CN112270297A - 用于显示识别结果的方法和计算机系统 - Google Patents

用于显示识别结果的方法和计算机系统 Download PDF

Info

Publication number
CN112270297A
CN112270297A CN202011271432.8A CN202011271432A CN112270297A CN 112270297 A CN112270297 A CN 112270297A CN 202011271432 A CN202011271432 A CN 202011271432A CN 112270297 A CN112270297 A CN 112270297A
Authority
CN
China
Prior art keywords
picture
recognition result
displaying
presenting
recognition
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
CN202011271432.8A
Other languages
English (en)
Inventor
徐青松
李青
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.)
Hangzhou Glority Software Ltd
Original Assignee
Hangzhou Glority Software 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 Hangzhou Glority Software Ltd filed Critical Hangzhou Glority Software Ltd
Priority to CN202011271432.8A priority Critical patent/CN112270297A/zh
Publication of CN112270297A publication Critical patent/CN112270297A/zh
Priority to PCT/CN2021/123714 priority patent/WO2022100352A1/zh
Priority to US17/772,148 priority patent/US20230162466A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • 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
    • 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
    • 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
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/235—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on user input or interaction
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components

Abstract

本公开涉及用于显示识别结果的方法，包括：接收能够呈现出待识别对象的至少一部分的影像，并对所述影像所呈现的所述待识别对象的至少一部分进行识别；以及响应于得到识别结果，显示呈现所述识别结果的第一图片，其中，所述第一图片包括对所述识别结果的一个或多个部分的标示。本公开还涉及用于显示识别结果的计算机系统。

Description

用于显示识别结果的方法和计算机系统
技术领域
本公开涉及计算机技术领域，尤其涉及用于显示识别结果的方法和计算机系统。
背景技术
计算机技术领域中，存在多种对待识别对象进行识别的应用(APP)，例如用于识别植物的应用等。这些应用通常接收来自用户的影像(包括静态图像、动态图像、以及视频等)，并基于由人工智能技术建立的识别模型对影像中的待识别对象进行识别，以得到识别结果。例如，对象为生物时得到的识别结果可以是其物种。来自用户的影像通常包括待识别对象的至少一部分，例如，用户拍摄的影像中包括待识别植物的茎、叶、和花。识别结果可能与影像中的待识别对象完全匹配或匹配程度较高，也可能与影像中的待识别对象匹配程度较低。识别结果通常以图片的形式显示。
发明内容
本公开的一个目的是提供用于显示识别结果的方法和计算机系统。
根据本公开的第一方面，提供了一种用于显示识别结果的方法，包括：接收能够呈现出待识别对象的至少一部分的影像，并对所述影像所呈现的所述待识别对象的至少一部分进行识别；以及响应于得到识别结果，显示呈现所述识别结果的第一图片，其中，所述第一图片包括对所述识别结果的一个或多个部分的标示。
根据本公开的第二方面，提供了一种用于显示识别结果的方法，包括：接收能够呈现出待识别对象的至少一部分的影像，并对所述影像所呈现的所述待识别对象的至少一部分进行识别；以及响应于得到识别结果，显示与所述识别结果相关的一个或多个第五图片，每个所述第五图片与所述识别结果的一个部分相对应。
根据本公开的第三方面，提供了一种用于显示识别结果的方法，包括：接收能够呈现出待识别对象的第一部分的影像，并对所述第一部分进行识别；以及响应于得到识别结果，显示呈现所述识别结果的第一部分的第八图片，其中，所述第八图片还呈现所述识别结果的与所述第一部分不同的第二部分。
根据本公开的第四方面，提供了一种用于显示识别结果的计算机系统，包括：一个或多个处理器；以及一个或多个存储器，所述一个或多个存储器被配置为存储一系列计算机可执行的指令以及与所述一系列计算机可执行的指令相关联的计算机可访问的数据，其中，当所述一系列计算机可执行的指令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进行如上所述的方法。
根据本公开的第五方面，提供了一种非临时性计算机可读存储介质，所述非临时性计算机可读存储介质上存储有一系列计算机可执行的指令，当所述一系列计算机可执行的指令被一个或多个计算装置执行时，使得所述一个或多个计算装置进行如上所述的方法。
通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。
附图说明
构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
图1是示意性地示出根据本公开的实施例的用于显示识别结果的方法的至少一部分的流程图。
图2是示意性地示出根据本公开的实施例的用于显示识别结果的方法的至少一部分的流程图。
图3是示意性地示出根据本公开的实施例的用于显示识别结果的方法的至少一部分的流程图。
图4A至图4C是示意性地示出根据本公开的实施例的方法显示画面的示意图。
图5A至图5I是示意性地示出根据本公开的实施例的方法显示画面的示意图。
图6A至图6C是示意性地示出根据本公开的实施例的方法显示画面的示意图。
图7是示意性地示出根据本公开的实施例的用于显示识别结果的计算机系统的至少一部分的结构图。
图8是示意性地示出根据本公开的实施例的用于显示识别结果的计算机系统的至少一部分的结构图。
注意，在以下说明的实施方式中，有时在不同的附图之间共同使用同一附图标记来表示相同部分或具有相同功能的部分，而省略其重复说明。在本说明书中，使用相似的标号和字母表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
具体实施方式
以下将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。在下面描述中，为了更好地解释本公开，阐述了许多细节，然而可以理解的是，在没有这些细节的情况下也可以实践本公开。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
图1是示意性地示出根据本公开的实施例的用于显示识别结果的方法100的至少一部分的流程图。方法100包括：接收能够呈现出待识别对象的至少一部分的影像，并对影像所呈现的待识别对象的至少一部分进行识别(步骤S110)；以及响应于得到识别结果，显示呈现识别结果的图片，其中，该图片包括针对识别结果的一个或多个部分的标示(步骤S120)。
在一些情况下，用户将待识别对象的全部或一部分的影像输入到可以进行对象识别的应用，以期获得关于该待识别对象的信息。例如在待识别对象为植物时，影像可以包括待识别植物的根、茎、叶、花、果实、以及种子等各项的中的任意一项或多项的组合，其中所包括的每一项可以是这项的整体或部分。该影像可以是用户先前存储的、实时拍摄的、或者从网络上下载的。影像可以包括任何形式的视觉呈现，例如静态图像、动态图像、以及视频等。影像可以利用包括摄像头的设备进行拍摄，如手机、平板电脑等。
能够实施方法100的应用可以接收来自用户的该影像，并基于影像进行对象识别。识别可以包括任何已知的基于影像进行对象识别的方法。例如，可以通过计算装置和预先训练的(或称为“已训练的”)对象识别模型对影像中的待识别对象进行识别，以得到识别结果(例如，物种)。可以基于神经网络(例如深度卷积神经网络(CNN)或深度残差网络(Resnet)等)来建立识别模型。例如，为每个植物的物种获取一定数量的标注有该植物的物种名称的影像样本，即训练样本集，利用这些影像样本对神经网络进行训练，直至神经网络的输出准确率满足要求。在基于影像进行对象识别之前，还可以对影像进行预处理。预处理可以包括归一化、明亮度调整、或降噪等。降噪处理可以凸显对影像中特征部分的描述，使特征更为鲜明。
在一个具体的示例中，接收的影像可以如图4A所示，影像呈现向日葵的花，其中，待识别对象为向日葵，其至少一部分包括花(也可以理解为还包括作为影像背景的叶)。在一些情况下，可以得到与待识别对象匹配程度较高的识别结果，例如识别结果可以为向日葵。对象识别模型还可以输出与识别结果对应的结果分数，以体现该识别结果与待识别对象的匹配程度。可以设置阈值以判定匹配程度的高低。例如，当匹配程度大于第一阈值时，可以判定为匹配程度较高；而当匹配程度小于第二阈值时，可以判定为匹配程度较低。第一阈值和第二阈值可以根据需要来设定，其相同也可以不同。在一个实施例中，所显示的呈现识别结果的图片可以如图4B所示，为呈现识别结果的整体的图片(例如，权利要求书中的第一图片和第六图片可以被实施为这样的图片)。需要说明的是，呈现识别结果的整体，在对象为植物时，指的是能够大致呈现出整株植物的形态，而并不是必须完整包括植物的所有部分。
在一个实施例中，所显示的呈现识别结果的图片可以如图4C所示，为呈现识别结果的一个或多个部分的图片(例如，权利要求书中的第一图片和第六图片还可以被实施为这样的图片)，而不要求其为呈现识别结果的整体的图片。所呈现的识别结果的一个或多个部分可以包括或不包括与待识别对象的至少一部分对应的部分，也可以包括或不包括除与待识别对象的至少一部分对应的部分之外的部分。在一个示例中，在接收的影像如图4A所示的情况下，显示的如图4C所示的图片包括与影像中的向日葵的花对应的部分，还包括向日葵的除花之外的部分。应当理解，在其他示例中，显示的图片可以只包括与待识别对象的至少一部分对应的部分，即仅包括向日葵的花。在另一个示例中，接收的影像可以如图5A所示，场景例如可以是用户看到植物的根部想知道该根部来自哪种植物、或者想知道该根部的特征、该根部所属的植物的特征等。在这种情况下，显示的如图4C所示的图片不包括与影像中的根对应的部分，而仅包括向日葵的除根之外的其他的一个或多个部分。应当理解，在其他示例中，在接收的影像如图5A所示的情况下，显示的图片也可以如图4B所示，即为呈现识别结果的整体的图片。
如图4B所示的图片包括针对识别结果的一个或多个部分的标示。在该具体的示例中，标示为区域标示，在图中的呈现方式为用矩形框框出一片区域。在如图4B所示的图片中，以矩形框分别标示出了向日葵的花、果实、叶、茎和根等多个部分所对应的区域。如图4C所示的图片包括针对识别结果的一个或多个部分的标示。在该具体的示例中，标示为引线标示，在图中的呈现方式为用引线标示出识别结果的对应的部分，例如图4C中用引线表示出向日葵的花、果实、叶和茎等多个部分。应当理解，标示不限于图4B和4C所列举的形式，只要能指示图片中呈现的识别结果的一个或多个部分即可，例如，除区域和引线标示之外，标示还可以为文字、符号、图片标示，或者为这些种类的标示中的任意多个的组合。图片所包括的针对识别结果的一个或多个部分的标示，可以是事先根据该图片标注并与图片相关联地存储的，也可以是得到识别结果的图片之后由预先训练的区域识别模型(或目标检测模型等)识别并标注在该图片上的。
标示或标示所针对的部分可以被操作。操作可以包括点击、双击、触摸、按压、拉伸放大、和滑动等。例如，用户可以点击如图4B所示的矩形框所框出的区域或点击矩形框本身，也可以点击如图4C所示的引线(例如引线的端部)或引线所指的部分。在一个实施例中，响应于标示或标示所针对的部分被操作，显示呈现标示所针对的识别结果的部分的图片(例如，权利要求书中的第二图片、第五图片和第九图片可以被实施为这样的图片)和/或相关的文字。图片可以为呈现识别结果的对应部分的细节的图片，如图5A、5C、5E、5G所示，和/或可以为呈现识别结果的对应部分在识别结果中的位置的图片，如图5B、5D、5F、5H所示。此外，响应于上述操作，还可以与图片相关联地显示与其相关的文字，如图5I所示。应当理解，响应于上述操作，还可以不显示图片，而仅显示与标示所针对的识别结果的部分相关的文字，例如对该部分的形态等特征、如何识别该部分的描述等。例如，用户输入如图4A所示的影像并看到如图4B所示的识别结果之后，可能对向日葵的果实感兴趣。可以点击如图4B所示的果实区域，执行方法100的应用可以向用户显示如图5G或5H所示的图片，以让用户进一步了解向日葵的果实的细节。在如图5B、5D、5F、5H所示的呈现识别结果的对应部分在识别结果中的位置的图片中，如果用户想观看该部分的细节特征，可以操作图片中该部分所在的区域，执行方法100的应用可以向用户显示呈现该部分的细节的图片、和/或描述该部分的特性的文字。
在一个实施例中，响应于标示或标示所针对的部分被操作，显示与具有标示所针对的识别结果的部分的特征的对象相关的信息。例如，显示如图4B所示的识别结果之后，用户可能想知道与该识别结果具有部分相同特征的对象的信息。或者，用户可能觉得识别结果不太准确或不符合预期，于是可以选择识别结果中与待识别对象匹配度较高的一个或多个部分，使得执行方法100的应用可以显示只具有用户所选择的部分的特征的对象(而忽略那些识别结果中与待识别对象匹配度较低的部分)，从而用户可以从这些被显示的对象中找到其认为准确或符合预期的结果。在这些情况下，用户可以从图片4B所呈现的标示中选择一个或多个标示或标示所针对的部分，例如选择对应于根、茎和叶的标示，则执行方法100的应用可以在数据库中选择所有具有与这些标示所对应的部分的特征相同的特征的对象，并向用户显示这些对象的相关信息(文字和/或图片)。
这里所述的“选择”是用户进行的操作，执行方法100的应用可以允许用户进行正向选择，即通过点击等操作手法选择一个或多个想要保留的部分的特征；也可以允许用户进行负向选择，即通过点击等操作手法删除一个或多个想要忽略的部分的特征。
特征通常是指对象或识别结果的某个部分的形态。例如，当部分为植物的叶子时，叶子的形状特征可以包括心形、肾形、卵形、椭圆形、三角形、圆形、扇形、剑形、长圆形、针形、条形、菱形等。应当理解，植物的叶子这一部分还可以具有其他范畴的特征，例如纹理特征、边缘特征(光滑或有毛刺)、单生/对生特征等。在数据库中，可以按照叶子的每种形状特征进行分类，即在每个形状特征的分类下存储有具备这种特征的植物的物种。相应地，对于根、茎、叶、花、果实、种子的每个部分的每种特征，均可以在该特征分类下存储其该部分具有该特征的对象的物种(包括物种的名称、图片、文字介绍等信息)。根据用户选择的识别结果的部分所具备的各个特征，选择这些特征分类下共同的物种(即这些特征分类下存储的物种的交集)，即为在该实施例中执行方法100的应用可以显示的输出结果。
在一个实施例中，响应于得到识别结果，还显示与影像对应的图片(例如，权利要求书中的第三图片和第七图片可以被实施为这样的图片)，例如接收的影像本身、或影像的部分图片、影像的缩略图片等。在一个实施例中，对象识别模型基于接收的影像难以得到与待识别对象的匹配程度满足要求的识别结果，即未得到识别结果。响应于未得到识别结果，执行方法100的应用可以显示与待识别对象接近的一个或多个对象的一个或多个图片(例如，权利要求书中的第四图片可以被实施为这样的图片)。例如，影像中包括向日葵的一个或多个部分但未得到识别结果时，可以输出与向日葵相似的其他物种的图片。再例如，影像中包括植物的多个部分，难以找到所有部分均匹配的识别结果，则可以输出仅一些部分匹配的识别结果。
图2是示意性地示出根据本公开的实施例的用于显示识别结果的方法200的至少一部分的流程图。方法200包括：接收能够呈现出待识别对象的至少一部分的影像，并对影像所呈现的待识别对象的至少一部分进行识别(步骤S210)；以及响应于得到识别结果，显示与识别结果相关的一个或多个图片，每个图片与识别结果的一个部分相对应(步骤S220)。在一个具体的示例中，用户可以输入如图4A所示的影像，执行方法200的应用得到识别结果之后，可以向用户显示如图5A、5C、5E、5G所示(或如图5B、5D、5F、5H)的与识别结果的各个部分对应的图片(而不是像上述实施例中所描述的先显示如图4B或4C所示的整体或包括多个部分的图片)。用户可以对这些图片进行操作，响应于图片被操作，执行方法200的应用可以突出显示该图片和/或与该图片相关的文字，以允许用户了解识别结果的该部分的更多地信息。这种显示方法可以应用在对象识别模型得到的识别结果与待识别对象匹配程度较高的情况，也可以应用在匹配程度较低的情况。
图3是示意性地示出根据本公开的实施例的用于显示识别结果的方法300的至少一部分的流程图。方法300包括：接收能够呈现出待识别对象的第一部分的影像，并对第一部分进行识别(步骤S310)；以及响应于得到识别结果，显示呈现识别结果的第一部分的图片，其中，图片还呈现识别结果的与第一部分不同的第二部分(步骤S320)。其中，图片呈现的第二部分可被操作，并且响应于第二部分被操作，显示呈现第二部分的图片和/或与第二部分相关的文字。在一个具体的示例中，用户可以输入如图5A所示的影像(呈现的第一部分为根部)，执行方法200的应用可以显示如图4B或5B所示的图片(呈现根部以及除根部之外的至少一个其他部分)，以使得用户可以直接了解到除其输出的根部之外的其他部分的特征。
在其他实施例中，会出现识别结果与待识别对象的一个或多个部分不匹配的情况。此时，可以输出识别结果的各个部分，并对各个部分的匹配程度进行标注。例如，当识别向日葵的根、茎、叶、花、果实几个特征的时候，根、茎、叶、花的识别结果正确，果实的识别结果可能错误。执行上述方法的应用对于识别正确的部分(即匹配程度较高的部分)，可以自动标注为√(仅为示例，当然可以标注其他的文字、符号或图片等)，而对于识别错误的部分(即匹配程度较低的部分)，可以自动标注为×(仅为示例，当然可以标注其他的文字、符号或图片等)。在另一个例子中，可以让用户来标注正确与错误，或者允许用户对应用自动标注的正确与错误进行修改。进一步地，应用可以根据标注过正确或错误的部分，显示具有全部识别正确的部分的特征的对象，以供用户参考。用户可以从这些对象中选择与待识别对象最为相近的结果。
下面参照图6A至6C，以具体示例来说明根据本公开上述实施例的用于显示识别结果的方法100至300中几种可能的显示画面。
显示识别结果的一个示例性的画面610如图6A所示，区域62可以用于显示与如图4A所示的接收的影像对应的图片(例如影像的全部或部分)，区域61可以用于显示如图4B或4C所示的呈现识别结果的多个部分的图片(其中可以包括或不包括针对各个部分的标示)，区域63可以用于显示如图5A至5I所示的呈现各个部分的细节和/或各个部分在识别结果中的位置的图片。如果用户对某个部分感兴趣而操作那个部分所对应的区域63，则画面610可以变为如图6C所示的画面630以在应用的前景、或切换到应用的另一个页面在区域65显示该部分的信息(图片和/或文字)。在一个变形示例中，画面610可以不包括区域62，而其中的区域61可以用于显示与如图4A所示的接收的影像对应的图片，区域63可以用于显示如图5A至5I所示的呈现各个部分的细节和/或各个部分在识别结果中的位置的图片。
显示识别结果的另一个示例性的画面620如图6B所示，区域62可以用于显示与如图4A所示的接收的影像对应的图片，区域61可以用于显示如图5I所示的识别结果的与接收的影像中的待识别对象的部分相对应的部分的图片(例如与影像中一样都是向日葵的花的部分)，区域64可以用于显示如图4B或4C所示的呈现识别结果的多个部分的图片，其中包括针对各个部分的标示。如果用户对某个部分感兴趣而操作那个部分或那个部分对应的标示，则画面620可以变为如图6C所示的画面630以在应用的前景、或切换到应用的另一个页面在区域65显示该部分的信息。此外，如果用户选择区域64所显示的图片中的一个或多个部分或一个或多个部分所对应的一个或多个标示，则画面620可以变为如图6A所示的画面610，其中，区域63用于显示各个具有与这些标示所对应的部分的特征相同的特征的对象的相关信息。区域62与上文类似的是可选的，在一个变形示例中，画面620可以不包括区域62，而其中的区域61可以用于显示与如图4A所示的接收的影像对应的图片，区域64可以用于显示如图4B或4C所示的呈现识别结果的多个部分的图片，其中包括针对各个部分的标示。
画面上可以不显示与接收的影像对应的图片，而是只显示识别结果。显示识别结果的另一个示例性的画面630如图6C所示，区域65可以用于显示如图4B或4C所示的呈现识别结果的多个部分的图片，其中包括针对各个部分的标示。如果用户对某个部分感兴趣而操作那个部分或那个部分对应的标示，则画面630的区域65可以变为显示该部分的信息。此外，如果用户选择区域65所显示的图片中的一个或多个部分或一个或多个部分所对应的一个或多个标示，则在一个例子中，画面630可以变为如图6A所示的画面610，其中，区域63用于显示各个具有与这些标示所对应的部分的特征相同的特征的对象的相关信息；在另一个例子中，画面630可以变为在区域65中显示各个这样的对象的相关信息，例如，区域65可以先显示一个这样的对象，用户可以通过上下或左右滑动来查看更多个对象。此外，对于上文所述的实施例，当响应于得到识别结果，显示与识别结果的各个部分相关的多个图片时，也可以采用画面630来显示。例如，区域65可以先显示一个这样的图片(和/或文字)，其对应识别结果的一个部分，用户可以通过上下或左右滑动来查看更多个的部分所对应的图片。
应当理解，以上任意一个区域61至65处的图片均可以附加有文字描述，例如以图5I所示的形式显示。文字可以包括该物种的名称、特点、生长习性、如何进行养护、某一具体部位的详细介绍、如何进行识别等信息。此外，以上结合图6A至6C描述的画面610至630只是示例性的，用以解释根据本公开的实施例的用于显示识别结果的方法，并不能用以限制本公开。在画面610中，当多个区域63均用于显示图片时，本公开对各个图片的排列顺序不做限定。例如可以根据各个图片与待识别对象的相似/匹配程度进行排序，越相似/匹配的排列在越前面；也可以根据各个图片与待识别对象的关联程度进行排序，例如影像中呈现的待识别对象为整体时，可以在输出显示时将整体图排列在前面；但影像中呈现的待识别对象为植物的茎叶时，可以将呈现植物的茎和/或叶的图片排列在前面。
本公开实施例中涉及的各种图片，例如呈现识别结果的整体的图片、呈现识别结果的多个部分的图片、呈现识别结果的一个部分的细节图片、呈现识别结果的一个部分在识别结果中的位置的图片、以及呈现识别结果的与接收的影像中的待识别对象的部分相对应的部分的图片等，均可以从上述训练样本集中获得。通常在上述训练样本集中，针对一个物种存在多个样本(通常是大量的样本)。可以对每个物种事先将一个样本确定为该物种的代表图片，在需要显示识别结果的整体图或多个部分的图时、或者在需要显示识别结果的与接收的影像中的待识别对象的部分相对应的部分的图片时，优先选择该代表图片。也可以对每个物种的每个部分事先确定代表图片，在需要显示识别结果的某个部分的图片时，优先选择该代表图片。
图7是示意性地示出根据本公开的实施例的用于显示识别结果的计算机系统700的至少一部分的结构图。本领域技术人员可以理解，系统700只是一个示例，不应将其视为限制本公开的范围或本文所描述的特征。在该示例中，系统700可以包括一个或多个存储装置710、一个或多个电子设备720、以及一个或多个计算装置730，其可以通过网络或总线740互相通信连接。一个或多个存储装置710为一个或多个电子设备720、以及一个或多个计算装置730提供存储服务。虽然一个或多个存储装置710在系统700中以独立于一个或多个电子设备720、以及一个或多个计算装置730之外的单独的框示出，应当理解，一个或多个存储装置710可以实际存储在系统700所包括的其他实体720、730中的任何一个上。一个或多个电子设备720以及一个或多个计算装置730中的每一个可以位于网络或总线740的不同节点处，并且能够直接地或间接地与网络或总线740的其他节点通信。本领域技术人员可以理解，系统700还可以包括图7未示出的其他装置，其中每个不同的装置均位于网络或总线740的不同节点处。
一个或多个存储装置710可以被配置为存储上文所述的任何数据，包括但不限于：接收的影像、神经网络模型、各样本集/样本库、记录各种植物的特征的数据库、应用的程序文件等数据。一个或多个计算装置730可以被配置为执行上述方法100、200、300中的一个或多个，和/或一个或多个方法100、200、300中的一个或多个步骤。一个或多个电子设备720可以被配置为为用户提供服务，其可以显示如上所述的图片4A至6I、以及画面610至630。一个或多个电子设备720还可以被配置为执行方法100、200、300中的一个或多个步骤。
网络或总线740可以是任何有线或无线的网络，也可以包括线缆。网络或总线740可以是互联网、万维网、特定内联网、广域网或局域网的一部分。网络或总线740可以利用诸如以太网、WiFi和HTTP等标准通信协议、对于一个或多个公司来说是专有的协议、以及前述协议的各种组合。网络或总线740还可以包括但不限于工业标准体系结构(ISA)总线、微通道架构(MCA)总线、增强型ISA(EISA)总线、视频电子标准协会(VESA)本地总线、和外围部件互连(PCI)总线。
一个或多个电子设备720和一个或多个计算装置730中的每一个可以被配置为与图8所示的系统800类似，即具有一个或多个处理器810、一个或多个存储器820、以及指令和数据。一个或多个电子设备720和一个或多个计算装置730中的每一个可以是意在由用户使用的个人计算装置或者由企业使用的商业计算机装置，并且具有通常与个人计算装置或商业计算机装置结合使用的所有组件，诸如中央处理单元(CPU)、存储数据和指令的存储器(例如，RAM和内部硬盘驱动器)、诸如显示器(例如，具有屏幕的监视器、触摸屏、投影仪、电视或可操作来显示信息的其他装置)、鼠标、键盘、触摸屏、麦克风、扬声器、和/或网络接口装置等的一个或多个I/O设备。
一个或多个电子设备720还可以包括用于捕获静态图像或记录视频流的一个或多个相机、以及用于将这些元件彼此连接的所有组件。虽然一个或多个电子设备720可以各自包括全尺寸的个人计算装置，但是它们可能可选地包括能够通过诸如互联网等网络与服务器无线地交换数据的移动计算装置。举例来说，一个或多个电子设备720可以是移动电话，或者是诸如带无线支持的PDA、平板PC或能够经由互联网获得信息的上网本等装置。在另一个示例中，一个或多个电子设备720可以是可穿戴式计算系统。
图8是示意性地示出根据本公开的一个实施例的用于显示识别结果的计算机系统800的至少一部分的结构图。系统800包括一个或多个处理器810、一个或多个存储器820、以及通常存在于计算机等装置中的其他组件(未示出)。一个或多个存储器820中的每一个可以存储可由一个或多个处理器810访问的内容，包括可以由一个或多个处理器810执行的指令821、以及可以由一个或多个处理器810来检索、操纵或存储的数据822。
指令821可以是将由一个或多个处理器810直接地执行的任何指令集，诸如机器代码，或者间接地执行的任何指令集，诸如脚本。本文中的术语“指令”、“应用”、“过程”、“步骤”和“程序”在本文中可以互换使用。指令821可以存储为目标代码格式以便由一个或多个处理器810直接处理，或者存储为任何其他计算机语言，包括按需解释或提前编译的独立源代码模块的脚本或集合。指令821可以包括引起诸如一个或多个处理器810来充当本文中的各神经网络的指令。本文其他部分更加详细地解释了指令821的功能、方法和例程。
一个或多个存储器820可以是能够存储可由一个或多个处理器810访问的内容的任何临时性或非临时性计算机可读存储介质，诸如硬盘驱动器、存储卡、ROM、RAM、DVD、CD、USB存储器、能写存储器和只读存储器等。一个或多个存储器820中的一个或多个可以包括分布式存储系统，其中指令821和/或数据822可以存储在可以物理地位于相同或不同的地理位置处的多个不同的存储装置上。一个或多个存储器820中的一个或多个可以经由网络连接至一个或多个第一装置810，和/或可以直接地连接至或并入一个或多个处理器810中的任何一个中。
一个或多个处理器810可以根据指令821来检索、存储或修改数据822。存储在一个或多个存储器820中的数据822可以包括上文所述的一个或多个存储装置710中存储的各项中一项或多项的至少部分。举例来说，虽然本文所描述的主题不受任何特定数据结构限制，但是数据822还可能存储在计算机寄存器(未示出)中，作为具有许多不同的字段和记录的表格或XML文档存储在关系型数据库中。数据822可以被格式化为任何计算装置可读格式，诸如但不限于二进制值、ASCII或统一代码。此外，数据822可以包括足以识别相关信息的任何信息，诸如编号、描述性文本、专有代码、指针、对存储在诸如其他网络位置处等其他存储器中的数据的引用或者被函数用于计算相关数据的信息。
一个或多个处理器810可以是任何常规处理器，诸如市场上可购得的中央处理单元(CPU)、图形处理单元(GPU)等。可替换地，一个或多个处理器810还可以是专用组件，诸如专用集成电路(ASIC)或其他基于硬件的处理器。虽然不是必需的，但是一个或多个处理器810可以包括专门的硬件组件来更快或更有效地执行特定的计算过程，诸如对影像进行图像处理等。
虽然图8中示意性地将一个或多个处理器810以及一个或多个存储器820示出在同一个框内，但是系统800可以实际上包括可能存在于同一个物理壳体内或不同的多个物理壳体内的多个处理器或存储器。例如，一个或多个存储器820中的一个可以是位于与与上文所述的一个或多个计算装置(未示出)中的每一个的壳体不同的壳体中的硬盘驱动器或其他存储介质。因此，引用处理器、计算机、计算装置或存储器应被理解成包括引用可能并行操作或可能非并行操作的处理器、计算机、计算装置或存储器的集合。
在说明书及权利要求中的词语“A或B”包括“A和B”以及“A或B”，而不是排他地仅包括“A”或者仅包括“B”，除非另有特别说明。
在本公开中，对“一个实施例”、“一些实施例”的提及意味着结合该实施例描述的特征、结构或特性包含在本公开的至少一个实施例、至少一些实施例中。因此，短语“在一个实施例中”、“在一些实施例中”在本公开的各处的出现未必是指同一个或同一些实施例。此外，在一个或多个实施例中，可以任何合适的组合和/或子组合来组合特征、结构或特性。
如在此所使用的，词语“示例性的”意指“用作示例、实例或说明”，而不是作为将被精确复制的“模型”。在此示例性描述的任意实现方式并不一定要被解释为比其它实现方式优选的或有利的。而且，本公开不受在上述技术领域、背景技术、发明内容或具体实施方式中所给出的任何所表述的或所暗示的理论所限定。
另外，仅仅为了参考的目的，还可以在下面描述中使用某种术语，并且因而并非意图限定。例如，除非上下文明确指出，否则涉及结构或元件的词语“第一”、“第二”和其它此类数字词语并没有暗示顺序或次序。还应理解，“包括/包含”一词在本文中使用时，说明存在所指出的特征、整体、步骤、操作、单元和/或组件，但是并不排除存在或增加一个或多个其它特征、整体、步骤、操作、单元和/或组件以及/或者它们的组合。
在本公开中，术语“部件”和“系统”意图是涉及一个与计算机有关的实体，或者硬件、硬件和软件的组合、软件、或执行中的软件。例如，一个部件可以是，但是不局限于，在处理器上运行的进程、对象、可执行态、执行线程、和/或程序等。通过举例说明，在一个服务器上运行的应用程序和所述服务器两者都可以是一个部件。一个或多个部件可以存在于一个执行的进程和/或线程的内部，并且一个部件可以被定位于一台计算机上和/或被分布在两台或更多计算机之间。
本领域技术人员应当意识到，在上述操作之间的边界仅仅是说明性的。多个操作可以结合成单个操作，单个操作可以分布于附加的操作中，并且操作可以在时间上至少部分重叠地执行。而且，另选的实施例可以包括特定操作的多个实例，并且在其他各种实施例中可以改变操作顺序。但是，其它的修改、变化和替换同样是可能的。因此，本说明书和附图应当被看作是说明性的，而非限制性的。
另外，本公开的实施方式还可以包括以下示例：
1.一种用于显示识别结果的方法，包括：
接收能够呈现出待识别对象的至少一部分的影像，并对所述影像所呈现的所述待识别对象的至少一部分进行识别；以及
响应于得到识别结果，显示呈现所述识别结果的第一图片，其中，所述第一图片包括针对所述识别结果的一个或多个部分的一个或多个标示。
2.根据1所述的方法，还包括：
响应于所述标示或所述标示所针对的部分被操作，显示呈现所述标示所针对的所述识别结果的部分的第二图片和/或相关的文字。
3.根据1所述的方法，还包括：
响应于所述标示或所述标示所针对的部分被操作，显示与具有所述标示所针对的所述识别结果的部分的特征的对象相关的信息。
4.根据1所述的方法，其中，所述第一图片为呈现所述识别结果的整体的图片。
5.根据1所述的方法，其中，所述第一图片为呈现所述识别结果的一个或多个部分的图片，所呈现的所述识别结果的一个或多个部分为：
所述识别结果的与所述待识别对象的至少一部分对应的部分；和/或
所述识别结果的除与所述待识别对象的至少一部分对应的部分之外的部分。
6.根据2所述的方法，其中，所述第二图片为呈现所述识别结果的对应部分的细节的图片和/或呈现所述识别结果的对应部分在所述识别结果中的位置的图片。
7.根据1所述的方法，其中，所述标示包括区域标示、引线标示、文字标示、符号标示、以及图片标示中的一个或多个的组合。
8.根据1所述的方法，还包括：
响应于得到识别结果，还显示与所述影像对应的第三图片；以及
响应于未得到识别结果，显示与所述待识别对象接近的一个或多个对象的一个或多个第四图片。
9.一种用于显示识别结果的方法，包括：
接收能够呈现出待识别对象的至少一部分的影像，并对所述影像所呈现的所述待识别对象的至少一部分进行识别；以及
响应于得到识别结果，显示与所述识别结果相关的多个第五图片，每个所述第五图片与所述识别结果的一个部分相对应。
10.根据9所述的方法，其中，所述第五图片为呈现所述识别结果的对应部分的细节的图片和/或呈现所述识别结果的对应部分在所述识别结果中的位置的图片。
11.根据9所述的方法，还包括：显示呈现所述识别结果的多个部分的第六图片。
12.根据9所述的方法，还包括：
响应于得到识别结果并且所述识别结果与所述待识别对象的匹配程度大于第一阈值，显示呈现所述识别结果的整体的第六图片，其中，所述第六图片包含针对在所述第六图片中呈现的所述识别结果的至少一个部分的至少一个标示；以及
响应于所述标示或所述标示所针对的部分被操作，显示所述标示所针对的所述识别结果的部分所对应的所述第五图片。
13.根据12所述的方法，还包括：
响应于所述至少一个标示中的一个或多个标示或所述一个或多个标示所针对的一个或多个部分被操作，还显示与具有与所述一个或多个标示所针对的所述识别结果的一个或多个部分的特征的对象相关的信息。
14.根据12所述的方法，其中，所述标示包括区域标示、引线标示、文字标示、符号标示、以及图片标示中的一个或多个的组合。
15.根据9所述的方法，其中，响应于得到所述识别结果并且所述识别结果与所述待识别对象的匹配程度小于第二阈值，显示所述第五图片，其中，所述识别结果的与所述第五图片对应的部分与所述待识别对象的相应部分匹配。
16.根据9所述的方法，还包括：
与所述第五图片相关联地显示与所述第五图片相关的文字。
17.根据9所述的方法，还包括：
响应于所述第五图片被操作，突出显示所述第五图片和/或与所述第五图片相关的文字。
18.根据9所述的方法，还包括：
响应于得到识别结果，还显示与所述影像对应的第七图片。
19.一种用于显示识别结果的方法，包括：
接收能够呈现出待识别对象的第一部分的影像，并对所述第一部分进行识别；以及
响应于得到识别结果，显示呈现所述识别结果的第一部分的第八图片，其中，所述第八图片还呈现所述识别结果的与所述第一部分不同的第二部分。
20.根据19所述的方法，其中，所述第八图片呈现的所述第二部分可操作，所述方法还包括：
响应于所述第二部分被操作，显示呈现所述第二部分的第九图片和/或与所述第二部分相关的文字。
21.一种用于显示识别结果的计算机系统，包括：
一个或多个处理器；以及
一个或多个存储器，所述一个或多个存储器被配置为存储一系列计算机可执行的指令以及与所述一系列计算机可执行的指令相关联的计算机可访问的数据，
其中，当所述一系列计算机可执行的指令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进行如1-20中任一项所述的方法。
22.一种非临时性计算机可读存储介质，其特征在于，所述非临时性计算机可读存储介质上存储有一系列计算机可执行的指令，当所述一系列计算机可执行的指令被一个或多个计算装置执行时，使得所述一个或多个计算装置进行如1-20中任一项所述的方法。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。在此公开的各实施例可以任意组合，而不脱离本公开的精神和范围。本领域的技术人员还应理解，可以对实施例进行多种修改而不脱离本公开的范围和精神。本公开的范围由所附权利要求来限定。

Claims (10)

1.一种用于显示识别结果的方法，包括：
接收能够呈现出待识别对象的至少一部分的影像，并对所述影像所呈现的所述待识别对象的至少一部分进行识别；以及
响应于得到识别结果，显示呈现所述识别结果的第一图片，其中，所述第一图片包括针对所述识别结果的一个或多个部分的一个或多个标示。
2.根据权利要求1所述的方法，还包括：
响应于所述标示或所述标示所针对的部分被操作，显示呈现所述标示所针对的所述识别结果的部分的第二图片和/或相关的文字。
3.根据权利要求1所述的方法，还包括：
响应于所述标示或所述标示所针对的部分被操作，显示与具有所述标示所针对的所述识别结果的部分的特征的对象相关的信息。
4.根据权利要求1所述的方法，其中，所述第一图片为呈现所述识别结果的整体的图片。
5.根据权利要求1所述的方法，其中，所述第一图片为呈现所述识别结果的一个或多个部分的图片，所呈现的所述识别结果的一个或多个部分为：
所述识别结果的与所述待识别对象的至少一部分对应的部分；和/或
所述识别结果的除与所述待识别对象的至少一部分对应的部分之外的部分。
6.根据权利要求2所述的方法，其中，所述第二图片为呈现所述识别结果的对应部分的细节的图片和/或呈现所述识别结果的对应部分在所述识别结果中的位置的图片。
7.一种用于显示识别结果的方法，包括：
接收能够呈现出待识别对象的至少一部分的影像，并对所述影像所呈现的所述待识别对象的至少一部分进行识别；以及
响应于得到识别结果，显示与所述识别结果相关的多个第五图片，每个所述第五图片与所述识别结果的一个部分相对应。
8.一种用于显示识别结果的方法，包括：
接收能够呈现出待识别对象的第一部分的影像，并对所述第一部分进行识别；以及
响应于得到识别结果，显示呈现所述识别结果的第一部分的第八图片，其中，所述第八图片还呈现所述识别结果的与所述第一部分不同的第二部分。
9.一种用于显示识别结果的计算机系统，包括：
一个或多个处理器；以及
一个或多个存储器，所述一个或多个存储器被配置为存储一系列计算机可执行的指令以及与所述一系列计算机可执行的指令相关联的计算机可访问的数据，
其中，当所述一系列计算机可执行的指令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进行如权利要求1-8中任一项所述的方法。
10.一种非临时性计算机可读存储介质，其特征在于，所述非临时性计算机可读存储介质上存储有一系列计算机可执行的指令，当所述一系列计算机可执行的指令被一个或多个计算装置执行时，使得所述一个或多个计算装置进行如权利要求1-8中任一项所述的方法。
CN202011271432.8A 2020-11-13 2020-11-13 用于显示识别结果的方法和计算机系统 Pending CN112270297A (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011271432.8A CN112270297A (zh) 2020-11-13 2020-11-13 用于显示识别结果的方法和计算机系统
PCT/CN2021/123714 WO2022100352A1 (zh) 2020-11-13 2021-10-14 用于显示识别结果的方法和计算机系统
US17/772,148 US20230162466A1 (en) 2020-11-13 2021-10-14 Method and computer system for displaying identification result

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011271432.8A CN112270297A (zh) 2020-11-13 2020-11-13 用于显示识别结果的方法和计算机系统

Publications (1)

Publication Number Publication Date
CN112270297A true CN112270297A (zh) 2021-01-26

Family

ID=74339338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011271432.8A Pending CN112270297A (zh) 2020-11-13 2020-11-13 用于显示识别结果的方法和计算机系统

Country Status (3)

Country Link
US (1) US20230162466A1 (zh)
CN (1) CN112270297A (zh)
WO (1) WO2022100352A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112784925A (zh) * 2021-02-08 2021-05-11 杭州睿胜软件有限公司 用于对象识别的方法、计算机系统及电子设备
CN113298180A (zh) * 2021-06-15 2021-08-24 杭州睿胜软件有限公司 用于植物识别的方法和计算机系统
CN113793405A (zh) * 2021-09-15 2021-12-14 杭州睿胜软件有限公司 用于呈现植物的分布的方法、计算机系统和存储介质
WO2022100352A1 (zh) * 2020-11-13 2022-05-19 杭州睿琪软件有限公司 用于显示识别结果的方法和计算机系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050192760A1 (en) * 2003-12-16 2005-09-01 Dunlap Susan C. System and method for plant identification
US20130055152A1 (en) * 2011-08-26 2013-02-28 Microsoft Corporation Objectizing and animating images
CN104021150A (zh) * 2009-08-07 2014-09-03 谷歌公司 带有社交网络辅助的面部识别
US20170076222A1 (en) * 2015-09-14 2017-03-16 International Business Machines Corporation System and method to cognitively process and answer questions regarding content in images
CN109147933A (zh) * 2017-06-26 2019-01-04 国际商业机器公司 认知植物临床
CN110321868A (zh) * 2019-07-10 2019-10-11 杭州睿琪软件有限公司 对象识别及显示的方法及系统
CN110490086A (zh) * 2019-07-25 2019-11-22 杭州睿琪软件有限公司 一种用于对象识别结果二次确认的方法及系统
CN110998604A (zh) * 2017-07-06 2020-04-10 华为技术有限公司 有局部外观的对象的识别与重构
CN111325240A (zh) * 2020-01-23 2020-06-23 杭州睿琪软件有限公司 与杂草相关的计算机可执行的方法和计算机系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140072226A1 (en) * 2012-09-13 2014-03-13 International Business Machines Corporation Searching and Sorting Image Files
US9818048B2 (en) * 2015-01-19 2017-11-14 Ebay Inc. Fine-grained categorization
CN105472553B (zh) * 2015-11-17 2016-09-21 贾鹏文 基于移动终端的植物识别方法
US20180322353A1 (en) * 2017-05-08 2018-11-08 PlantSnap, Inc. Systems and methods for electronically identifying plant species
US11048277B1 (en) * 2018-01-24 2021-06-29 Skydio, Inc. Objective-based control of an autonomous unmanned aerial vehicle
WO2020110270A1 (ja) * 2018-11-29 2020-06-04 マクセル株式会社 映像表示装置および方法
US10930057B2 (en) * 2019-03-29 2021-02-23 Airbnb, Inc. Generating two-dimensional plan from three-dimensional image data
CN110941987B (zh) * 2019-10-10 2023-04-07 北京百度网讯科技有限公司 目标对象识别方法、装置、电子设备及存储介质
CN110674805B (zh) * 2019-10-11 2022-04-15 杭州睿琪软件有限公司 昆虫识别方法及系统
US20220207585A1 (en) * 2020-07-07 2022-06-30 W.W. Grainger, Inc. System and method for providing three-dimensional, visual search
CN112270297A (zh) * 2020-11-13 2021-01-26 杭州睿琪软件有限公司 用于显示识别结果的方法和计算机系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050192760A1 (en) * 2003-12-16 2005-09-01 Dunlap Susan C. System and method for plant identification
CN104021150A (zh) * 2009-08-07 2014-09-03 谷歌公司 带有社交网络辅助的面部识别
US20130055152A1 (en) * 2011-08-26 2013-02-28 Microsoft Corporation Objectizing and animating images
US20170076222A1 (en) * 2015-09-14 2017-03-16 International Business Machines Corporation System and method to cognitively process and answer questions regarding content in images
CN109147933A (zh) * 2017-06-26 2019-01-04 国际商业机器公司 认知植物临床
CN110998604A (zh) * 2017-07-06 2020-04-10 华为技术有限公司 有局部外观的对象的识别与重构
CN110321868A (zh) * 2019-07-10 2019-10-11 杭州睿琪软件有限公司 对象识别及显示的方法及系统
CN110490086A (zh) * 2019-07-25 2019-11-22 杭州睿琪软件有限公司 一种用于对象识别结果二次确认的方法及系统
CN111325240A (zh) * 2020-01-23 2020-06-23 杭州睿琪软件有限公司 与杂草相关的计算机可执行的方法和计算机系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022100352A1 (zh) * 2020-11-13 2022-05-19 杭州睿琪软件有限公司 用于显示识别结果的方法和计算机系统
CN112784925A (zh) * 2021-02-08 2021-05-11 杭州睿胜软件有限公司 用于对象识别的方法、计算机系统及电子设备
WO2022166706A1 (zh) * 2021-02-08 2022-08-11 杭州睿胜软件有限公司 用于对象识别的方法、计算机系统及电子设备
CN113298180A (zh) * 2021-06-15 2021-08-24 杭州睿胜软件有限公司 用于植物识别的方法和计算机系统
CN113793405A (zh) * 2021-09-15 2021-12-14 杭州睿胜软件有限公司 用于呈现植物的分布的方法、计算机系统和存储介质

Also Published As

Publication number Publication date
US20230162466A1 (en) 2023-05-25
WO2022100352A1 (zh) 2022-05-19

Similar Documents

Publication Publication Date Title
CN112270297A (zh) 用于显示识别结果的方法和计算机系统
US11321583B2 (en) Image annotating method and electronic device
US11062090B2 (en) Method and apparatus for mining general text content, server, and storage medium
US11416710B2 (en) Feature representation device, feature representation method, and program
CN108073910B (zh) 用于生成人脸特征的方法和装置
CN110446063B (zh) 视频封面的生成方法、装置及电子设备
WO2022166706A1 (zh) 用于对象识别的方法、计算机系统及电子设备
US9569498B2 (en) Using image features to extract viewports from images
CN110765907A (zh) 一种基于深度学习的视频中试卷纸质文档信息提取系统及方法
CN105144239A (zh) 图像处理装置、程序及图像处理方法
WO2022089170A1 (zh) 字幕区域识别方法、装置、设备及存储介质
WO2022194102A1 (zh) 图像处理方法、装置、计算机设备、存储介质及程序产品
JP2017168057A (ja) 画像分類装置、画像分類システム及び画像分類方法
CN110751232A (zh) 一种中文复杂场景文本检测与识别方法
AU2018202767A1 (en) Data structure and algorithm for tag less search and svg retrieval
CN111160134A (zh) 一种以人为主体的视频景别分析方法和装置
CN110110147A (zh) 一种视频检索的方法及装置
CN113793405A (zh) 用于呈现植物的分布的方法、计算机系统和存储介质
CN112347997A (zh) 一种试题检测识别方法、装置、电子设备及介质
CN114357206A (zh) 基于语义分析的教育类视频彩色字幕生成方法及系统
CN113298180A (zh) 用于植物识别的方法和计算机系统
CN111008295A (zh) 书页检索方法、装置、电子设备和存储介质
CN111753618A (zh) 图像识别方法、装置、计算机设备及计算机可读存储介质
CN111079777A (zh) 一种基于书页定位的点读方法及电子设备
CN113486171B (zh) 一种图像处理方法及装置、电子设备

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