CN112380370A - 一种图像推送方法、装置及电子设备 - Google Patents
一种图像推送方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112380370A CN112380370A CN202011119755.5A CN202011119755A CN112380370A CN 112380370 A CN112380370 A CN 112380370A CN 202011119755 A CN202011119755 A CN 202011119755A CN 112380370 A CN112380370 A CN 112380370A
- Authority
- CN
- China
- Prior art keywords
- image
- target object
- images
- quality parameters
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012163 sequencing technique Methods 0.000 claims abstract description 30
- 230000007547 defect Effects 0.000 claims description 56
- 238000012545 processing Methods 0.000 claims description 49
- 230000002950 deficient Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 235000005770 birds nest Nutrition 0.000 description 4
- 235000005765 wild carrot Nutrition 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019646 color tone Nutrition 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Studio Devices (AREA)
Abstract
本说明书一个或多个实施例提供一种图像推送方法、装置及电子设备,包括:获取输入的语音指令,确定所述语音指令中包含的目标对象,搜索包含所述目标对象的至少一幅图像,确定各图像的质量参数,按照各图像的质量参数从高到低顺序对各图像进行排序,推送排序后的各图像。本说明书的方法能够精准的推送图像,提升用户体验。
Description
技术领域
本说明书一个或多个实施例涉及信息处理技术领域,尤其涉及一种图像推送方法、装置及电子设备。
背景技术
一般情况下,在旅游途中或是途径某个感兴趣的对象(如,景点、文物、人物等)时,常常会对对象进行语言介绍,然而,语言表达方式较为单调,不够形象化且缺少代入感,听众的体验感有限。利用现有的搜索引擎可以搜索出很多与感兴趣的对象相关的图像,但是搜索出的图像杂乱无章,无法准确贴合地表达出用户所想表达的内容,用户还需要从众多图像中进一步逐幅的筛选出真正想要的图像,费时费力,体验较差。
发明内容
有鉴于此,本说明书一个或多个实施例的目的在于提出一种图像推送方法、装置及电子设备,以解决无法精准推送图像的问题。
基于上述目的,本说明书一个或多个实施例提供了一种图像推送方法,包括:
获取输入的语音指令;
确定所述语音指令中包含的目标对象;
搜索包含所述目标对象的至少一幅图像;
确定各图像的质量参数;
按照各图像的质量参数从高到低顺序对各图像进行排序;
推送排序后的各图像。
可选的,所述至少一幅图像包括仅包括所述目标对象的图像和包括所述目标对象和其他对象的图像;
所述搜索包含所述目标对象的至少一幅图像之后,还包括:
对包括所述目标对象和其他对象的图像进行裁剪处理,得到仅包括所述目标对象的图像。
可选的,所述质量参数包括清晰度和与所述目标对象的内容匹配程度;
所述确定各图像的质量参数,包括:
判断各图像的内容匹配程度;
判断各图像的清晰度;
所述按照各图像的质量参数从高到低顺序对各图像进行排序,包括:
根据各图像的内容匹配程度和清晰度,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,
按照各图像的内容匹配程度从高到低对各图像进行排序;或者,
按照各图像的清晰度从高到低对各图像进行排序。
可选的,所述质量参数还包括曝光度、白平衡指标、灰度值和/或畸变程度;
所述确定各图像的质量参数之后,还包括:
根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,判断各图像是否存在缺陷;
若存在有缺陷的图像,对有缺陷的图像进行调整,得到调整后的图像;
对无缺陷的图像和所述调整后的图像,根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,计算各图像的品质参数;
所述按照各图像的质量参数从高到低顺序对各图像进行排序,包括:
根据各图像的内容匹配程度、清晰度和品质参数,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,
按照各图像的品质参数从高到低对各图像进行排序。
可选的,所述判断各图像是否存在缺陷,若存在有缺陷的图像,对有缺陷的图像进行调整,得到调整后的图像,包括:
判断所述图像的曝光度是否达到预设的曝光度阈值,若否,调整所述图像的曝光度,得到曝光度调整后的图像;和/或,
判断所述图像的白平衡指标是否达到预设的白平衡程度,若否,调整所述图像的白平衡指标,得到白平衡调整后的图像;和/或,
判断所述图像的灰度值是否达到预设的灰度阈值,若否,调整所述图像的灰度值,得到灰度调整后的图像;和/或,
通过对比各图像,判断是否存在畸变的图像,若存在,对存在畸变的图像进行矫正,得到矫正后的图像。
可选的,所述确定所述语音指令中包含的目标对象之后,还包括:
判断所述目标对象是否为搜索过的对象;
若所述目标对象是搜索过的对象,所述搜索包含所述目标对象的至少一幅图像之后,还包括:
判断上次搜索的包含所述目标对象的至少一幅图像的数量与本次搜索的包含所述目标对象的至少一幅图像的数量是否相等;
若相等,利用预先构建的图像推送模型对本次搜索的包含所述目标对象的至少一幅图像进行处理,得到排序后的各图像;所述图像推送模型根据上次搜索的包含所述目标对象的至少一幅图像及对上次搜索的各图像进行处理得到的排序后的各图像训练得到;
若不相等,执行所述确定各图像的质量参数步骤。
可选的,获取输入的语音指令之后,还包括:
根据所述语音指令,建立用于识别用户语言习惯的语义识别模型;
所述确定所述语音指令中包含的目标对象为:
利用所述语义识别模型确定所述语音指令中包含的目标对象。
可选的,所述目标对象分布于不同的地理位置;
所述确定所述语音指令中包含的目标对象之后,还包括:
获取当前地理位置信息;
确定与所述当前地理位置信息所对应的特定目标对象;
所述搜索包含所述目标对象的至少一幅图像为:搜索包含所述特定目标对象的至少一幅图像。
本说明书实施例还提供一种图像推送装置,包括:
获取模块,用于获取输入的语音指令;
对象确定模块,用于确定所述语音指令中包含的目标对象;
搜索模块,用于搜索包含所述目标对象的至少一幅图像;
参数确定模块,用于确定各图像的质量参数;
排序模块,用于按照各图像的质量参数从高到低顺序对各图像进行排序;
推送模块,用于推送排序后的各图像。
可选的,所述至少一幅图像包括仅包括所述目标对象的图像和包括所述目标对象和其他对象的图像;所述装置还包括:
裁剪模块,用于对包括所述目标对象和其他对象的图像进行裁剪处理,得到仅包括所述目标对象的图像。
可选的,所述质量参数包括清晰度和与所述目标对象的内容匹配程度;
所述参数确定模块包括:
匹配度计算子模块,用于判断各图像的内容匹配程度;
清晰度确定子模块,用于判断各图像的清晰度;
所述排序模块包括:根据各图像的内容匹配程度和清晰度,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,按照各图像的内容匹配程度从高到低对各图像进行排序;或者,按照各图像的清晰度从高到低对各图像进行排序。
可选的,所述质量参数还包括曝光度、白平衡指标、灰度值和/或畸变程度;所述装置还包括:
缺陷检查子模块,用于判断所述图像的曝光度是否达到预设的曝光度阈值,若否,利用所述缺陷处理子模块调整所述图像的曝光度,得到曝光度调整后的图像;和/或,用于判断所述图像的白平衡指标是否达到预设的白平衡程度,若否,利用所述缺陷处理子模块调整所述图像的白平衡指标,得到白平衡调整后的图像;和/或,用于判断所述图像的灰度值是否达到预设的灰度阈值,若否,利用所述缺陷处理子模块调整所述图像的灰度值,得到灰度调整后的图像;和/或,用于通过对比各图像,判断是否存在畸变的图像,若存在,利用所述缺陷处理子模块对存在畸变的图像进行矫正,得到矫正后的图像;
缺陷处理子模块,用于对有缺陷的图像进行调整,得到调整后的图像;
参数计算子模块,用于对无缺陷的图像和所述调整后的图像,根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,计算各图像的品质参数;
所述排序模块,用于根据各图像的内容匹配程度、清晰度和品质参数,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,按照各图像的品质参数从高到低对各图像进行排序。
可选的,所述装置还包括:
对象判断模块,用于判断所述目标对象是否为搜索过的对象;
数量判断模块,用于判断上次搜索的包含所述目标对象的至少一幅图像的数量与本次搜索的包含所述目标对象的至少一幅图像的数量是否相等;若相等,利用预先构建的图像推送模型对本次搜索的包含所述目标对象的至少一幅图像进行处理,得到排序后的各图像;所述图像推送模型根据上次搜索的包含所述目标对象的至少一幅图像及对上次搜索的各图像进行处理得到的排序后的各图像训练得到;若不相等,利用参数确定模块确定各图像的质量参数。
本说明书实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的图像推送方法。
从上面所述可以看出,本说明书一个或多个实施例提供的图像推送方法、装置及电子设备,通过获取输入的语音指令,确定语音指令中包含的目标对象,搜索包含目标对象的至少一幅图像,确定各图像的质量参数,按照各图像的质量参数从高到低顺序对各图像进行排序,推送排序后的各图像;能够精准的推送图像,提升用户体验。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书一个或多个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例的方法流程示意图;
图2为本说明书一个或多个实施例的装置结构示意图;
图3为本说明书一个或多个实施例的电子设备结构示意图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
为达到上述目的,本说明书实施例提供了一种图像推送方法、装置及电子设备,该方法及装置可以应用于具有信息处理功能的终端设备,例如车载设备、手机、平板电脑等具有信息交互功能的终端设备,终端设备可以安装有语音通信模块,或是安装有具有语音通信功能的应用程序,配置有声音采集单元(例如麦克风),同时配置有显示单元等信息输出模块,使得终端设备具有信息交互及图像显示功能。终端设备的具体形式及所配置的功能模块不做限定。
下面首先对本说明书实施例提供的图像推送方法进行详细说明。
图1为本说明书一个或多个实施例的图像推送方法的流程示意图,如图所示,本说明书提供的图像推送方法,包括:
S101:获取输入的语音指令;
S102:确定语音指令中包含的目标对象;
本实施例中,可利用配置的声音采集单元采集用户输入的语音指令,对语音指令进行识别处理后,确定出语音指令中所包含的目标对象。
一种方式中,用户开启图像推送模式之后,直接发出包含目标对象的语音指令。例如,用户发出“故宫”的语音指令,在获取该语音指令之后,对该语音指令进行识别,确定该语音指令中所包含的目标对象为“故宫”。
另一种方式中,用户未开启图像推送模式,用户在讲解或描述目标对象的过程中,执行主体通过获取输入的语音指令,对语音指令进行识别,确定出语音指令中所包含的目标对象。例如,导游在讲解关于“颐和园”的历史典故过程中,执行主体获取输入的语音指令,对语音指令进行识别处理,判断输入的语音指令中多次出现了与“颐和园”相关的关键词,进而确定目标对象为“颐和园”,也可以是,所输入的语音指令中,超过一定时间多次出现与“颐和园”相关的关键词,确定目标对象为“颐和园”;如果判断输入的语音指令中仅出现了一次或有限次“颐和园”,认为是聊天过程中随意提及,不需进行后续处理,无需推送关于“颐和园”的图像。
S103:搜索包含目标对象的至少一幅图像;
本实施例中,在确定目标对象之后,基于预设的图库搜索包含有目标对象的图像。例如,以目标对象的名称为关键词搜索图库,以获取有关目标对象的所有图像。
一些方式中,为提高所搜索出的图像的精确度,可根据语音指令识别确定目标对象的相关信息,根据目标对象及其相关信息确定搜索条件,在搜索图像时,可根据确定出的搜索条件搜索图像,获得更符合当前描述内容的图像。例如,在讲解“故宫”的历史过程中,搜索条件为“目标对象的名称+全景”,即“故宫+全景”;随着讲解过程的深入,讲解到故宫中的“太和殿”的整体建筑结构时,搜索条件为“太和殿+全景”,讲解到太和殿中的“宝座”时,搜索条件为“太和殿+宝座”;在讲解“鸟巢”的建造过程中,搜索条件为“鸟巢+全景”,讲解到鸟巢的夜景时,搜索条件为“鸟巢+夜景”。以上仅为示例性说明,不用于具体限定。
S104:确定各图像的质量参数;
S105:按照各图像的质量参数从高到低顺序对各图像进行排序;
S106:推送排序后的各图像。
一些方式中,搜索得到的包含目标对象的图像数量可能很多,各图像虽然均包含有目标对象,但是与目标对象的内容匹配程度、图像的清晰度以及图像的其他指标各不相同,如果直接将搜索出的图像推送给用户,用户还需要二次筛选出满足一定要求的图像,费时费力,体验下降。
本实施例中,在搜索获得了至少一幅图像之后,确定各图像的质量参数,然后按照质量参数从高到低的顺序对各图像进行排序,得到排序后的图像,然后推送排序后的图像。所推送的图像更符合用户的实际需求,能够提高用户体验,提高用户满意度。
本实施例提供的图像推送方法,通过获取输入的语音指令,确定语音指令中包含的目标对象,搜索包含目标对象的至少一幅图像,确定各图像的质量参数,按照各图像的质量参数从高到低顺序对各图像进行排序,推送排序后的各图像;能够精准的向用户推送包含目标对象的图像,用户无需进行二次筛选,提升用户体验。
一些实施例中,至少一幅图像包括仅包括目标对象的图像和包括目标对象和其他对象的图像;
搜索包含目标对象的至少一幅图像之后,还包括:
对包括目标对象和其他对象的图像进行裁剪处理,得到仅包括目标对象的图像。
本实施例中,虽然搜索出的图像均包含目标对象,但是图像各种各样,有些图像中,目标对象作为主体占据了图像的绝大部分区域(例如,占据了图像的三分之二及以上);而有些图像中,目标图像仅占据了图像的部分区域,不是图像的主体,这些图像中不仅包括目标对象,还包括其他对象,对于目标对象不是主体的图像,为提高图像与目标对象的内容匹配程度,对这类图像进行裁剪,将目标对象所在区域裁剪出来,得到以目标对象为主体的仅包括目标对象的图像,能够提高图像推送的准确度。
一些方式中,对图像进行裁剪时,以目标对象所占区域为中心区域,保留中心区域的周围安全区域(例如,占据图像的5%-10%的区域),得到包括中心区域和周围安全区域的裁剪后的图像。另外,可根据目标对象的长度和宽度尺寸,得到横向或竖向呈现的裁剪后的图像。
一些实施例中,质量参数包括清晰度和与目标对象的内容匹配程度;
确定各图像的质量参数,包括:
判断各图像的内容匹配程度;
判断各图像的清晰度;
按照各图像的质量参数从高到低顺序对各图像进行排序,包括:
根据各图像的内容匹配程度和清晰度,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,
按照各图像的内容匹配程度从高到低对各图像进行排序;或者,
按照各图像的清晰度从高到低对各图像进行排序。
本实施例中,以图像与目标对象的内容匹配程度和图像的清晰度为优先考虑的质量参数,优先向用户推送内容匹配和/或清晰度较好的图像。对于搜索到的各图像,判断各图像的内容匹配程度,并判断各图像的清晰度,然后根据判断结果,可综合内容匹配程度和清晰度两项质量参数进行综合评分,按照综合评分从高到底对各图像进行排序,按此顺序推送出各图像,排在前面的图像不仅与目标对象的内容匹配程度高,而且图像的清晰度高,符合用户对于图像的要求。用户也可以根据实际需要选择按照内容匹配程度从高到低对各图像进行排序,并推送按此顺序排序的图像;也可以选择按照图像的清晰度从高到低对各图像进行排序,并推送按此顺序排序的图像,能够满足不同用户对于图像的不同要求。
一些实施例中,判断图像的内容匹配程度的方法是,对于搜索出的各图像,利用内容特征法计算各图像之间的相似度,相似度越高,图像与目标对象的内容匹配程度越高,相似度越低,图像与目标对象的内容匹配程度越低,对于相似度低于一定值的图像可以不进行后续处理,以提高处理效率。其中,内容特征法的基本原理是,将图像转换为较小的灰度图像,基于预设的阈值,将灰度图像转换为黑白图像,如果两图像相似,则两图像的黑白图像也相似,对两黑白图像的像素值进行异或运算,根据运算结果,判断两图像的相似度;本实施例不对内容特征法的具体算法过程进行详细说明。
一些方式中,判断各图像的清晰度的方法是,确定各图像中相同区域所包含的像素数量,像素数量越多,图像的清晰度越高,像素数量越少,图像的清晰度越低。按照各图像的相同区域所包含的像素数量从多到少对各图像进行排序,能够得到按照清晰度从高到底排序的各图像。一些方式中,可将像素数量低于一定值的图像筛除,由于清晰度过低而不进行图像排序和推送处理。
另一些方式中,可以利用图像清晰度算法计算各图像的清晰度,根据各图像的清晰度计算结果,对各图像进行清晰度从高到低排序。可将清晰度计算结果低于一定值的图像筛除,不进行后续排序和推送处理。具体的图像清晰度算法不做具体限定。
对于综合内容匹配程度和清晰度两项质量参数进行综合评分,可预先设定内容匹配程度所占的第一比例和清晰度所占的第二比例,第一比例和第二比例之和为1。对于每幅图像,根据内容匹配程度与第一比例,以及清晰度与第二比例,计算图像的综合评分;之后,按照综合评分从高到低对各图像进行排序,得到各图像的综合排序。
一些实施例中,质量参数还包括曝光度、白平衡指标、灰度值和/或畸变程度等图像的其他指标;
确定各图像的质量参数之后,还包括:
根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,判断各图像是否存在缺陷;
若存在有缺陷的图像,对有缺陷的图像进行调整,得到调整后的图像;
对无缺陷的图像和调整后的图像,根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,计算各图像的品质参数;
按照各图像的质量参数从高到低顺序对各图像进行排序,包括:
根据各图像的内容匹配程度、清晰度和品质参数,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,
按照各图像的品质参数从高到低对各图像进行排序。
本实施例中,质量参数还包括可评价图像品质的其他指标,包括但不限于曝光度、白平衡指标、灰度值和/或畸变程度等。按照各项其他指标,判断图像是否存在某个或者某些缺陷,对于存在缺陷的图像,进行相应的调整,得到调整后的图像;之后,对于不存在缺陷的图像以及调整后的图像,根据各项其他指标,计算各图像的品质参数;后续对各图像进行排序时,可以根据内容匹配程度、清晰度和品质参数三项质量参数的综合评分从高到低进行排序,也可以选择按照品质参数从高到低对各图像进行排序,从而满足用户的不同要求。
对于综合内容匹配程度、清晰度和品质参数三项质量参数进行综合评分,可预先设定内容匹配程度所占的第三比例、清晰度所占的第四比例以及品质参数所占的第五比例,第三比例、第四比例和第五比例之和为1。对于每幅图像,根据内容匹配程度与第三比例、清晰度与第四比例以及品质参数与第五比例,计算图像的综合评分;之后,按照综合评分从高到低对各图像进行排序,得到各图像的综合排序。其中,品质参数的计算可按照图像的曝光度、白平衡指标、灰度值、畸变程度及各指标所占比例进行计算得到,具体的计算方法不做限定。
一些实施例中,判断各图像是否存在缺陷,若存在有缺陷的图像,对有缺陷的图像进行调整,得到调整后的图像,包括:
判断图像的曝光度是否达到预设的曝光度阈值,若否,调整图像的曝光度,得到曝光度调整后的图像;和/或,
判断图像的白平衡指标是否达到预设的白平衡程度,若否,调整图像的白平衡指标,得到白平衡调整后的图像;和/或,
判断图像的灰度值是否达到预设的灰度阈值,若否,调整图像的灰度值,得到灰度调整后的图像;和/或,
通过对比各图像,判断是否存在畸变的图像,若存在,对存在畸变的图像进行矫正,得到矫正后的图像。
本实施例中,按照各项其他指标,分别判断图像是否存在缺陷,包括:判断图像的曝光度是否达到曝光度阈值,若否,则图像的曝光度存在缺陷,调整图像的曝光度,得到曝光度调整后的图像。一些方式中,通过图像的直方图判断图像的白色像素或黑色像素是否溢出,从而判断曝光度是否正常,若不正常,对图像进行二次曝光处理,得到曝光度调整后的图像。例如,根据图像的直方图,如果图像的白色像素集中程度超过曝光度阈值,判断图像曝光过度,如果图像的黑色像素集中程度超过曝光度阈值,判断图像欠曝,可通过调整像素分布进行二次曝光处理;进一步的,可根据图像的具体场景(如夜景、雪景、室内等等)设置不同的至少一个曝光度阈值。
判断图像的白平衡指标是否达到白平衡程度,若否,则图像的白平衡指标存在缺陷,调整图像的白平衡指标,得到白平衡调整后的图像。一些方式中,可通过对比多幅图像的色调,确定特定对象的参照物,以该参照物为标准判断各图像的白平衡指标是否达到白平衡程度,对于未达到白平衡程度的图像,调整该图像的色温,例如,通过多幅图像对比,判断植物的颜色是绿色的,以绿色植物为标准,确定植物不是绿色的图像的白平衡指标存在缺陷,对该图像进行白平衡调整(如,调整红绿蓝三种基色光的占比),调整至植物为绿色,得到白平衡调整后的图像。
判断图像的灰度值是否达到灰度阈值,若否,则图像的灰度值存在缺陷,调整图像的灰度值,得到灰度调整后的图像。例如,将图像转换为灰度直方图,如果某个区域的像素集中程度达到灰度阈值,可通过调整色阶改变图像的灰度分布情况,提高图像的对比度,得到灰度调整后的图像。
对于图像的畸变程度,可通过多幅图像对比判断其中是否存在畸变的图像,若判断存在畸变的图像,则对存在畸变的图像进行矫正,得到矫正后的图像。例如,通过多幅图像对比,判断某建筑的柱子应是竖直的,对于柱子为弧形的图像,进行矫正处理,得到矫正后的图像。
一些实施例中,根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,判断各图像是否存在缺陷,包括:
判断图像中目标对象所在区域的曝光度是否达到预设的曝光度阈值,若否,该图像的曝光度存在缺陷;和/或,判断图像中目标对象所在区域的白平衡指标是否达到预设的白平衡程度,若否,该图像的白平衡程度存在缺陷;和/或,判断图像中目标对象所在区域的灰度值是否达到预设的灰度阈值,若否,该图像的灰度值存在缺陷;和/或,通过对比各图像中目标对象所在区域,判断是否存在目标对象发生畸变的图像,目标对象发生畸变的图像存在畸变缺陷。
相应的,对有缺陷的图像进行调整,得到调整后的图像,包括:
对于曝光度存在缺陷的图像,调整图像中目标对象所在区域的曝光度,得到曝光度调整后的图像;和/或,对于白平衡程度存在缺陷的图像,调整图像中目标对象所在区域的白平衡指标,得到白平衡调整后的图像;和/或,对于灰度值存在缺陷的图像,调整图像中目标对象所在区域的灰度值,得到灰度调整后的图像;和/或,对于存在畸变缺陷的图像,对发生畸变的目标对象进行矫正,得到矫正后的图像。
本实施例中,通过判断图像中目标对象所在区域的各项其他指标,判断图像是否存在缺陷,对于存在缺陷的图像进行相应调整,以提高图像品质,尤其是提高图像中目标对象所在区域的品质,提高图像推送的准确度。
需说明的是,上述按照各项其他指标进行图像缺陷判断和调整的过程,可以依次按照曝光度、白平衡指标、灰度值的顺序进行缺陷判断,并在判断存在缺陷时进行相应的调整,也可以按照其他先后顺序或者交叉顺序进行缺陷判断和调整,应当注意的是,无论按照哪种顺序进行调整,最终调整后的图像均应满足各项其他指标的要求,使得最终调整后的图像能够最大程度的克服所存在的缺陷,达到较高的图像品质。
一些实施例中,确定语音指令中包含的目标对象之后,还包括:
判断目标对象是否为搜索过的对象;
若目标对象是搜索过的对象,搜索包含所述目标对象的至少一幅图像之后,还包括:
判断上次搜索的包含目标对象的至少一幅图像的数量与本次搜索的包含目标对象的至少一幅图像的数量是否相等;
若相等,利用预先构建的图像推送模型对本次搜索的包含目标对象的至少一幅图像进行处理,得到排序后的各图像;图像推送模型根据上次搜索的包含目标对象的至少一幅图像及对上次搜索的各图像进行处理得到的排序后的各图像训练得到;
若不相等,执行确定各图像的质量参数步骤。
本实施例中,为提高处理效率,还可以根据已搜索过的包含目标对象的图像及所推送的图像建立图像推送模型,这样,下次搜索相同的目标对象时,在没有新增图像的前提下,直接利用图像推送模型推送出排序后的图像即可,无需重复进行图像处理及排序过程。如果搜索出的图像有所增加,则需要重新进行各图像的质量参数计算及排序等处理过程,以使推送的图像更为准确完整。
一些实施例中,获取输入的语音指令之后,还包括:
根据语音指令,建立用于识别用户语言习惯的语义识别模型;
确定语音指令中包含的目标对象为:
利用语义识别模型确定语音指令中包含的目标对象。
本实施例中,还可以根据用户输入的语音指令,建立与用户对应的语义识别模型,该语义识别模型能够对用户的用语习惯、语言逻辑等方面进行学习,能够识别用户的语言习惯。这样,用户在讲述关于某目标对象时,可利用语义识别模型快速确定出该用户所感兴趣的目标对象,提高处理效率。另外,对于不同的用户,可分别建立各用户所对应的语义识别模型,为不同用户推送合适的图像。
一些实施例中,目标对象分布于不同的地理位置;
确定语音指令中包含的目标对象之后,还包括:
获取当前地理位置信息;
确定与当前地理位置信息所对应的特定目标对象;
搜索包含所述目标对象的至少一幅图像为:搜索包含特定目标对象的至少一幅图像。
本实施例中,考虑到同一个目标对象可能存在重名,重名的目标对象实质上分别不同,而且分布在不同的地理位置,为保证搜索和推送的精准性,在确定目标对象之后,进一步获取当前地理位置信息,确定当前地理位置信息所对应的特定目标对象,基于该特定目标对象,搜索包含该特定目标对象的图像,并对搜索出的图像进行后续的排序和推送处理,从而能够精准的推送所需图像。例如,全国多个省份均具有以“南京路”命名的道路或街道,确定目标对象为“南京路”之后,需要进一步根据当前所处的地理位置,判断所感兴趣的到底是哪个“南京路”,如果当前位置在上海,则认为上海的“南京路”为特定目标对象,确定搜索条件为“上海+南京路”,搜索关于上海的“南京路”的图像,并进行后续图像处理、排序,推送出关于上海的“南京路”的各图像。
在一种应用场景中,执行主体为车载设备,用户载着朋友去景点游玩,旅途中,用户对朋友进行有关景点的介绍,例如,介绍有关“北海公园”的历史、北海公园中的“九龙壁”等,执行主体介绍用户的语音指令,对语音指令进行识别,判断多次出现了有关“北海公园”的关键词,确定用户当前所感兴趣的目标对象为“北海公园”。之后,搜索有关“北海公园”的图像,对于搜索到的各图像,判断是否存在包含“北海公园”和其他对象的图像,若存在,对这类图像进行裁剪,得到仅包含“北海公园”的图像。然后,确定出包含“北海公园”的各图像的质量参数,默认方式下,可按照内容匹配程度、清晰度和品质参数的综合评分从高到低的顺序对各图像进行排序,并推送出排序后的图像;用户也可以选择按照内容匹配程度、清晰度或者品质参数的排序标准,获得对应排序的图像;所推送出的图像以及文字介绍可显示于车载显示器上,便于用户在语言介绍过程中结合匹配的图像对目标对象有更深入的了解,提升用户体验。
需要说明的是,本说明书一个或多个实施例的方法可以由单个设备执行,例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下,由多台设备相互配合来完成。在这种分布式场景的情况下,这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤,这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
如图2所示,本说明书一个或多个实施例还提供一种图像推送装置,包括:
获取模块,用于获取输入的语音指令;
对象确定模块,用于确定语音指令中包含的目标对象;
搜索模块,用于搜索包含目标对象的至少一幅图像;
参数确定模块,用于确定各图像的质量参数;
排序模块,用于按照各图像的质量参数从高到低顺序对各图像进行排序;
推送模块,用于推送排序后的各图像。
一些实施例中,至少一幅图像包括仅包括目标对象的图像和包括目标对象和其他对象的图像;装置还包括:
裁剪模块,用于对包括目标对象和其他对象的图像进行裁剪处理,得到仅包括目标对象的图像。
一些实施例中,质量参数包括清晰度和与目标对象的内容匹配程度;
参数确定模块包括:
匹配度计算子模块,用于判断各图像的内容匹配程度;
清晰度确定子模块,用于判断各图像的清晰度;
排序模块包括:根据各图像的内容匹配程度和清晰度,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,按照各图像的内容匹配程度从高到低对各图像进行排序;或者,按照各图像的清晰度从高到低对各图像进行排序。
一些实施例中,质量参数还包括曝光度、白平衡指标、灰度值和/或畸变程度;装置还包括:
缺陷检查子模块,用于根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,判断各图像是否存在缺陷;
缺陷处理子模块,用于对有缺陷的图像进行调整,得到调整后的图像;
参数计算子模块,用于对无缺陷的图像和所述调整后的图像,根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,计算各图像的品质参数;
排序模块,用于根据各图像的内容匹配程度、清晰度和品质参数,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,按照各图像的品质参数从高到低对各图像进行排序。
一些实施例中,缺陷检查子模块,用于判断图像的曝光度是否达到预设的曝光度阈值,若否,利用缺陷处理子模块调整图像的曝光度,得到曝光度调整后的图像;和/或,用于判断图像的白平衡指标是否达到预设的白平衡程度,若否,利用缺陷处理子模块调整图像的白平衡指标,得到白平衡调整后的图像;和/或,用于判断图像的灰度值是否达到预设的灰度阈值,若否,利用缺陷处理子模块调整图像的灰度值,得到灰度调整后的图像;和/或,用于通过对比各图像,判断是否存在畸变的图像,若存在,利用缺陷处理子模块对存在畸变的图像进行矫正,得到矫正后的图像。
一些实施例中,装置还包括:
对象判断模块,用于判断目标对象是否为搜索过的对象;
数量判断模块,用于判断上次搜索的包含目标对象的至少一幅图像的数量与本次搜索的包含目标对象的至少一幅图像的数量是否相等;若相等,利用预先构建的图像推送模型对本次搜索的包含目标对象的至少一幅图像进行处理,得到排序后的各图像;图像推送模型根据上次搜索的包含目标对象的至少一幅图像及对上次搜索的各图像进行处理得到的排序后的各图像训练得到;若不相等,利用参数确定模块确定各图像的质量参数。
一些实施例中,装置还包括:
模型建立模块,用于根据语音指令,建立用于识别用户语言习惯的语义识别模型;
对象确定模块,用于利用语义识别模型确定语音指令中包含的目标对象。
一些实施例中,目标对象分布于不同的地理位置;装置还包括:
位置获取模块,用于获取当前地理位置信息;
特定对象确定模块,用于确定与当前地理位置信息所对应的特定目标对象;
搜索模块,用于搜索包含特定目标对象的至少一幅图像。
为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
图3示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本说明书一个或多个实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本说明书一个或多个实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本公开的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本说明书一个或多个实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (14)
1.一种图像推送方法,其特征在于,包括:
获取输入的语音指令;
确定所述语音指令中包含的目标对象;
搜索包含所述目标对象的至少一幅图像;
确定各图像的质量参数;
按照各图像的质量参数从高到低顺序对各图像进行排序;
推送排序后的各图像。
2.根据权利要求1所述的方法,其特征在于,所述至少一幅图像包括仅包括所述目标对象的图像和包括所述目标对象和其他对象的图像;
所述搜索包含所述目标对象的至少一幅图像之后,还包括:
对包括所述目标对象和其他对象的图像进行裁剪处理,得到仅包括所述目标对象的图像。
3.根据权利要求1或2所述的方法,其特征在于,所述质量参数包括清晰度和与所述目标对象的内容匹配程度;
所述确定各图像的质量参数,包括:
判断各图像的内容匹配程度;
判断各图像的清晰度;
所述按照各图像的质量参数从高到低顺序对各图像进行排序,包括:
根据各图像的内容匹配程度和清晰度,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,
按照各图像的内容匹配程度从高到低对各图像进行排序;或者,
按照各图像的清晰度从高到低对各图像进行排序。
4.根据权利要求3所述的方法,其特征在于,所述质量参数还包括曝光度、白平衡指标、灰度值和/或畸变程度;
所述确定各图像的质量参数之后,还包括:
根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,判断各图像是否存在缺陷;
若存在有缺陷的图像,对有缺陷的图像进行调整,得到调整后的图像;
对无缺陷的图像和所述调整后的图像,根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,计算各图像的品质参数;
所述按照各图像的质量参数从高到低顺序对各图像进行排序,包括:
根据各图像的内容匹配程度、清晰度和品质参数,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,
按照各图像的品质参数从高到低对各图像进行排序。
5.根据权利要求4所述的方法,其特征在于,所述判断各图像是否存在缺陷,若存在有缺陷的图像,对有缺陷的图像进行调整,得到调整后的图像,包括:
判断所述图像的曝光度是否达到预设的曝光度阈值,若否,调整所述图像的曝光度,得到曝光度调整后的图像;和/或,
判断所述图像的白平衡指标是否达到预设的白平衡程度,若否,调整所述图像的白平衡指标,得到白平衡调整后的图像;和/或,
判断所述图像的灰度值是否达到预设的灰度阈值,若否,调整所述图像的灰度值,得到灰度调整后的图像;和/或,
通过对比各图像,判断是否存在畸变的图像,若存在,对存在畸变的图像进行矫正,得到矫正后的图像。
6.根据权利要求1所述的方法,其特征在于,所述确定所述语音指令中包含的目标对象之后,还包括:
判断所述目标对象是否为搜索过的对象;
若所述目标对象是搜索过的对象,所述搜索包含所述目标对象的至少一幅图像之后,还包括:
判断上次搜索的包含所述目标对象的至少一幅图像的数量与本次搜索的包含所述目标对象的至少一幅图像的数量是否相等;
若相等,利用预先构建的图像推送模型对本次搜索的包含所述目标对象的至少一幅图像进行处理,得到排序后的各图像;所述图像推送模型根据上次搜索的包含所述目标对象的至少一幅图像及对上次搜索的各图像进行处理得到的排序后的各图像训练得到;
若不相等,执行所述确定各图像的质量参数步骤。
7.根据权利要求1所述的方法,其特征在于,获取输入的语音指令之后,还包括:
根据所述语音指令,建立用于识别用户语言习惯的语义识别模型;
所述确定所述语音指令中包含的目标对象为:
利用所述语义识别模型确定所述语音指令中包含的目标对象。
8.根据权利要求1所述的方法,其特征在于,所述目标对象分布于不同的地理位置;
所述确定所述语音指令中包含的目标对象之后,还包括:
获取当前地理位置信息;
确定与所述当前地理位置信息所对应的特定目标对象;
所述搜索包含所述目标对象的至少一幅图像为:搜索包含所述特定目标对象的至少一幅图像。
9.一种图像推送装置,其特征在于,包括:
获取模块,用于获取输入的语音指令;
对象确定模块,用于确定所述语音指令中包含的目标对象;
搜索模块,用于搜索包含所述目标对象的至少一幅图像;
参数确定模块,用于确定各图像的质量参数;
排序模块,用于按照各图像的质量参数从高到低顺序对各图像进行排序;
推送模块,用于推送排序后的各图像。
10.根据权利要求9所述的装置,其特征在于,所述至少一幅图像包括仅包括所述目标对象的图像和包括所述目标对象和其他对象的图像;所述装置还包括:
裁剪模块,用于对包括所述目标对象和其他对象的图像进行裁剪处理,得到仅包括所述目标对象的图像。
11.根据权利要求9或10所述的装置,其特征在于,所述质量参数包括清晰度和与所述目标对象的内容匹配程度;
所述参数确定模块包括:
匹配度计算子模块,用于判断各图像的内容匹配程度;
清晰度确定子模块,用于判断各图像的清晰度;
所述排序模块包括:根据各图像的内容匹配程度和清晰度,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,按照各图像的内容匹配程度从高到低对各图像进行排序;或者,按照各图像的清晰度从高到低对各图像进行排序。
12.根据权利要求11所述的装置,其特征在于,所述质量参数还包括曝光度、白平衡指标、灰度值和/或畸变程度;所述装置还包括:
缺陷检查子模块,用于判断所述图像的曝光度是否达到预设的曝光度阈值,若否,利用所述缺陷处理子模块调整所述图像的曝光度,得到曝光度调整后的图像;和/或,用于判断所述图像的白平衡指标是否达到预设的白平衡程度,若否,利用所述缺陷处理子模块调整所述图像的白平衡指标,得到白平衡调整后的图像;和/或,用于判断所述图像的灰度值是否达到预设的灰度阈值,若否,利用所述缺陷处理子模块调整所述图像的灰度值,得到灰度调整后的图像;和/或,用于通过对比各图像,判断是否存在畸变的图像,若存在,利用所述缺陷处理子模块对存在畸变的图像进行矫正,得到矫正后的图像;
缺陷处理子模块,用于对有缺陷的图像进行调整,得到调整后的图像;
参数计算子模块,用于对无缺陷的图像和所述调整后的图像,根据各图像的曝光度、白平衡指标、灰度值和/或畸变程度,计算各图像的品质参数;
所述排序模块,用于根据各图像的内容匹配程度、清晰度和品质参数,计算各图像的综合评分,按照各图像的综合评分从高到低对各图像进行排序;或者,按照各图像的品质参数从高到低对各图像进行排序。
13.根据权利要求9所述的装置,其特征在于,所述装置还包括:
对象判断模块,用于判断所述目标对象是否为搜索过的对象;
数量判断模块,用于判断上次搜索的包含所述目标对象的至少一幅图像的数量与本次搜索的包含所述目标对象的至少一幅图像的数量是否相等;若相等,利用预先构建的图像推送模型对本次搜索的包含所述目标对象的至少一幅图像进行处理,得到排序后的各图像;所述图像推送模型根据上次搜索的包含所述目标对象的至少一幅图像及对上次搜索的各图像进行处理得到的排序后的各图像训练得到;若不相等,利用参数确定模块确定各图像的质量参数。
14.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8任意一项所述的图像推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011119755.5A CN112380370A (zh) | 2020-10-19 | 2020-10-19 | 一种图像推送方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011119755.5A CN112380370A (zh) | 2020-10-19 | 2020-10-19 | 一种图像推送方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112380370A true CN112380370A (zh) | 2021-02-19 |
Family
ID=74580146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011119755.5A Pending CN112380370A (zh) | 2020-10-19 | 2020-10-19 | 一种图像推送方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112380370A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106357804A (zh) * | 2016-10-31 | 2017-01-25 | 北京小米移动软件有限公司 | 图像处理方法、电子设备及云端服务器 |
US20170103512A1 (en) * | 2015-10-13 | 2017-04-13 | Siemens Healthcare Gmbh | Learning-based framework for personalized image quality evaluation and optimization |
CN110225248A (zh) * | 2019-05-29 | 2019-09-10 | Oppo广东移动通信有限公司 | 图像采集方法和装置、电子设备、计算机可读存储介质 |
CN110781327A (zh) * | 2019-10-25 | 2020-02-11 | 深圳追一科技有限公司 | 图像搜索方法、装置、终端设备及存储介质 |
WO2020108125A1 (zh) * | 2018-11-27 | 2020-06-04 | Oppo广东移动通信有限公司 | 一种信息推送方法、信息推送装置及终端设备 |
CN111428121A (zh) * | 2020-03-17 | 2020-07-17 | 百度在线网络技术(北京)有限公司 | 搜索信息的方法和装置 |
-
2020
- 2020-10-19 CN CN202011119755.5A patent/CN112380370A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170103512A1 (en) * | 2015-10-13 | 2017-04-13 | Siemens Healthcare Gmbh | Learning-based framework for personalized image quality evaluation and optimization |
CN106357804A (zh) * | 2016-10-31 | 2017-01-25 | 北京小米移动软件有限公司 | 图像处理方法、电子设备及云端服务器 |
WO2020108125A1 (zh) * | 2018-11-27 | 2020-06-04 | Oppo广东移动通信有限公司 | 一种信息推送方法、信息推送装置及终端设备 |
CN110225248A (zh) * | 2019-05-29 | 2019-09-10 | Oppo广东移动通信有限公司 | 图像采集方法和装置、电子设备、计算机可读存储介质 |
CN110781327A (zh) * | 2019-10-25 | 2020-02-11 | 深圳追一科技有限公司 | 图像搜索方法、装置、终端设备及存储介质 |
CN111428121A (zh) * | 2020-03-17 | 2020-07-17 | 百度在线网络技术(北京)有限公司 | 搜索信息的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11605226B2 (en) | Video data processing method and apparatus, and readable storage medium | |
CN104794171B (zh) | 标记图片地理位置信息的方法及装置 | |
CN111126514A (zh) | 图像多标签分类方法、装置、设备及介质 | |
CN111258433A (zh) | 基于虚拟场景的教学互动系统 | |
CN110889421A (zh) | 目标物检测方法及装置 | |
CN108563702A (zh) | 基于展品图像识别的语音讲解数据处理方法及装置 | |
CN111385640A (zh) | 视频封面的确定方法、装置、设备及存储介质 | |
CN109525877A (zh) | 基于视频的信息获取方法和装置 | |
CN112668375A (zh) | 景区内游客分布分析系统及方法 | |
CN115496891A (zh) | 一种小麦倒伏程度分级方法和装置 | |
CN113128522B (zh) | 目标识别方法、装置、计算机设备和存储介质 | |
CN111611973B (zh) | 目标用户识别的方法、装置及存储介质 | |
CN117765485A (zh) | 基于改进的深度残差网络的车型识别方法、装置和设备 | |
CN112380370A (zh) | 一种图像推送方法、装置及电子设备 | |
CN109753999B (zh) | 针对任意视角汽车图片的细粒度车型识别方法 | |
CN112651987A (zh) | 一种样方草地覆盖度计算方法及系统 | |
CN113961699B (zh) | 一种基于大数据的旅游资源调查方法和系统 | |
CN114863274A (zh) | 基于深度学习的地表绿网苫盖提取方法 | |
CN112559649B (zh) | 兴趣点状态的识别方法及装置 | |
CN110992257B (zh) | 基于深度学习的遥感影像敏感信息自动屏蔽方法及装置 | |
CN112101387A (zh) | 显著性元素识别方法及装置 | |
CN113505844A (zh) | 标签生成方法、装置、设备、存储介质及程序产品 | |
CN108805190B (zh) | 一种图像处理方法及装置 | |
CN107945201B (zh) | 基于自适应阈值分割的视频风景处理方法及装置 | |
CN110674809A (zh) | 一种商户信息录入方法、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 |