）有限公司 嘴巴模型训练方法、嘴巴识别方法、装置、设备及介质
CN108985208A (zh) * 2018-07-06 2018-12-11 北京字节跳动网络技术有限公司 生成图像检测模型的方法和装置
CN109784304A (zh) * 2019-01-29 2019-05-21 北京字节跳动网络技术有限公司 用于标注牙齿图像的方法和装置
CN110298319A (zh) * 2019-07-01 2019-10-01 北京字节跳动网络技术有限公司 图像合成方法和装置
CN111539912A (zh) * 2020-03-23 2020-08-14 中国科学院自动化研究所 基于人脸结构定位的健康指标评估方法、设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向深度学习的遥感图像目标样本生成方法;王敏等;《国外电子测量技术》;20190415(第04期);第66-71页 *

Also Published As

Publication number Publication date
CN112101257A (zh) 2020-12-18

Similar Documents

Publication Publication Date Title
CN108509915B (zh) 人脸识别模型的生成方法和装置
CN109214343B (zh) 用于生成人脸关键点检测模型的方法和装置
US11436863B2 (en) Method and apparatus for outputting data
CN110046600B (zh) 用于人体检测的方法和装置
CN109034069B (zh) 用于生成信息的方法和装置
CN110046254B (zh) 用于生成模型的方法和装置
CN109858333B (zh) 图像处理方法、装置、电子设备及计算机可读介质
US20220222925A1 (en) Artificial intelligence-based image processing method and apparatus, device, and storage medium
CN111709240A (zh) 实体关系抽取方法、装置、设备及其存储介质
CN111369427A (zh) 图像处理方法、装置、可读介质和电子设备
CN112101257B (zh) 训练样本生成方法、图像处理方法、装置、设备和介质
CN109934142B (zh) 用于生成视频的特征向量的方法和装置
CN110349161B (zh) 图像分割方法、装置、电子设备、及存储介质
CN113705733A (zh) 医疗票据图像处理方法及装置、电子设备、存储介质
CN111784712A (zh) 图像处理方法、装置、设备和计算机可读介质
CN111985197A (zh) 一种基于医疗信息的模板生成方法
CN113468344B (zh) 实体关系抽取方法、装置、电子设备和计算机可读介质
CN113408507B (zh) 基于履历文件的命名实体识别方法、装置和电子设备
CN109829431B (zh) 用于生成信息的方法和装置
CN112182255A (zh) 用于存储媒体文件和用于检索媒体文件的方法和装置
CN111292333B (zh) 用于分割图像的方法和装置
CN112200183A (zh) 图像处理的方法、装置、设备和计算机可读介质
CN110765304A (zh) 图像处理方法、装置、电子设备及计算机可读介质
US20230367972A1 (en) Method and apparatus for processing model data, electronic device, and computer readable medium
EP4047474A1 (en) Method for annotating data, related apparatus and computer program product

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
CP01 Change in the name or title of a patent holder

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Douyin Vision Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: Tiktok vision (Beijing) Co.,Ltd.

Address after: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee after: Tiktok vision (Beijing) Co.,Ltd.

Address before: 100041 B-0035, 2 floor, 3 building, 30 Shixing street, Shijingshan District, Beijing.

Patentee before: BEIJING BYTEDANCE NETWORK TECHNOLOGY Co.,Ltd.

CP01 Change in the name or title of a patent holder