CN112200183A - 图像处理的方法、装置、设备和计算机可读介质 - Google Patents

图像处理的方法、装置、设备和计算机可读介质 Download PDF

Info

Publication number
CN112200183A
CN112200183A CN202011062783.8A CN202011062783A CN112200183A CN 112200183 A CN112200183 A CN 112200183A CN 202011062783 A CN202011062783 A CN 202011062783A CN 112200183 A CN112200183 A CN 112200183A
Authority
CN
China
Prior art keywords
nail
image
determining
category
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.)
Pending
Application number
CN202011062783.8A
Other languages
English (en)
Inventor
黄佳斌
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 ByteDance Network Technology 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 CN202011062783.8A priority Critical patent/CN112200183A/zh
Publication of CN112200183A publication Critical patent/CN112200183A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本公开的实施例公开了一种图像处理的方法、装置、设备和计算机可读介质。该方法的一具体实施方式包括：在目标图像中确定出至少一个指甲图像；对于所述至少一个指甲图像中每个指甲图像，确定所述指甲图像的类别；对于每个类别的指甲图像，确定所述指甲图像的相关信息，其中，所述相关信息包括指甲关键点和指甲区域。由于指甲图像是准确的，相应的，根据指甲图像确定出的指甲相关信息也是准确的。

Description

图像处理的方法、装置、设备和计算机可读介质
技术领域
本公开的实施例涉及计算机技术领域，具体涉及图像处理的方法、装置、设备和计算机可读介质。
背景技术
目前，根据用户需求，在图像中添加特效是一个非常受欢迎的领域。例如，可以为用户的指甲添加一些特效。比如，可以为用户指甲染色、还可以将用户指甲变长等。这其中，要想使得图像特效的效果好，准确的找到指甲相关信息是关键，指甲相关信息可以是指甲关键点和指甲区域。
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图像处理的方法、装置、设备和计算机可读介质。
第一方面，本公开的一些实施例提供了一种图像处理的方法，该方法包括：在目标图像中确定出至少一个指甲图像；对于上述至少一个指甲图像中每个指甲图像，确定上述指甲图像的类别；对于每个类别的指甲图像，确定上述指甲图像的相关信息，其中，上述相关信息包括指甲关键点和指甲区域。
第二方面，本公开的一些实施例提供了一种图像处理的装置，装置包括：第一确定单元，被配置成在目标图像中确定出至少一个指甲图像；第二确定单元，被配置成对于上述至少一个指甲图像中每个指甲图像，确定上述指甲图像的类别；第三确定单元，被配置成对于每个类别的指甲图像，确定上述指甲图像的相关信息，其中，上述相关信息包括指甲关键点和指甲区域。
第三方面，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中任一的方法。
第四方面，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任一的方法。
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：在目标图像中确定出至少一个指甲图像；上述在目标图像中确定至少一个指甲图像，为下一步确定指甲图像的类别和指甲图像的相关信息奠定了基础。对于上述至少一个指甲图像中每个指甲图像，确定上述指甲图像的类别；通过确定指甲图像的类别，可以使得上述指甲图像细化的前提下进行获取相关信息。对于每个类别的指甲图像，确定上述指甲图像的相关信息，其中，上述相关信息包括指甲关键点和指甲区域。这里，由于指甲图像是准确的，相应的，根据指甲图像确定出的指甲相关信息也是准确的。
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是根据本公开的一些实施例的图像处理的方法的一个应用场景的示意图；
图2是根据本公开的一些实施例的图像处理的方法的一个应用场景的示意图；
图3是根据本公开的图像处理的方法的一些实施例的流程图；
图4是根据本公开的图像处理的方法的另一些实施例的流程图；
图5是根据本公开的图像处理的装置的一些实施例的结构示意图；
图6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的方法的一个应用场景的示意图。
如图1中标记100所示，电子设备101可以在给定的目标图像102中，其中，目标图像102中包含照相机、杯子、笔和手。确定出至少一个指甲图像103。这里，至少一个指甲的数量可以是任意个。例如，至少一个指甲图像103中的5个指甲。继续参考图2，如图2中标记200所示，根据至少一个指甲图像201中的5个指甲，电子设备101可以确定出指甲图像。这里，指甲图像可以是如图2中的小拇指指甲图像202，无名指指甲图像203，中指指甲图像204，食指指甲图像205、和大拇指指甲图像206。最后，根据指甲图像确定出指甲的相关信息。其中，上述相关信息包括指甲关键点和指甲区域。
可以理解的是，图像处理的方法可以是由上述电子设备101来执行。其中，电子设备101可以是硬件，也可以是软件。当电子设备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。当电子设备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中的电子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电子设备。
继续参考图3，示出了根据本公开的图像处理的方法的一些实施例的流程300。该图像处理的方法，包括以下步骤：
步骤301，在目标图像中确定出至少一个指甲图像。
在一些实施例中，上述执行主体(例如图1所示的电子设备)可以通过各种方式确定出至少一个指甲图像。目标图像可以是任意图像。实践中，可以是包括指甲的图像。
在一些实施例的一些可选的实现方式中，将上述目标图像输入预先训练的指甲检测模型，得到上述至少一个指甲图像的至少一个位置信息；基于上述至少一个位置信息，对上述目标图像裁剪，得到上述至少一个指甲图像。
其中，上述指甲检测模型可以是基于卷积神经网络衍生出的任意目标检测模型，上述方法的执行主体可以通过各种方式对上述目标图像进行裁剪，得到上述至少一个指甲图像。
作为示例，将一幅包含有戒指，手机，手的图像输入至残差神经网络，输出的图像中上述图像中手的指甲会被标注框标注，得到至少一个被标注的指甲图像。
实践中，上述指甲检测模型中所使用的样本数据可以通过各种方式来得到。其中，上述样本数据可以是包括指甲的图像。实践中，可以通过手机拍照得到样本数据。还可以是从数据库中获取样本数据。这里，样本数据包括在各种场景(例如，室内室外)下，显示有指甲的图片。同时，样本数据还显示有手部可能出现的各种形态、角度和外貌。训练指甲检测模型可以使用adam优化器。同时，可以设置训练中的超参数。例如，可以设置学习率为0.01，权重的惩罚可以设置为10-5大小。学习率下降的趋势可以用multi-step曲线，每轮训练的样本数可以为96。
步骤302，对于至少一个指甲图像中每个指甲图像，确定上述指甲图像的类别。
在一些实施例中，对于至少一个指甲图像中每个指甲图像，上述执行主体可以通过多种方式确定上述指甲图像的类别。其中，上述类别可以包括：无名指指甲，中指指甲，食指指甲，小拇指指甲，大拇指指甲。
在一些实施例的一些可选的实现方式中，上述指甲检测模型的输出包括多个概率图，上述概率图用于表征指甲图像的类别信息；以及上述确定上述指甲图像的类别，包括：基于上述多个概率图，确定上述指甲图像对应的类别。其中，上述指甲检测模型可以是基于卷积神经网络衍生出的任意的深度神经网络。上述概率图可以是一个矩阵。矩阵中每个位置上的值位于0-1之间，表示该位置显有指甲的概率。这里，可以设置一个阈值，比如0.6。响应于矩阵中存在概率值大于0.6的位置，则可以认为这个地方是指甲。这样便可初步确定指甲的大致位置P。同时，模型还会输出相对于位置P的一个偏移量和包括指甲标注框的长宽。其中，上述偏移量用于对指甲大致位置P进行微调，使得指甲位置由大概的位置变为更加精确的位置。最终，包括指甲图像的框被确定出来。即，指甲图像的位置信息被确定出来。同时上述指甲模型检测还会同时输出指甲类别的对应的置信度的图(即：大拇指、食指、中指、无名指、小拇指、背景的概率)，也是0-1之间的值。响应于指甲类别的置信度大于预定阈值时，表示该位置有指甲，同时基于上述对应置信度的图，确定一个最大的置信度对应的类别，从而得到检测出的指甲图像的类别。
步骤303，对于每个类别的指甲图像，确定指甲图像的相关信息，其中，相关信息包括指甲关键点和指甲区域。
在一些实施例中，对于每个类别的指甲图像，上述执行主体可以通过各种方式确定出指甲图像的相关信息。其中，上述相关信息可以包括指甲关键点和指甲区域。这里，上述指甲关键点可以用于表征指甲的位置信息。实践中，指甲关键点可以是多个，例如8个。
作为示例，上述执行主体可以通过人工标注的方法，从指甲图像图像中找出甲关键点和指甲区域。
在一些实施例的一些可选的实现方式中，上述执行主体可以将上述指甲图像输入预先训练的指甲关键点检测和分割模型，生成上述手指甲区域和手指甲关键点。这里，指甲关键点检测和分割模型从逻辑上可以大致分为两个模块。其中，一个模块的作用是指甲关键点检测。另一个模块是指甲分割。其中，上述指甲关键点检测和分割模型是在初始深度神经网络的基础上，训练得到的。上述初始深度神经网络可以包括：轻量级网络MobileNet、轻量级网络ShuffleNet。
指甲关键点检测模块中所使用的样本数据可以通过各种方式来得到。其中，上述样本数据可以是包括指甲的图像。实践中，可以通过手机拍照得到样本数据。还可以是从数据库中获取样本数据。这里，样本数据包括在各种场景(例如，室内室外)下，显示有指甲的图片。同时，样本数据还显示有指甲可能出现的各种形态、角度和外貌。
采集到指甲图片之后，可以对指甲图片进行标注。实践中，需要对指甲各个关键点位置进行标注。
实践中，训练指甲关键点检测模块可以使用adam优化器。同时，可以设置训练中的超参数。例如，可以设置学习率为0.01，权重的惩罚系数可以设置为10-5大小。学习率下降的趋势可以用multi-step曲线，每轮训练的样本数可以为96。
使用上述指甲关键点检测模块检测指甲关键点的方法的流程可以大致概括如下：将指甲图像输入指甲关键点检测模块，会得到上述指甲图像中每个位置是指甲关键点的概率图。概率图可以是一个矩阵。矩阵中每个位置上的值位于0-1之间，表示该位置显有指甲关键点的概率。实践中，可以遍历指甲图像的每个位置，找到概率值符合预设阈值的位置。将这些位置确定为指甲关键点。
指甲分割模块中所使用的样本数据可以通过各种方式来得到。其中，上述样本数据可以是包括指甲的图像。实践中，可以通过手机拍照得到样本数据。还可以是从数据库中获取样本数据。这里，样本数据包括在各种场景(例如，室内室外)下，显示有指甲的图片。同时，样本数据还显示有指甲可能出现的各种形态、角度和外貌。
采集到指甲图片之后，可以对指甲图片进行标注。实践中，需要标注出指甲所在的区域。
实践中，训练指甲分割模块可以使用adam优化器。同时，可以设置训练中的超参数。例如，可以设置学习率为0.01，权重的惩罚可以设置为10-7大小。学习率下降的趋势可以用multi-step曲线，每轮训练的样本数可以为96。
使用上述指甲分割模块的流程可以大致概括如下：将指甲图像输入指甲分割模块，会得到上述指甲图像中每个位置是指甲区域的概率图。概率图可以是一个矩阵。矩阵中每个位置上的值位于0-1之间，表示该位置显有指甲区域的概率。实践中，可以遍历指甲图像的每个位置，找到概率值符合预设阈值的位置。将这些位置确定为指甲区域。
在一些实施例中，上述指甲检测模型、指甲关键点检测模型、指甲关键点检测和分割模型包括以下至少一项：轻量级网络MobileNet，轻量级网络ShuffleNet，倒转残差Inverted Residuals，通道交换shuffle channel。
在一些实施例的一些可选的实现方式中，基于上述指甲关键点和上述指甲区域，在上述指甲区域添加预设装饰物图像，其中，上述预设装饰物图像可以是任意图像。
作为示例，可以在上述指甲区域上画上点缀物星星或者月亮之类的图案。
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：在目标图像中确定出至少一个指甲图像；上述在目标图像中确定至少一个指甲图像，为下一步确定指甲图像的类别和指甲图像的相关信息奠定了基础。对于上述至少一个指甲图像中每个指甲图像，确定上述指甲图像的类别；通过确定指甲图像的类别，可以使得上述指甲图像细化的前提下进行获取相关信息。对于每个类别的指甲图像，确定上述指甲图像的相关信息，其中，上述相关信息包括指甲关键点和指甲区域。这里，由于指甲图像是准确的，相应的，根据指甲图像确定出的指甲相关信息也是准确的。
进一步参考图4，其示出了图像处理的方法的另一些实施例的流程400。该图像处理的方法的流程400，包括以下步骤：
步骤401，在目标图像中确定出至少一个指甲图像。
步骤402，对于上述至少一个指甲图像中每个指甲图像，确定上述指甲图像的类别。
步骤403，对于每个类别的指甲图像，确定指甲图像的相关信息。
在一些实施例中，步骤401至步骤403的具体实现及所带来的技术效果可以参考图3对应的那些实施例中的步骤301至步骤303，在此不再赘述。
步骤404，响应于指甲验证信息不符合预设条件，则丢弃指甲关键点和上述指甲区域。
在一些实施例中，响应于指甲验证信息不符合预设条件，上述执行主体可以丢弃上述指甲关键点和上述指甲区域。这里，上述指甲验证信息用于表征上述指甲图像中是否显示有指甲。实践中，指甲验证信息可以是一个概率。当概率较大时，可以认为上述指甲图像中显示有指甲。这里，上述预设条件可以是，大于预设阈值。例如，大于70％。
作为示例，响应于指甲验证信息不大于70％，则丢弃上述指甲关键点和上述指甲区域。
从图中可以看出，与图3对应的一些实施例的描述相比，图4对应的一些实施例中的图像处理方法的流程400体现了在生成指甲关键点和上述指甲区域的同时，还生成了指甲验证信息。这里，通过指甲验证信息，可以对得到的指甲图像进行一个验证，只有验证信息符合预设条件，才保留指甲图像对应的指甲关键点和上述指甲区域。反之亦然。通过验证信息，可以有效的避免非指甲区域对最终结果的影响。通过添加验证信息，使得最终得到的指甲关键点和上述指甲区域得可信度更高。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种图像处理装置的一些实施例，这些装置实施例与图3所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，一些实施例的图像处理装置500包括：第一确定单元501，第二确定单元502和第三确定单元503。其中，第一确定单元501被配置成在目标图像中确定出至少一个指甲图像；第二确定单元502被配置成对于上述至少一个指甲图像中每个指甲图像，确定上述指甲图像的类别；第三确定单元503被配置成对于每个类别的指甲图像，确定上述指甲图像的相关信息，其中，上述相关信息包括指甲关键点和指甲区域。
在一些实施例的一些可选的实现方式中，上述指甲相关信息还包括：指甲验证信息。以及上述方法还包括丢弃单元。其中，上述丢弃单元被配置成：响应于上述指甲验证信息不符合预设条件，则丢弃上述指甲关键点和上述指甲区域。
在一些实施例的一些可选的实现方式中，图像处理装置500的第一确定单元501进一步被配置成将上述目标图像输入预先训练的指甲检测模型，得到上述至少一个指甲图像的至少一个位置信息；基于上述至少一个位置信息，对上述目标图像裁剪，得到上述至少一个指甲图像。
在一些实施例的一些可选的实现方式中，上述指甲检测模型的输出还包括多个概率图，上述概率图用于表征指甲图像的类别信息；以及第二确定单元502进一步被配置成基于上述多个概率图，确定上述指甲图像对应的类别。
在一些实施例的一些可选的实现方式中，上述第三确定单元503可以进一步被配置成将上述指甲图像输入预先训练的指甲关键点检测和分割模型，生成上述手指甲区域和手指甲关键点。
在一些实施例的一些可选的实现方式中，上述装置500还包括添加单元，其中，上述添加单元被配置成基于上述指甲关键点和上述指甲区域，在上述指甲区域上添加预设装饰物图像。
可以理解的是，该装置500中记载的诸单元与参考图3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。
下面参考图6，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中的电子设备)600的结构示意图。图6示出的电子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6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置605加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常，以下装置可以连接至I/O接口605：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606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，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6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609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601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，在目标图像中确定出至少一个指甲图像；对于上述至少一个指甲图像中每个指甲图像，确定上述指甲图像的类别；对于每个类别的指甲图像，确定上述指甲图像的相关信息，其中，上述相关信息包括指甲关键点和指甲区域。
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：一种处理器包括第一确定单元、第二确定单元和第三确定单元。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，第一确定单元还可以被描述为“在目标图像中确定至少一个指甲图像的单元”。
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，提供了一种图像处理的方法，包括：在目标图像中确定出至少一个指甲图像；对于上述至少一个指甲图像中每个指甲图像，确定上述指甲图像的类别；对于每个类别的指甲图像，确定上述指甲图像的相关信息，其中，上述相关信息包括指甲关键点和指甲区域。
根据本公开的一个或多个实施例，上述指甲相关信息还包括：指甲验证信息。以及响应于上述指甲验证信息不符合预设条件，则丢弃上述指甲关键点和上述指甲区域。
根据本公开的一个或多个实施例，将上述目标图像输入预先训练的指甲检测模型，得到上述至少一个指甲图像的至少一个位置信息；基于上述至少一个位置信息，对上述目标图像裁剪，得到上述至少一个指甲图像。
根据本公开的一个或多个实施例，上述指甲检测模型的输出还包括多个概率图，上述概率图用于表征指甲图像的类别信息；以及基于上述多个概率图，确定上述指甲图像对应的类别。
根据本公开的一个或多个实施例，将上述指甲图像输入预先训练的指甲关键点检测和分割模型，生成上述手指甲区域和手指甲关键点。
根据本公开的一个或多个实施例，基于上述指甲关键点和上述指甲区域，在上述指甲区域上添加预设装饰物图像。
根据本公开的一个或多个实施例，提供了一种图像处理的装置，包括：第一确定单元，被配置成在目标图像中确定出至少一个指甲图像；第二确定单元，被配置成对于上述至少一个指甲图像中每个指甲图像，确定上述指甲图像的类别；第三确定单元，被配置成对于每个类别的指甲图像，确定上述指甲图像的相关信息，其中，上述相关信息包括指甲关键点和指甲区域。
根据本公开的一个或多个实施例，上述指甲相关信息还包括：指甲验证信息。以及上述方法还包括丢弃单元。其中，上述丢弃单元被配置成：响应于上述指甲验证信息不符合预设条件，则丢弃上述指甲关键点和上述指甲区域。
根据本公开的一个或多个实施例，图像处理装置的第一确定单元进一步被配置成将上述目标图像输入预先训练的指甲检测模型，得到上述至少一个指甲图像的至少一个位置信息；基于上述至少一个位置信息，对上述目标图像裁剪，得到上述至少一个指甲图像。
根据本公开的一个或多个实施例，上述指甲检测模型的输出还包括多个概率图，上述概率图用于表征指甲图像的类别信息；以及第二确定单元进一步被配置成基于上述多个概率图，确定上述指甲图像对应的类别。
根据本公开的一个或多个实施例，上述第三确定单元可以进一步被配置成将上述指甲图像输入预先训练的指甲关键点检测和分割模型，生成上述手指甲区域和手指甲关键点。
根据本公开的一个或多个实施例，上述装置还包括添加单元，其中，上述添加单元被配置成基于上述指甲关键点和上述指甲区域，在上述指甲区域上添加预设装饰物图像。
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 (9)

1.一种图像处理的方法，包括：
在目标图像中确定出至少一个指甲图像；
对于所述至少一个指甲图像中每个指甲图像，确定所述指甲图像的类别；
对于每个类别的指甲图像，确定所述指甲图像的相关信息，其中，所述相关信息包括指甲关键点和指甲区域。
2.根据权利要求1所述的方法，其中，所述指甲相关信息还包括：指甲验证信息；以及
所述方法还包括：
响应于所述指甲验证信息不符合预设条件，则丢弃所述指甲关键点和所述指甲区域。
3.根据权利要求1所述的方法，其中，所述在目标图像中确定出至少一个指甲图像，包括：
将所述目标图像输入预先训练的指甲检测模型，得到所述至少一个指甲图像的至少一个位置信息；
基于所述至少一个位置信息，对所述目标图像裁剪，得到所述至少一个指甲图像。
4.根据权利要求3所述的方法，其中，所述指甲检测模型的输出还包括多个概率图，所述概率图用于表征指甲图像的类别信息；以及
所述确定所述指甲图像的类别，包括：
基于所述多个概率图，确定所述指甲图像对应的类别。
5.根据权利要求1所述的方法，其中，所述对于每个类别的指甲图像，确定所述指甲图像的相关信息，包括：
将所述指甲图像输入预先训练的指甲关键点检测和分割模型，生成所述指甲区域和所述指甲关键点。
6.根据权利要求1所述的方法，其中，所述方法还包括：
基于所述指甲关键点和所述指甲区域，在所述指甲区域上添加预设装饰物图像。
7.一种图像处理的装置，包括：
第一确定单元，被配置成在目标图像中确定出至少一个指甲图像；
第二确定单元，被配置成对于所述至少一个指甲图像中每个指甲图像，确定所述指甲图像的类别；
第三确定单元，被配置成对于每个类别的指甲图像，确定所述指甲图像的相关信息，其中，所述相关信息包括指甲关键点和指甲区域。
8.一种电子设备，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，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质，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1-6中任一所述的方法。
CN202011062783.8A 2020-09-30 2020-09-30 图像处理的方法、装置、设备和计算机可读介质 Pending CN112200183A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011062783.8A CN112200183A (zh) 2020-09-30 2020-09-30 图像处理的方法、装置、设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011062783.8A CN112200183A (zh) 2020-09-30 2020-09-30 图像处理的方法、装置、设备和计算机可读介质

Publications (1)

Publication Number Publication Date
CN112200183A true CN112200183A (zh) 2021-01-08

Family

ID=74013860

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011062783.8A Pending CN112200183A (zh) 2020-09-30 2020-09-30 图像处理的方法、装置、设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN112200183A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113469093A (zh) * 2021-07-13 2021-10-01 上海魅奈儿科技有限公司 基于深度学习的指甲识别方法和系统
CN113486761A (zh) * 2021-06-30 2021-10-08 北京市商汤科技开发有限公司 一种指甲识别方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109598234A (zh) * 2018-12-04 2019-04-09 深圳美图创新科技有限公司 关键点检测方法和装置
CN110059623A (zh) * 2019-04-18 2019-07-26 北京字节跳动网络技术有限公司 用于生成信息的方法和装置
CN110222685A (zh) * 2019-05-16 2019-09-10 华中科技大学 一种基于两阶段的服装关键点定位方法和系统
CN110399873A (zh) * 2019-07-11 2019-11-01 汉王科技股份有限公司 身份证图像获取方法、装置、电子设备及存储介质
CN111047526A (zh) * 2019-11-22 2020-04-21 北京达佳互联信息技术有限公司 一种图像处理方法、装置、电子设备及存储介质
CN111339932A (zh) * 2020-02-25 2020-06-26 南昌航空大学 一种掌纹图像预处理方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109598234A (zh) * 2018-12-04 2019-04-09 深圳美图创新科技有限公司 关键点检测方法和装置
CN110059623A (zh) * 2019-04-18 2019-07-26 北京字节跳动网络技术有限公司 用于生成信息的方法和装置
CN110222685A (zh) * 2019-05-16 2019-09-10 华中科技大学 一种基于两阶段的服装关键点定位方法和系统
CN110399873A (zh) * 2019-07-11 2019-11-01 汉王科技股份有限公司 身份证图像获取方法、装置、电子设备及存储介质
CN111047526A (zh) * 2019-11-22 2020-04-21 北京达佳互联信息技术有限公司 一种图像处理方法、装置、电子设备及存储介质
CN111339932A (zh) * 2020-02-25 2020-06-26 南昌航空大学 一种掌纹图像预处理方法和系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113486761A (zh) * 2021-06-30 2021-10-08 北京市商汤科技开发有限公司 一种指甲识别方法、装置、设备及存储介质
CN113469093A (zh) * 2021-07-13 2021-10-01 上海魅奈儿科技有限公司 基于深度学习的指甲识别方法和系统

Similar Documents

Publication Publication Date Title
US11436863B2 (en) Method and apparatus for outputting data
CN110969012A (zh) 文本纠错方法、装置、存储介质及电子设备
CN111784712B (zh) 图像处理方法、装置、设备和计算机可读介质
CN112883968B (zh) 图像字符识别方法、装置、介质及电子设备
CN110826567A (zh) 光学字符识别方法、装置、设备及存储介质
CN112200183A (zh) 图像处理的方法、装置、设备和计算机可读介质
CN112183388A (zh) 图像处理方法、装置、设备和介质
CN113191257B (zh) 笔顺检测方法、装置和电子设备
CN109816670B (zh) 用于生成图像分割模型的方法和装置
CN111444813A (zh) 目标对象的属性分类的识别方法、装置、设备及存储介质
CN112231023A (zh) 一种信息显示方法、装置、设备及存储介质
US20240105162A1 (en) Method for training model, speech recognition method, apparatus, medium, and device
CN112070034A (zh) 图像识别方法、装置、电子设备和计算机可读介质
CN112233207A (zh) 图像处理方法、装置、设备和计算机可读介质
CN111770385A (zh) 一种卡片显示方法、装置、电子设备及介质
CN111797932B (zh) 图像分类方法、装置、设备和计算机可读介质
CN111562864B (zh) 显示图片方法、电子设备和计算机可读介质
CN113283115B (zh) 图像模型生成方法、装置和电子设备
CN112346630B (zh) 状态确定方法、装置、设备和计算机可读介质
CN114625876B (zh) 作者特征模型的生成方法、作者信息处理方法和装置
CN113345426B (zh) 一种语音意图识别方法、装置及可读存储介质
CN111582376B (zh) 神经网络的可视化方法、装置、电子设备和介质
CN111461227B (zh) 样本生成方法、装置、电子设备和计算机可读介质
CN111311616B (zh) 用于分割图像的方法和装置
CN112149542A (zh) 训练样本生成方法、图像分类方法、装置、设备和介质

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
CB02 Change of applicant information
CB02 Change of applicant information

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

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

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

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

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

Applicant after: Douyin Vision Co.,Ltd.

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

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