CN112699263A - 基于ai的二维美术图像动态展示方法及装置 - Google Patents
基于ai的二维美术图像动态展示方法及装置 Download PDFInfo
- Publication number
- CN112699263A CN112699263A CN202110027851.5A CN202110027851A CN112699263A CN 112699263 A CN112699263 A CN 112699263A CN 202110027851 A CN202110027851 A CN 202110027851A CN 112699263 A CN112699263 A CN 112699263A
- Authority
- CN
- China
- Prior art keywords
- picture
- test set
- preset
- elements
- motion
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000033001 locomotion Effects 0.000 claims abstract description 120
- 238000000605 extraction Methods 0.000 claims abstract description 52
- 238000012549 training Methods 0.000 claims abstract description 33
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 18
- 238000003786 synthesis reaction Methods 0.000 claims abstract description 18
- 238000012360 testing method Methods 0.000 claims description 159
- 238000012545 processing Methods 0.000 claims description 56
- 238000000926 separation method Methods 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 8
- 238000009616 inductively coupled plasma Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 2
- 230000018109 developmental process Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract 3
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06F16/55—Clustering; Classification
-
- 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
- G06F16/54—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/74—Browsing; Visualisation therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
- G06T13/80—2D [Two Dimensional] animation, e.g. using sprites
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请实施例公开了一种基于AI的二维美术图像动态展示方法、装置、设备及存储介质，属于美术展示技术领域，该方法包括:构建美术图片集；基于预设的单元训练集对美术图片进行识别和分类；基于预设的监督学习模型获取运动特征，进行区别编号；基于预设的方向预测模型进行运动倾向预估，进行区别编号；基于预设的图片图像提取模型进行图像提取，获取物体图像，进行区别编号；基于预设的动画生成模型和区别编号，将运动特征、运动倾向预估结果分别与其一一对应的物体图像进行视频合成，完成美术图片集中元素的动态展示，本申请通过AI技术对美术图片进行处理，再进行视频合成，完成美术图片的动态展示，为学生提供更加良好的课堂效果。
Description
技术领域
本申请涉及美术展示技术领域，尤其涉及一种基于AI的二维美术图像动态展示方法、装置、设备及存储介质。
背景技术
目前美术教学的基本方法，常用的包括讲授法和演示法。其中，讲授法是由教师用生动的语言向学生传授知识的方法，进行一般理论性的讲述、美术常识、欣赏教学以及技法课训练前的讲解；演示法是为了配合讲课和练习，通过操作性的示范表演，使学生增加感性知识，加深印象，明了作画的方法步骤，这种方法在形式上可以分为：当课堂作画要求之全过程演示；按作画步骤要求学生跟随教师一起进行的同步性示范；有意识地找准难点作局部演示。
现有技术中美术教学的演示法，还包括在课堂上演示学生创作的作品，由学生们进行自由讨论和鉴赏，但是，由于美术画作本身的局限性，美术教师往往只能对画作进行静态展示，造成学生体验效果差。由此可知，现有技术在进行美术图片展示时，存在造成学生体验效果差的问题。
发明内容
本申请实施例的目的在于提出一种基于AI的二维美术图像动态展示方法、装置、设备及存储介质，以解决现有技术在进行美术图片展示时，存在造成学生体验效果差的问题。
为了解决上述技术问题，本申请实施例提供一种基于AI的二维美术图像动态展示方法，采用了如下所述的技术方案：
一种基于AI的二维美术图像动态展示方法，包括：
获取若干张待展示图片，构成美术图片集；
基于预设的单元训练集对所述美术图片集中图片进行识别和分类，识别出所述美术图片集中的生命型图片和非生命型图片，并分别将识别出的所述生命型图片和非生命型图片放入不同集合中，构成第一图片集和第二图片集；
将所述第一图片集作为第一测试集，并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，获取所述第一测试集中不同元素对应的运动特征，并进行区别编号；
将所述第二图片集作为第二测试集，并基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号；
基于预设的图片图像提取模型对所述第一测试集和所述第二测试集中元素分别进行图像提取，获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号；
基于预设的动画生成模型和所述区别编号，将所述运动特征、所述运动倾向预估结果分别与其一一对应的所述物体图像进行视频合成，完成所述美术图片集中元素的动态展示。
进一步的，所述预设的单元训练集，包括：
生命型图片训练集和非生命型图片训练集，其中，所述生命型图片训练集由若干张人物图片、动物图片和植物图片构成，所述非生命型图片训练集由若干张非生命物体的图片构成。
进一步的，所述将所述第一图片集作为第一测试集，并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，包括：
将所述第一测试集中元素作为待进行预处理的单元图片，即第一单元图片；
基于所述预设的监督学习模型中的轮廓提取单元确定所述第一单元图片中的目标物体，将所述第一单元图片中非目标物体进行白色处理；
将经过所述白色处理的图片作为预分离处理后的图片，完成预分离处理。
进一步的，所述并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，获取所述第一测试集中不同元素对应的运动特征，并进行区别编号，包括：
将经过所述预分离处理后的图片作为待进行运动特征提取的图片，即第二单元图片；
基于所述预设的监督学习模型中的运动特征提取单元获取所述第二单元图片中目标物体的运动特征；
将所述运动特征以向量集的格式进行缓存，并确定其所对应的所述第二单元图片在所述第一测试集中元素的顺序，按照所述顺序进行编号。
进一步的，所述预设的监督学习模型，包括：
轮廓提取单元和运动特征提取单元，其中，所述轮廓提取单元包括：基于OpenCV对所述第一单元图片中的目标物体轮廓提取，并使用像素点集的方式，表示轮廓提取结果；
所述运动特征提取单元包括：将所述像素点集作为测试点云与所述参照点云进行对比，并基于ICP算法，判断点与点间方向矢量。
进一步的，所述参照点云，包括：
将所述预设的单元训练集中与所述第一单元图片中的目标物体相同的物体作为参照物体，获取所述参照物体的轮廓提取结果，并使用像素点集的方式，生成参照点云。
进一步的，所述将所述第二图片集作为第二测试集，并基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号，包括：
分别获取所述第二测试集中不同元素中的非生命型目标物体；
基于所述预设的方向预测模型对所述非生命型目标物体进行运动倾向预估，识别出所述非生命型目标物体的运动倾向方向，并以二维坐标系中倾斜角度的方式进行表示；
将所述倾斜角度进行缓存，并确定其所对应的所述非生命型目标物体在所述第二测试集中元素的顺序，按照所述顺序进行编号。
进一步的，所述获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号，包括：
确定所述第一测试集中元素的顺序，对所述第一测试集中不同元素中的物体图像按照所述顺序进行编号；
确定所述第二测试集中元素的顺序，对所述第二测试集中不同元素中的物体图像按照所述顺序进行编号。
为了解决上述技术问题，本申请实施例还提供了一种基于AI的二维美术图像动态展示装置，采用了如下所述的技术方案：
一种基于AI的二维美术图像动态展示装置，包括：
美术图片集获取模块，用于获取若干张待展示图片，构成美术图片集；
图片识别与分类模块，用于基于预设的单元训练集对所述美术图片集中图片进行识别和分类，识别出所述美术图片集中的生命型图片和非生命型图片，并分别将识别出的所述生命型图片和非生命型图片放入不同集合中，构成第一图片集和第二图片集；
第一测试集处理模块，用于将所述第一图片集作为第一测试集，并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，获取所述第一测试集中不同元素对应的运动特征，并进行区别编号；
第二测试集处理模块，用于将所述第二图片集作为第二测试集，并基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号；
图片图像提取模块，用于基于预设的图片图像提取模型对所述第一测试集和所述第二测试集中元素分别进行图像提取，获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号；
动态展示模块，用于基于预设的动画生成模型和所述区别编号，将所述运动特征、所述运动倾向预估结果分别与其一一对应的所述物体图像进行视频合成，完成所述美术图片集中元素的动态展示。
为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现本申请实施例中提出的一种基于AI的二维美术图像动态展示方法的步骤。
为了解决上述技术问题，本申请实施例还提供一种非易失性计算机可读存储介质，采用了如下所述的技术方案：
一种非易失性计算机可读存储介质，计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中提出的一种基于AI的二维美术图像动态展示方法的步骤。
与现有技术相比，本申请实施例主要有以下有益效果：
本申请实施例公开了基于AI的二维美术图像动态展示方法、装置、设备及存储介质，通过构建美术图片集；基于预设的单元训练集对美术图片进行识别和分类；基于预设的监督学习模型获取运动特征，进行区别编号；基于预设的方向预测模型进行运动倾向预估，进行区别编号；基于预设的图片图像提取模型进行图像提取，获取物体图像，进行区别编号；基于预设的动画生成模型和区别编号，将运动特征、运动倾向预估结果分别与其一一对应的物体图像进行视频合成，完成美术图片集中元素的动态展示，本申请通过AI技术对美术图片进行处理，再进行视频合成，完成美术图片的动态展示，为学生提供更加良好的课堂效果。
附图说明
为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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为本申请实施例可以应用于其中的示例性系统架构图；
图2为本申请实施例中所述基于AI的二维美术图像动态展示方法的一个实施例的流程图；
图3为本申请实施例中所述基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理的处理流程图；
图4为本申请实施例中获取所述第一测试集中不同元素对应的运动特征，并进行区别编号的一个处理流程图；
图5为本申请实施例中所述基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号的一个处理流程图；
图6为本申请实施例中所述基于AI的二维美术图像动态展示方法的一个实施例的逻辑处理图；
图7为本申请实施例中所述基于AI的二维美术图像动态展示装置的一个实施例的结构示意图；
图8为本申请实施例中第一测试集处理模块的结构示意图；
图9为本申请实施例中动态展示模块的结构示意图；
图10为本申请实施例中计算机设备的一个实施例的结构示意图；
具体实施方式
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是，本申请实施例所提供的基于AI的二维美术图像动态展示方法一般由服务器/终端设备执行，相应地，基于AI的二维美术图像动态展示装置一般设置于服务器/终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，图中示出了本申请的基于AI的二维美术图像动态展示方法的一个实施例的流程图，所述的基于AI的二维美术图像动态展示方法包括以下步骤：
步骤201，获取若干张待展示图片，构成美术图片集。
在本申请实施例中，所述若干张待展示图片具体为：非拍摄类图片，由美术教师或者学生进行创作的画作图片或者画作作品。
步骤202，基于预设的单元训练集对所述美术图片集中图片进行识别和分类，识别出所述美术图片集中的生命型图片和非生命型图片，并分别将识别出的所述生命型图片和非生命型图片放入不同集合中，构成第一图片集和第二图片集。
本申请实施例中，所述预设的单元训练集，包括：生命型图片训练集和非生命型图片训练集，其中，所述生命型图片训练集由若干张人物图片、动物图片和植物图片构成，所述非生命型图片训练集由若干张非生命物体的图片构成。
步骤203，将所述第一图片集作为第一测试集，并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，获取所述第一测试集中不同元素对应的运动特征，并进行区别编号。
本申请实施例中，所述将所述第一图片集作为第一测试集，并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，包括：将所述第一测试集中元素作为待进行预处理的单元图片，即第一单元图片；基于所述预设的监督学习模型中的轮廓提取单元确定所述第一单元图片中的目标物体，将所述第一单元图片中非目标物体进行白色处理；将经过所述白色处理的图片作为预分离处理后的图片，完成预分离处理。
解释：所述将所述第一单元图片中非目标物体进行白色处理，具体为：将目标物体轮廓之外的都设定为非目标物体，并将非目标物体的RGB重置为白色。
具体参考图3，图中示出了本申请的基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理的一个处理流程图，包括以下步骤：
步骤301，将所述第一测试集中元素作为待进行预处理的单元图片，即第一单元图片；
步骤302，基于所述预设的监督学习模型中的轮廓提取单元确定所述第一单元图片中的目标物体，将所述第一单元图片中非目标物体进行白色处理；
步骤303，将经过所述白色处理的图片作为预分离处理后的图片，完成预分离处理。
本申请实施例中，所述并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，获取所述第一测试集中不同元素对应的运动特征，并进行区别编号，包括：将经过所述预分离处理后的图片作为待进行运动特征提取的图片，即第二单元图片；基于所述预设的监督学习模型中的运动特征提取单元获取所述第二单元图片中目标物体的运动特征；将所述运动特征以向量集的格式进行缓存，并确定其所对应的所述第二单元图片在所述第一测试集中元素的顺序，按照所述顺序进行编号。
解释：所述运动特征为若干个包含方向的矢量值，获取所述矢量值和方向共同构成一个运动向量。
解释：所述按照所述顺序进行编号，例如：所述第二单元图片在所述第一测试集中元素的顺序为12，则编号为1_12，其中，“1”表示第一测试集，“12”表示在所述第一测试集中元素的顺序为12。
具体参考图4，图中示出了本申请的获取所述第一测试集中不同元素对应的运动特征，并进行区别编号的一个处理流程图，包括以下步骤：
步骤401，将经过所述预分离处理后的图片作为待进行运动特征提取的图片，即第二单元图片；
步骤402，基于所述预设的监督学习模型中的运动特征提取单元获取所述第二单元图片中目标物体的运动特征；
步骤403，将所述运动特征以向量集的格式进行缓存，并确定其所对应的所述第二单元图片在所述第一测试集中元素的顺序，按照所述顺序进行编号。
本申请实施例中，所述预设的监督学习模型，包括：轮廓提取单元和运动特征提取单元，其中，所述轮廓提取单元包括：基于OpenCV对所述第一单元图片中的目标物体轮廓提取，并使用像素点集的方式，表示轮廓提取结果；所述运动特征提取单元包括：将所述像素点集作为测试点云与所述参照点云进行对比，并基于ICP算法，判断点与点间方向矢量。
解释：所述ICP算法，将所述参照点云和所述测试点云共同构成一对对点对，并基于算法公式：
判断点与点间方向矢量，其中，Np表示点云包含Np个点，
表示参照点云pt的第i个点，
表示测试点云ps的第i个点，R表示m*m的矩阵，其中，m为正整数且m小于等于Np，T表示R的一阶向量。
本申请实施例中，所述参照点云，包括：将所述预设的单元训练集中与所述第一单元图片中的目标物体相同的物体作为参照物体，获取所述参照物体的轮廓提取结果，并使用像素点集的方式，生成参照点云。
步骤204，将所述第二图片集作为第二测试集，并基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号。
本申请实施例中，所述将所述第二图片集作为第二测试集，并基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号，包括：分别获取所述第二测试集中不同元素中的非生命型目标物体；基于所述预设的方向预测模型对所述非生命型目标物体进行运动倾向预估，识别出所述非生命型目标物体的运动倾向方向，并以二维坐标系中倾斜角度的方式进行表示；将所述倾斜角度进行缓存，并确定其所对应的所述非生命型目标物体在所述第二测试集中元素的顺序，按照所述顺序进行编号。
解释：所述按照所述顺序进行编号，例如：所述非生命型目标物体在所述第二测试集中元素的顺序为12，则编号为2_12，其中，“2”表示第二测试集，“12”表示在所述第二测试集中元素的顺序为12。
具体参考图5，图中示出了本申请的基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号的一个处理流程图，包括以下步骤：
步骤501，分别获取所述第二测试集中不同元素中的非生命型目标物体；
步骤502，基于所述预设的方向预测模型对所述非生命型目标物体进行运动倾向预估，识别出所述非生命型目标物体的运动倾向方向，并以二维坐标系中倾斜角度的方式进行表示；
步骤503，将所述倾斜角度进行缓存，并确定其所对应的所述非生命型目标物体在所述第二测试集中元素的顺序，按照所述顺序进行编号。
步骤205，基于预设的图片图像提取模型对所述第一测试集和所述第二测试集中元素分别进行图像提取，获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号。
本申请实施例中，所述获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号，包括：确定所述第一测试集中元素的顺序，对所述第一测试集中不同元素中的物体图像按照所述顺序进行编号；确定所述第二测试集中元素的顺序，对所述第二测试集中不同元素中的物体图像按照所述顺序进行编号。
解释：在获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号时，具体为对第一测试集和第二测试集进行区别标识设定，例如：第一测试集中第十张图片中的物体图像，则使用1_10表示，第二测试集中第十张图片中的物体图像，则使用2_10表示。
步骤206，基于预设的动画生成模型和所述区别编号，将所述运动特征、所述运动倾向预估结果分别与其一一对应的所述物体图像进行视频合成，完成所述美术图片集中元素的动态展示。
具体参考图6，图6为本申请实施例中所述基于AI的二维美术图像动态展示方法的一个实施例的逻辑处理图，具体为：获取若干张待展示图片，构成美术图片集；基于预设的单元训练集对所述美术图片集中图片进行识别和分类，识别出所述美术图片集中的生命型图片和非生命型图片，并分别将识别出的所述生命型图片和非生命型图片放入不同集合中，构成第一图片集和第二图片集；将所述第一图片集作为第一测试集，并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，获取所述第一测试集中不同元素对应的运动特征，并进行区别编号；将所述第二图片集作为第二测试集，并基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号；基于预设的图片图像提取模型对所述第一测试集和所述第二测试集中元素分别进行图像提取，获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号；基于预设的动画生成模型和所述区别编号，将所述运动特征、所述运动倾向预估结果分别与其一一对应的所述物体图像进行视频合成，完成所述美术图片集中元素的动态展示。
本申请实施例中所述的基于AI的二维美术图像动态展示方法，可以通过构建美术图片集；基于预设的单元训练集对美术图片进行识别和分类；基于预设的监督学习模型获取运动特征，进行区别编号；基于预设的方向预测模型进行运动倾向预估，进行区别编号；基于预设的图片图像提取模型进行图像提取，获取物体图像，进行区别编号；基于预设的动画生成模型和区别编号，将运动特征、运动倾向预估结果分别与其一一对应的物体图像进行视频合成，完成美术图片集中元素的动态展示，本申请通过AI技术对美术图片进行处理，再进行视频合成，完成美术图片的动态展示，为学生提供更加良好的课堂效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图7，作为对上述图2所示方法的实现，本申请提供了一种基于AI的二维美术图像动态展示装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图7所示，本实施例所述的基于AI的二维美术图像动态展示装置7包括：美术图片集获取模块701、图片识别与分类模块702、第一测试集处理模块703、第二测试集处理模块704、图片图像提取模块705和动态展示模块706。其中：
美术图片集获取模块701，用于获取若干张待展示图片，构成美术图片集；
图片识别与分类模块702，用于基于预设的单元训练集对所述美术图片集中图片进行识别和分类，识别出所述美术图片集中的生命型图片和非生命型图片，并分别将识别出的所述生命型图片和非生命型图片放入不同集合中，构成第一图片集和第二图片集；
第一测试集处理模块703，用于将所述第一图片集作为第一测试集，并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，获取所述第一测试集中不同元素对应的运动特征，并进行区别编号；
第二测试集处理模块704，用于将所述第二图片集作为第二测试集，并基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号；
图片图像提取模块705，用于基于预设的图片图像提取模型对所述第一测试集和所述第二测试集中元素分别进行图像提取，获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号；
动态展示模块706，用于基于预设的动画生成模型和所述区别编号，将所述运动特征、所述运动倾向预估结果分别与其一一对应的所述物体图像进行视频合成，完成所述美术图片集中元素的动态展示。
在本申请的一些实施例中，如图8，图8为本申请实施例中第一测试集处理模块的结构示意图，所述第一测试集处理模块703包括图片预处理单元703a、运动特征获取单元703b。
在本申请的一些实施例中，所述图片预处理单元703a用于将所述第一测试集中元素作为待进行预处理的单元图片，即第一单元图片；基于所述预设的监督学习模型中的轮廓提取单元确定所述第一单元图片中的目标物体，将所述第一单元图片中非目标物体进行白色处理；将经过所述白色处理的图片作为预分离处理后的图片，完成预分离处理。
在本申请的一些实施例中，所述运动特征获取单元703b用于将经过所述预分离处理后的图片作为待进行运动特征提取的图片，即第二单元图片；基于所述预设的监督学习模型中的运动特征提取单元获取所述第二单元图片中目标物体的运动特征；将所述运动特征以向量集的格式进行缓存，并确定其所对应的所述第二单元图片在所述第一测试集中元素的顺序，按照所述顺序进行编号。
在本申请的一些实施例中，所述图片图像提取模块705在获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号时，具体为对第一测试集和第二测试集进行区别标识设定，例如：第一测试集中第十张图片中的物体图像，则使用1_10表示，第二测试集中第十张图片中的物体图像，则使用2_10表示。
在本申请的一些实施例中，如图9，图9为本申请实施例中动态展示模块的结构示意图，所述动态展示模块706包括第一视频合成单元706a、第二视频合成单元706b、动态展示单元706c。
在本申请的一些实施例中，所述第一视频合成单元706a，用于基于预设的动画生成模型和所述区别编号，将所述运动特征分别与其一一对应的所述第一测试集中物体图像进行视频合成。
在本申请的一些实施例中，所述第二视频合成单元706b，用于基于预设的动画生成模型和所述区别编号，将所述运动倾向预估结果分别与其一一对应的所述第二测试集中物体图像进行视频合成。
在本申请的一些实施例中，所述动态展示单元706c，用于将上述第一视频合成单元706a和第二视频合成单元706b的视频合成结果进行展示，完成所述美术图片集中元素的动态展示。
本申请实施例所述的基于AI的二维美术图像动态展示装置，通过构建美术图片集；基于预设的单元训练集对美术图片进行识别和分类；基于预设的监督学习模型获取运动特征，进行区别编号；基于预设的方向预测模型进行运动倾向预估，进行区别编号；基于预设的图片图像提取模型进行图像提取，获取物体图像，进行区别编号；基于预设的动画生成模型和区别编号，将运动特征、运动倾向预估结果分别与其一一对应的物体图像进行视频合成，完成美术图片集中元素的动态展示，本申请通过AI技术对美术图片进行处理，再进行视频合成，完成美术图片的动态展示，为学生提供更加良好的课堂效果。
为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图10，图10为本实施例计算机设备基本结构框图。
所述计算机设备10包括通过系统总线相互通信连接存储器10a、处理器10b、网络接口10c。需要指出的是，图中仅示出了具有组件10a-10c的计算机设备10，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field-Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器10a至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器10a可以是所述计算机设备10的内部存储单元，例如该计算机设备10的硬盘或内存。在另一些实施例中，所述存储器10a也可以是所述计算机设备10的外部存储设备，例如该计算机设备10上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。当然，所述存储器10a还可以既包括所述计算机设备10的内部存储单元也包括其外部存储设备。本实施例中，所述存储器10a通常用于存储安装于所述计算机设备10的操作系统和各类应用软件，例如基于AI的二维美术图像动态展示方法的程序代码等。此外，所述存储器10a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器10b在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器10b通常用于控制所述计算机设备10的总体操作。本实施例中，所述处理器10b用于运行所述存储器10a中存储的程序代码或者处理数据，例如运行所述基于AI的二维美术图像动态展示方法的程序代码。
所述网络接口10c可包括无线网络接口或有线网络接口，该网络接口10c通常用于在所述计算机设备10与其他电子设备之间建立通信连接。
本申请还提供了另一种实施方式，即提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有基于AI的二维美术图像动态展示程序，所述基于AI的二维美术图像动态展示程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的基于AI的二维美术图像动态展示方法的步骤。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。
显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。
Claims (10)
1.一种基于AI的二维美术图像动态展示方法，其特征在于，包括下述步骤：
获取若干张待展示图片，构成美术图片集；
基于预设的单元训练集对所述美术图片集中图片进行识别和分类，识别出所述美术图片集中的生命型图片和非生命型图片，并分别将识别出的所述生命型图片和非生命型图片放入不同集合中，构成第一图片集和第二图片集；
将所述第一图片集作为第一测试集，并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，获取所述第一测试集中不同元素对应的运动特征，并进行区别编号；
将所述第二图片集作为第二测试集，并基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号；
基于预设的图片图像提取模型对所述第一测试集和所述第二测试集中元素分别进行图像提取，获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号；
基于预设的动画生成模型和所述区别编号，将所述运动特征、所述运动倾向预估结果分别与其一一对应的所述物体图像进行视频合成，完成所述美术图片集中元素的动态展示。
2.根据权利要求1所述的基于AI的二维美术图像动态展示方法，其特征在于，所述预设的单元训练集，包括：
生命型图片训练集和非生命型图片训练集，其中，所述生命型图片训练集由若干张人物图片、动物图片和植物图片构成，所述非生命型图片训练集由若干张非生命物体的图片构成。
3.根据权利要求2所述的基于AI的二维美术图像动态展示方法，其特征在于，所述将所述第一图片集作为第一测试集，并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，包括：
将所述第一测试集中元素作为待进行预处理的单元图片，即第一单元图片；
基于所述预设的监督学习模型中的轮廓提取单元确定所述第一单元图片中的目标物体，将所述第一单元图片中非目标物体进行白色处理；
将经过所述白色处理的图片作为预分离处理后的图片，完成预分离处理。
4.根据权利要求3所述的基于AI的二维美术图像动态展示方法，其特征在于，所述并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，获取所述第一测试集中不同元素对应的运动特征，并进行区别编号，包括：
将经过所述预分离处理后的图片作为待进行运动特征提取的图片，即第二单元图片；
基于所述预设的监督学习模型中的运动特征提取单元获取所述第二单元图片中目标物体的运动特征；
将所述运动特征以向量集的格式进行缓存，并确定其所对应的所述第二单元图片在所述第一测试集中元素的顺序，按照所述顺序进行编号。
5.根据权利要求1至4任一项所述的基于AI的二维美术图像动态展示方法，其特征在于，所述预设的监督学习模型，包括：
轮廓提取单元和运动特征提取单元，其中，所述轮廓提取单元包括：基于OpenCV对所述第一单元图片中的目标物体轮廓提取，并使用像素点集的方式，表示轮廓提取结果；
所述运动特征提取单元包括：将所述像素点集作为测试点云与所述参照点云进行对比，并基于ICP算法，判断点与点间方向矢量。
6.根据权利要求5所述的基于AI的二维美术图像动态展示方法，其特征在于，所述参照点云，包括：
将所述预设的单元训练集中与所述第一单元图片中的目标物体相同的物体作为参照物体，获取所述参照物体的轮廓提取结果，并使用像素点集的方式，生成参照点云。
7.根据权利要求6所述的基于AI的二维美术图像动态展示方法，其特征在于，所述将所述第二图片集作为第二测试集，并基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号，包括：
分别获取所述第二测试集中不同元素中的非生命型目标物体；
基于所述预设的方向预测模型对所述非生命型目标物体进行运动倾向预估，识别出所述非生命型目标物体的运动倾向方向，并以二维坐标系中倾斜角度的方式进行表示；
将所述倾斜角度进行缓存，并确定其所对应的所述非生命型目标物体在所述第二测试集中元素的顺序，按照所述顺序进行编号。
8.根据权利要求7所述的基于AI的二维美术图像动态展示方法，其特征在于，所述获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号，包括：
确定所述第一测试集中元素的顺序，对所述第一测试集中不同元素中的物体图像按照所述顺序进行编号；
确定所述第二测试集中元素的顺序，对所述第二测试集中不同元素中的物体图像按照所述顺序进行编号。
9.一种基于AI的二维美术图像动态展示装置，其特征在于，包括：
美术图片集获取模块，用于获取若干张待展示图片，构成美术图片集；
图片识别与分类模块，用于基于预设的单元训练集对所述美术图片集中图片进行识别和分类，识别出所述美术图片集中的生命型图片和非生命型图片，并分别将识别出的所述生命型图片和非生命型图片放入不同集合中，构成第一图片集和第二图片集；
第一测试集处理模块，用于将所述第一图片集作为第一测试集，并基于预设的监督学习模型分别对所述第一测试集中元素进行预分离处理，获取所述第一测试集中不同元素对应的运动特征，并进行区别编号；
第二测试集处理模块，用于将所述第二图片集作为第二测试集，并基于预设的方向预测模型分别对所述第二测试集中元素进行运动倾向预估，并进行区别编号；
图片图像提取模块，用于基于预设的图片图像提取模型对所述第一测试集和所述第二测试集中元素分别进行图像提取，获取所述第一测试集和所述第二测试集中不同元素中的物体图像，并进行区别编号；
动态展示模块，用于基于预设的动画生成模型和所述区别编号，将所述运动特征、所述运动倾向预估结果分别与其一一对应的所述物体图像进行视频合成，完成所述美术图片集中元素的动态展示。
10.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的基于AI的二维美术图像动态展示方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110027851.5A CN112699263B (zh) | 2021-01-08 | 2021-01-08 | 基于ai的二维美术图像动态展示方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110027851.5A CN112699263B (zh) | 2021-01-08 | 2021-01-08 | 基于ai的二维美术图像动态展示方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112699263A true CN112699263A (zh) | 2021-04-23 |
| CN112699263B CN112699263B (zh) | 2023-05-23 |
Family
ID=75513682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110027851.5A Active CN112699263B (zh) | 2021-01-08 | 2021-01-08 | 基于ai的二维美术图像动态展示方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112699263B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180144547A1 (en) * | 2015-06-30 | 2018-05-24 | Matterport, Inc. | Mobile capture visualization incorporating three-dimensional and two-dimensional imagery |
| CN109120866A (zh) * | 2018-09-27 | 2019-01-01 | 腾讯科技（深圳）有限公司 | 动态表情生成方法、装置、计算机可读存储介质和计算机设备 |
| CN109361880A (zh) * | 2018-11-30 | 2019-02-19 | 三星电子（中国）研发中心 | 一种展示静态图片对应的动态图片或视频的方法及系统 |
| CN109643368A (zh) * | 2016-06-24 | 2019-04-16 | 帝国科技及医学学院 | 检测视频数据中的对象 |
| CN110677598A (zh) * | 2019-09-18 | 2020-01-10 | 北京市商汤科技开发有限公司 | 视频生成方法、装置、电子设备和计算机存储介质 |
| CN111143489A (zh) * | 2018-11-06 | 2020-05-12 | 北京嘀嘀无限科技发展有限公司 | 基于图像的定位方法及装置、计算机设备和可读存储介质 |
| CN111582143A (zh) * | 2020-05-06 | 2020-08-25 | 郑州工程技术学院 | 基于图像识别的学生课堂签到方法、装置及存储介质 |
| CN111724481A (zh) * | 2020-06-24 | 2020-09-29 | 嘉应学院 | 对二维图像进行三维重构的方法、装置、设备及存储介质 |
-
2021
- 2021-01-08 CN CN202110027851.5A patent/CN112699263B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180144547A1 (en) * | 2015-06-30 | 2018-05-24 | Matterport, Inc. | Mobile capture visualization incorporating three-dimensional and two-dimensional imagery |
| CN109643368A (zh) * | 2016-06-24 | 2019-04-16 | 帝国科技及医学学院 | 检测视频数据中的对象 |
| CN109120866A (zh) * | 2018-09-27 | 2019-01-01 | 腾讯科技（深圳）有限公司 | 动态表情生成方法、装置、计算机可读存储介质和计算机设备 |
| CN111143489A (zh) * | 2018-11-06 | 2020-05-12 | 北京嘀嘀无限科技发展有限公司 | 基于图像的定位方法及装置、计算机设备和可读存储介质 |
| CN109361880A (zh) * | 2018-11-30 | 2019-02-19 | 三星电子（中国）研发中心 | 一种展示静态图片对应的动态图片或视频的方法及系统 |
| CN110677598A (zh) * | 2019-09-18 | 2020-01-10 | 北京市商汤科技开发有限公司 | 视频生成方法、装置、电子设备和计算机存储介质 |
| CN111582143A (zh) * | 2020-05-06 | 2020-08-25 | 郑州工程技术学院 | 基于图像识别的学生课堂签到方法、装置及存储介质 |
| CN111724481A (zh) * | 2020-06-24 | 2020-09-29 | 嘉应学院 | 对二维图像进行三维重构的方法、装置、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| JEROEN VAN DER HOOFT ET AL.: "Objective and Subjective QoE Evaluation for Adaptive Point Cloud Streaming", 《2020 TWELFTH INTERNATIONAL CONFERENCE ON QUALITY OF MULTIMEDIA EXPERIENCE》 * |
| 艾青林 等: "动态环境下基于改进几何与运动约束的机器人RGB-D SLAM算法", 《机器人》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112699263B (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111563502B (zh) | 图像的文本识别方法、装置、电子设备及计算机存储介质 | |
| CN112685565A (zh) | 基于多模态信息融合的文本分类方法、及其相关设备 | |
| US20210042504A1 (en) | Method and apparatus for outputting data | |
| WO2023035531A1 (zh) | 文本图像超分辨率重建方法及其相关设备 | |
| CN110490959B (zh) | 三维图像处理方法及装置、虚拟形象生成方法以及电子设备 | |
| CN112686243A (zh) | 智能识别图片文字的方法、装置、计算机设备及存储介质 | |
| CN112396032B (zh) | 书写检测方法、装置、存储介质及电子设备 | |
| CN114529574A (zh) | 基于图像分割的图像抠图方法、装置、计算机设备及介质 | |
| CN108597034B (zh) | 用于生成信息的方法和装置 | |
| CN112651399B (zh) | 检测倾斜图像中同行文字的方法及其相关设备 | |
| CN112434746B (zh) | 基于层次化迁移学习的预标注方法及其相关设备 | |
| CN112381118B (zh) | 一种大学舞蹈考试测评方法及装置 | |
| CN113033377A (zh) | 字符位置修正方法、装置、电子设备和存储介质 | |
| CN112580213A (zh) | 电场线的显示图像的生成方法和装置、存储介质 | |
| CN112699263B (zh) | 基于ai的二维美术图像动态展示方法及装置 | |
| CN111507139A (zh) | 图像效果生成方法、装置和电子设备 | |
| CN113361459A (zh) | 基于注视点识别的广告展示方法、装置、设备及存储介质 | |
| CN113362249A (zh) | 文字图像合成方法、装置、计算机设备及存储介质 | |
| CN114519999A (zh) | 基于双模态模型的语音识别方法、装置、设备及存储介质 | |
| CN111582143A (zh) | 基于图像识别的学生课堂签到方法、装置及存储介质 | |
| CN111507143B (zh) | 表情图像效果生成方法、装置和电子设备 | |
| CN112613270A (zh) | 基于预训练的绘画创作模型对目标文本进行样式推荐的方法、系统、设备及存储介质 | |
| CN112309181A (zh) | 一种舞蹈教学辅助方法及装置 | |
| CN112395450A (zh) | 图片文字检测方法、装置、计算机设备及存储介质 | |
| CN117542085B (zh) | 基于知识蒸馏的园区场景行人检测方法、装置及设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |