CN112749722A - 一种模型分发管理方法及其相关产品 - Google Patents

一种模型分发管理方法及其相关产品 Download PDF

Info

Publication number
CN112749722A
CN112749722A CN201911054327.6A CN201911054327A CN112749722A CN 112749722 A CN112749722 A CN 112749722A CN 201911054327 A CN201911054327 A CN 201911054327A CN 112749722 A CN112749722 A CN 112749722A
Authority
CN
China
Prior art keywords
image
images
identifier
determining
similarity
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
Application number
CN201911054327.6A
Other languages
English (en)
Other versions
CN112749722B (zh
Inventor
李建文
陈显炉
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.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies 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 Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN201911054327.6A priority Critical patent/CN112749722B/zh
Publication of CN112749722A publication Critical patent/CN112749722A/zh
Application granted granted Critical
Publication of CN112749722B publication Critical patent/CN112749722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了一种模型分发管理方法及其相关产品，应用于模型管理系统，所述方法包括：获取来自多个前端传感器的多个图像；确定所述多个图像中每个图像对应的拍摄角度和/或拍摄环境；根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合；根据所述一个或者多个图像集合中每个图像的标识和所述标识对应的标签，确定所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签；根据所述每个图像集合的标识和所述标签，向所述每个图像集合分发图像模型。减少了模型分发的时间，提高模型分发的效率。

Description

一种模型分发管理方法及其相关产品
技术领域
本申请涉及计算机技术领域，尤其涉及一种模型分发管理方法及其相关产品。
背景技术
随着科学技术不断地发展，越来越多的科技成果被用于日常生活，人们的生活正朝着智能化的方向发展，图像处理的应用更普遍。其中，在图像处理技术领域中，对图像模型的管理是必要的。目前的图像模型管理上图像模型分发的步骤多，导致图像模型分发的效率低。
发明内容
本申请实施例的主要目的在于提供一种模型分发管理方法及其相关产品，能够有效提高模型分发管理的效率。
第一方面，本申请实施例提供了一种模型分发管理方法，应用于模型管理系统，所述模型管理系统包括多个前端传感器和处理器，所述多个前端传感器中包括第一前端传感器，所述多个前端传感器和处理器通信连接，所述方法包括：
获取来自多个前端传感器的多个图像；
确定所述多个图像中每个图像对应的拍摄角度和/或拍摄环境，所述拍摄环境用于表征所述每个图像的内容；
根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合；
根据所述一个或者多个图像集合中每个图像的标识和所述标识对应的标签，确定所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签；
根据所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签，向所述一个或者多个图像集合中的每个图像集合分发图像模型。
第二方面，本申请实施例提供了一种模型分发管理装置，应用于模型管理系统，所述模型管理系统包括多个前端传感器和处理器，所述多个前端传感器中包括第一前端传感器，所述多个前端传感器和处理器通信连接，所述装置包括：
获取单元，用于获取来自多个前端传感器的多个图像；
第一确定单元，用于根据所述多个图像中每个图像，确定所述多个图像中每个图像对应的拍摄角度和拍摄环境，所述拍摄环境用于表征所述每个图像的内容；
第二确定单元，用于根据所述拍摄角度和所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合；
分发单元，用于根据所述标识和所述标签将所述一个或者多个图像集合中的每个图像集合分发图像模型。
第三方面，本申请实施例提供了一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第一方面任一方法中的步骤的指令。
第四方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
可以看出，本申请通过确定所述多个图像中每个图像对应的拍摄角度和/或拍摄环境，所述拍摄环境用于表征所述每个图像的内容；根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合；根据所述一个或者多个图像集合中每个图像的标识和所述标识对应的标签，确定所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签；根据所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签，向所述一个或者多个图像集合中的每个图像集合分发图像模型，节省模型分发的时间，提高模型分发的效率。
附图说明
为了更清楚地说明本申请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为本申请实施例提供的一种模型分发管理的示意图；
图2为本申请实施例提供的一种模型分发管理方法的流程图；
图3为本申请实施例提供的一种模型分发管理方法的流程图；
图4是本申请实施例提供的一种电子设备的结构示意图；
图5是本申请实施例提供的一种模型分发管理装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，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。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“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。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
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。
目前，在现有的模型管理的系统中，图像模型的分配管理是一个图像分配一个模型，图像数量巨大时，模型的分配时间长、效率低。
本申请实施例所涉及到的电子设备可以是具备通信能力的电子设备，该电子设备可以包括各种具有无线通信功能的手持设备、车载设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(UserEquipment，UE)，移动台(MobileStation，MS)，终端设备(terminal device)等等。
下面对本申请实施例进行详细介绍。
请参阅图1，图1是本申请实施例提供的模型分发管理的示意图，根据获取的多个图像中每个图像对应的拍摄角度和/或拍摄环境；根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合；根据所述一个或者多个图像集合中每个图像的标识和所述标识对应的标签，确定所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签；根据所述每个图像集合的标识和所述标签，向所述每个图像集合分发图像模型。
为解决模型分发效率低的问题，本申请提供了一种模型分发管理方法，应用于模型管理系统，所述模型管理系统包括多个前端传感器和处理器，所述多个前端传感器中包括第一前端传感器，所述多个前端传感器和处理器通信连接，具体如图2所示，图2是本申请实施例提供的一种模型分发管理方法的流程图，该方法可以包括但不限于如下步骤：
S201、获取来自多个前端传感器的多个图像。
其中，获取来自多个前端传感器的多个图像的执行主体可以是模型分发管理服务器，可以是电子设备。电子设备可以是具备通信能力的电子设备，可以是不具备通信能力的电子设备。
具体实现中，多个图像可以是多个前端传感器实时获取的，也可以是多个前端传感器获取的历史图像。
S202、确定所述多个图像中每个图像对应的拍摄角度和/或拍摄环境，所述拍摄环境用于表征所述每个图像的内容。
其中，拍摄角度可以是以图像中地面为水平面的角度、可以是以前端传感器与水平地面的夹角，可以是以前端传感器与指定方向的夹角，可以是图像与指定图像偏差的角度。
具体实现中，确定所述多个图像中每个图像对应的拍摄角度和/或拍摄环境，具体步骤包括：计算出每个图像与指定方向的夹角角度，所述指定方向可以在电子设备上设置、可以是根据角度公式得到的标准方向；通过每个图像色彩不同颜色区域大小计算分析，得到每个图像中的拍摄环境，该拍摄环境包括图像要素、图像亮度信息、图像颜色信息。
S203、根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，并根据所述拍摄角度和/或所述拍摄环境将所述多个图像分成一个或者多个图像集合。
具体实现中，根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签的具体步骤如下：根据所述拍摄角度和/或所述拍摄环境识别每个图像中的内容；根据该内容确定每个图像的标识，其中每个图像至少包括一个标识，每个图像中每个标识至少包括一个标签，该标识与标签成对应关系；根据该内容对应的标识和该标识与标签的对应关系，确定该内容对应的标识的标签。
其中，标识和所述标识对应的标签的对应关系如下表1所示：
表1
Figure BDA0002256146130000051
具体实现中，标识和所述标识对应的标签是预先设置的，可以是根据多个图像确定的新的标识和新的标签。
S204、根据所述一个或者多个图像集合中每个图像的标识和所述标识对应的标签，确定所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签；
具体实现中，根据所述一个或者多个图像集合中的每个图像集合的每个图像的标识和所标识对应的标签，统计出每个图像集合的所有图像的标识和标识对应的标签；根据每个图像集合的所有图像的标识和标识对应的标签进一步确定每个图像集合中的标识和所述标识对应的标签。例如，有一个图像集合，该图像集合中有3个图像，该图像集合中第一图像的标识人物、植被和建筑，标识人物对应的标签是老人、正面，标识植被对应的标签是树木、3m，标识建筑对应的标签是公园、底层建筑；该图像集合中第二图像的标识人物、植被和建筑，标识人物对应的标签是老人、正面，标识植被对应的标签是树木、3m、花、10cm，标识建筑对应的标签是公园、底层建筑；该图像集合中第三图像的标识人物、植被和建筑，标识人物对应的标签是老人、正面，标识植被对应的标签是树木、3m，标识建筑对应的标签是公园、底层建筑。根据该图像集合中的3个图像统计出该图像集合的标识和标识对应的标签的数量。根据该图像集合的标识和标识对应的标签的数量，进一步确定该图像集合的标识和标识对应的标签，该图像集合的标识为：人物、植被、建筑，该图像集合的标识人物的标签为：老人、正面，该图像集合的标识植被的标签为：树木、3m、花、10cm，该图像集合的标识建筑的标签为：公园、底层建筑。
S205、根据所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签，向所述一个或者多个图像集合中的每个图像集合分发图像模型。
具体实现中，根据图像模型的图像模型数值与的所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签的映射关系，计算出每个图像集合的模型数值；通过该模型数值向每个图像集合分配图像模型。
需要具体说明的是，该图像模型的模型数值与的所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签的映射关系为：
Figure BDA0002256146130000061
Figure BDA0002256146130000062
其中，W为模型数值，n为标识的个数，pn为标识的数值，γn为标识的权重值；m为标签的个数，μm为标识的数值，σm为标识的权重值。
可以看出，本申请实施例中通过确定所述多个图像中每个图像对应的拍摄角度和/或拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合；确定所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签；根据所述每个图像集合的标识和所述标识对应的标签，向所述每个图像集合分发图像模型，缩短了图像模型的分发时间，提高模型分发的效率。
在一个可能的示例中，所述根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合，包括：根据所述拍摄环境确定所述每个图像的图像要素；根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；根据所述拍摄角度和/或所述图像要素将所述多个图像分成一个或者多个图像集合。
具体实现中，根据所述拍摄环境确定所述每个图像的图像要素，可以是通过识别拍摄环境的图像内容，根据该图像内容确定所述每个图像的图像要素。
其中，所述图像要素包括以下至少一个：植被、人物、建筑、天空、云朵、车辆。
可以看出，本申请实施例中，通过根据所述拍摄环境确定所述每个图像的图像要素；根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；根据所述拍摄角度和/或所述图像要素将所述多个图像分成一个或者多个图像集合，缩短了将多个图像分成一个或者多个图像集合的时间，进一步缩短了图像模型的分发时间，提高了模型分发的效率。
在一个可能的示例中，所述根据所述拍摄角度和/或所述图像要素将所述多个图像分成一个或者多个图像集合，包括：根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合；判断所述图像要素相似度集合中每个图像要素相似度是否大于等于第一阈值；若是，则根据所述图像要素相似度和所述拍摄角度确定所述第一图像与所述多个图像中除第一图像外的每个图像的拍摄角度相似度集合；判断所述拍摄角度相似度集合中每个拍摄角度相似度是否小于等于第二阈值；若是，则所述拍摄角度相似度对应的图像和所述第一图像组成第一图像集合，所述第一图像集合为一个或者多个图像集合中的一个图像集合；根据第一图像集合将所述多个图像分成一个或者多个图像集合。
其中，图像相似度用于表征两个图像之间的相似程度。图像要素相似度集合为第一图像与多个图像中出第一图像外的每一个图像的图像相似度的数值集合。
具体实现中，根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合。
可以看出，本申请实施例中，通过根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度；根据图像要素相似度和拍摄角度所述多个图像分成一个或者多个图像集合，缩短了将多个图像分成一个或者多个图像集合的时间，进一步缩短了图像模型的分发时间，提高了模型分发的效率。
在一个可能的示例中，所述根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合，包括：根据所述图像要素确定图像要素因子、图像要素大小、图像要素的中心坐标、颜色种类、颜色区域大小；根据所述图像要素因子、所述图像要素大小、所述图像要素的中心坐标、所述颜色种类和颜色区域大小计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合。
具体实现中，根据所述图像要素确定图像要素因子、图像要素大小、图像要素的中心坐标、颜色种类、颜色区域大小，可以是通过该图像要素确定图像要素的内容，根据该内容确定图像要素因子；根据该图像要素确定图像要素的大小、中心坐标、颜色种类和颜色区域大小，
根据该图像要素因子、图像要素大小、中心坐标、颜色种类和颜色区域大小计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度。
具体实现中，该第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度的计算公式如下：
q＝1/a∑(Λj×θj)，
其中，q为第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，a为比例系数，Λj为图像要素，θj为图像要素因子，j为图像要素和图像要素因子的对应关系。
可以看出，本申请实施例中，通过根据所述图像要素确定图像要素因子、图像要素大小、图像要素的中心坐标、颜色种类、颜色区域大小；根据所述图像要素因子、所述图像要素大小、所述图像要素的中心坐标、所述颜色种类和颜色区域大小，计算多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，精确地将多个图像分成一个或者多个图像集合，缩短了图像模型的分发时间，提高了模型分发的效率。
在一个可能的示例中，所述根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合，包括：根据所述拍摄环境确定所述每个图像的图像参数；根据所述拍摄环境确定所述每个图像的图像要素；根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；根据所述图像参数和所述图像要素将所述多个图像分成一个或者多个图像集合。
具体实现中，根据所述拍摄环境确定所述每个图像的图像参数；根据所述图像参数确定每个图像的亮度、色彩数和分辨率；根据所述拍摄环境确定所述每个图像的图像要素；根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；根据所述亮度、所述色彩数、所述分辨率和所述图像要素确定图像之间的相似度，根据该图像相似度将所述多个图像分成一个或者多个图像集合。
具体实现中，根据所述图像参数确定每个图像的亮度、色彩数和分辨率的具体步骤如下：根据所述图像参数和每个图像对应的亮度计算公式计算出每个图像的亮度；根据所述图像参数和每个图像对应的色彩数的计算公式计算出每个图像的色彩数。
可以看出，本申请实施例中，通过根据所述拍摄环境确定所述每个图像的亮度、色彩数和分辨率；根据所述拍摄环境确定所述每个图像的图像要素；根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；根据所述亮度、所述色彩数、所述分辨率和所述图像要素将所述多个图像分成一个或者多个图像集合。快速地将多个图像分成一个或者多个图像集合，缩短了图像模型的分发时间，提高了模型分发的效率。
在一个可能的示例中，所述根据所述图像参数和所述图像要素将所述多个图像分成一个或者多个图像集合，包括：根据所述图像参数和所述图像要素计算所述多个图像中的第一图像与所述多个图像中除所述第一图像外的每个图像的相似度；根据所述相似度将所述多个图像分成一个或者多个图像集合。
具体实现中，根据所述图像参数确定每个图像对应的亮度、色彩数、分辨率；根据所述亮度、所述色彩数、所述分辨率和所述图像要素计算所述多个图像中的第一图像与所述多个图像中除所述第一图像外的每个图像的相似度。
其中，根据所述亮度、所述色彩数、所述分辨率和所述图像要素计算所述多个图像中的第一图像与所述多个图像中除所述第一图像外的每个图像的相似度的计算公式如下：
p＝∑(αi×βi)，
其中p为第一图像与所述多个图像中除所述第一图像外的每个图像的相似度，αi为图像相似度要素，该图像相似度要素包括所述亮度、所述色彩数、所述分辨率和所述图像要素，βi为该图像相似度要素对应的权重值，i表示图像相似度要素与该权重值的对应关系。
可以看出，本申请实施例中，通过根据所述亮度、所述色彩数、所述分辨率和所述图像要素计算所述多个图像中的第一图像与所述多个图像中除所述第一图像外的每个图像的相似度；根据所述相似度将所述多个图像分成一个或者多个图像集合，快速地将多个图像分成一个或者多个图像集合，缩短了图像模型的分发时间，提高了模型分发的效率。
在一个可能的示例中，所述根据所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签向所述一个或者多个图像集合中的每个图像集合分发图像模型，包括：判断所述一个或者多个图像集合中的每个图像集合所述标识和所述标识对应的标签与图像模型的标识和标签是否一致；若是，则向所述每个图像集合分发图像模型。
具体实现中，模型分发系统判断所述一个或者多个图像集合中的每个图像集合所述标识和所述标识对应的标签与图像模型的标识和标签一致，则向所述每个图像集合分发该图像模型。
可以看出，本申请实施例中，通过判断所述一个或者多个图像集合中的每个图像集合所述标识和所述标识对应的标签与图像模型的标识和标签是否一致；若是，则向所述每个图像集合分发图像模型，准确地将多个图像分成一个或者多个图像集合，缩短了图像模型的分发时间，提高了模型分发的效率。
与上述图2所示的实施例一致，请参阅图3，图3是本申请实施例提供的一种模型分发管理方法流程示意图，应用于模型管理系统，所述模型管理系统包括多个前端传感器和处理器，所述多个前端传感器和处理器通信连接，所述方法步骤包括：
S301、获取来自多个前端传感器的多个图像，并确定所述多个图像中每个图像对应的拍摄角度和/或拍摄环境。
S302、根据所述拍摄环境确定所述每个图像的图像要素，并根据所述图像要素确定所述每个图像的标识和所述标识对应的标签。
S303、根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合。
S304、判断所述图像要素相似度集合中每个图像要素相似度是否大于等于第一阈值，若是，则根据所述图像要素相似度和所述拍摄角度确定所述第一图像与所述多个图像中除第一图像外的每个图像的拍摄角度相似度集合。
S305、判断所述拍摄角度相似度集合中每个拍摄角度相似度是否大于等于第二阈值，若是，则所述拍摄角度相似度对应的图像和所述第一图像组成第一图像集合，根据第一图像集合将多个图像分成一个或者多个图像集合。
S306、根据所述一个或者多个图像集合中每个图像的标识和所述标识对应的标签，确定所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签。
S307、判断所述一个或者多个图像集合中的每个图像集合所述标识和所述标识对应的标签与图像模型的标识和标签是否一致，若是，则向所述每个图像集合分发图像模型。
可以看出，本申请实施例中，根据所述拍摄环境确定所述每个图像的图像要素，并根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；根据图像要素相似度和拍摄角度相似度将多个图像分成一个或者多个图像集合，根据每个图像集合所述标识和所述标识对应的标签向所述每个图像集合分发图像模型缩短了图像模型的分发时间，提高了模型分发的效率。
请参阅图4，图4是本申请实施例提供的一种电子设备400的结构示意图，如图所示，所述电子设备400包括应用处理器410、存储器420、通信接口430以及一个或多个程序421，其中，所述一个或多个程序421被存储在上述存储器420中，并且被配置由上述应用处理器410执行，所述一个或多个程序421包括用于执行以下步骤：
获取来自多个前端传感器的多个图像；
确定所述多个图像中每个图像对应的拍摄角度和/或拍摄环境，所述拍摄环境用于表征所述每个图像的内容；
根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签；
根据所述拍摄角度和/或所述拍摄环境，将所述多个图像分成一个或者多个图像集合；
根据所述一个或者多个图像集合中每个图像的标识和所述标识对应的标签，确定所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签；
根据所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签，向所述一个或者多个图像集合中的每个图像集合分发对应的图像模型。
在一个可能的示例中，在所述根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合方面，所述程序中的指令具体用于执行以下操作：根据所述拍摄环境确定所述每个图像的图像要素；根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；根据所述拍摄角度和/或所述图像要素将所述多个图像分成一个或者多个图像集合。
在一个可能的示例中，在所述根据所述拍摄角度和/或所述图像要素将所述多个图像分成一个或者多个图像集合方面，所述程序中的指令具体用于执行以下操作：根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合；判断所述图像要素相似度集合中每个图像要素相似度是否大于等于第一阈值；若是，则根据所述图像要素相似度和所述拍摄角度确定所述第一图像与所述多个图像中除第一图像外的每个图像的拍摄角度相似度集合；判断所述拍摄角度相似度集合中每个拍摄角度相似度是否大于等于第二阈值；若是，则所述拍摄角度相似度对应的图像和所述第一图像组成第一图像集合，所述第一图像集合为一个或者多个图像集合中的一个图像集合；根据第一图像集合将所述多个图像分成一个或者多个图像集合。
在一个可能的示例中，在所述根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合方面，所述程序中的指令具体用于执行以下操作：根据所述图像要素确定图像要素因子、图像要素大小、图像要素的中心坐标、颜色种类、颜色区域大小；根据所述图像要素因子、所述图像要素大小、所述图像要素的中心坐标、所述颜色种类和颜色区域大小计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合。
在一个可能的示例中，在所述根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合方面，所述程序中的指令具体用于执行以下操作：根据所述拍摄环境确定所述每个图像的图像参数；根据所述拍摄环境确定所述每个图像的图像要素；根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；根据所述图像参数和所述图像要素将所述多个图像分成一个或者多个图像集合。
在一个可能的示例中，在所述根据所述图像参数和所述图像要素将所述多个图像分成一个或者多个图像集合方面，所述程序中的指令具体用于执行以下操作：根据所述图像参数和所述图像要素计算所述多个图像中的第一图像与所述多个图像中除所述第一图像外的每个图像的相似度；根据所述相似度将所述多个图像分成一个或者多个图像集合。
在一个可能的示例中，在所述根据所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签向所述一个或者多个图像集合中的每个图像集合分发图像模型方面，所述程序中的指令具体用于执行以下操作：判断所述一个或者多个图像集合中的每个图像集合所述标识和所述标识对应的标签与图像模型的标识和标签是否一致；若是，则向所述每个图像集合分发对应的图像模型。
可以看出，本申请通过确定所述多个图像中每个图像对应的拍摄角度和/或拍摄环境，所述拍摄环境用于表征所述每个图像的内容；根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合；根据所述一个或者多个图像集合中每个图像的标识和所述标识对应的标签，确定所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签；根据所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签，向所述一个或者多个图像集合中的每个图像集合分发图像模型，减少模型分发的时间，提高模型分发的效率。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
图5是本申请实施例中所涉及的模型分发管理装置500的功能单元组成框图。该模型分发管理装置500，应用于模型管理系统，所述模型管理系统包括多个前端传感器和处理器，所述多个前端传感器和处理器通信连接，所述装置包括：：获取单元501、第一确定单元502、第二确定单元503，分发单元504。
其中，所述获取单元，用于获取来自多个前端传感器的多个图像；所述第一确定单元，用于根据所述多个图像中每个图像，确定所述多个图像中每个图像对应的拍摄角度和拍摄环境，所述拍摄环境用于表征所述每个图像的内容；所述第二确定单元，用于根据所述拍摄角度和所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，根据所述拍摄角度和所述拍摄环境将所述多个图像分成一个或者多个图像集合；所述分发单元，用于根据所述标识和所述标签将所述一个或者多个图像集合中的每个图像集合分发对应的图像模型。
在一个可能的示例中，在所述根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合方面，所述第二确定单元503具体用于：根据所述拍摄环境确定所述每个图像的图像要素；根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；根据所述拍摄角度和/或所述图像要素将所述多个图像分成一个或者多个图像集合。
在一个可能的示例中，在所述根据所述拍摄角度和/或所述图像要素将所述多个图像分成一个或者多个图像集合方面，所述第二确定单元503具体用于：根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合；判断所述图像要素相似度集合中每个图像要素相似度是否大于等于第一阈值；若是，则根据所述图像要素相似度和所述拍摄角度确定所述第一图像与所述多个图像中除第一图像外的每个图像的拍摄角度相似度集合；判断所述拍摄角度相似度集合中每个拍摄角度相似度是否大于等于第二阈值；若是，则所述拍摄角度相似度对应的图像和所述第一图像组成第一图像集合，所述第一图像集合为一个或者多个图像集合中的一个图像集合；根据第一图像集合将所述多个图像分成一个或者多个图像集合。
在一个可能的示例中，在所述根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合方面，所述第二确定单元503具体用于：根据所述图像要素确定图像要素因子、图像要素大小、图像要素的中心坐标、颜色种类、颜色区域大小；根据所述图像要素因子、所述图像要素大小、所述图像要素的中心坐标、所述颜色种类和颜色区域大小计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合。
在一个可能的示例中，在所述根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合方面，所述第二确定单元503具体用于：根据所述拍摄环境确定所述每个图像的图像参数；根据所述拍摄环境确定所述每个图像的图像要素；根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；根据所述图像参数和所述图像要素将所述多个图像分成一个或者多个图像集合。
在一个可能的示例中，在所述根据所述图像参数和所述图像要素将所述多个图像分成一个或者多个图像集合方面，所述第二确定单元503具体用于：根据所述图像参数和所述图像要素计算所述多个图像中的第一图像与所述多个图像中除所述第一图像外的每个图像的相似度；根据所述相似度将所述多个图像分成一个或者多个图像集合。
在一个可能的示例中，在所述根据所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签向所述一个或者多个图像集合中的每个图像集合分发图像模型方面，所述分发单元504具体用于：判断所述一个或者多个图像集合中的每个图像集合所述标识和所述标识对应的标签与图像模型的标识和标签是否一致；若是，则向所述每个图像集合分发对应的图像模型。
其中，所述装置500还可以包括存储单元505，用于存储电子设备的程序代码和数据。所述第二确定单元504可以是处理器，所述获取单元501可以是触控显示屏或者收发器，存储单元505可以是存储器。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。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或者该技术方案的全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccessMemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read－OnlyMemory，简称：ROM)、随机存取器(英文：RandomAccessMemory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (10)

1.一种模型分发管理方法，其特征在于，应用于模型管理系统，所述模型管理系统包括多个前端传感器和处理器，所述多个前端传感器和处理器通信连接，所述方法包括：
获取来自多个前端传感器的多个图像；
确定所述多个图像中每个图像对应的拍摄角度和/或拍摄环境，所述拍摄环境用于表征所述每个图像的内容；
根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签；
根据所述拍摄角度和/或所述拍摄环境将所述多个图像分成一个或者多个图像集合；
根据所述一个或者多个图像集合中每个图像的标识和所述标识对应的标签，确定所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签；
根据所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签，向所述一个或者多个图像集合中的每个图像集合分发对应的图像模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合，包括：
根据所述拍摄环境确定所述每个图像的图像要素；
根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；
根据所述拍摄角度和/或所述图像要素将所述多个图像分成一个或者多个图像集合。
3.根据权利要求2所述的方法，其特征在于，所述根据所述拍摄角度和/或所述图像要素将所述多个图像分成一个或者多个图像集合，包括：
根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合；
判断所述图像要素相似度集合中每个图像要素相似度是否大于等于第一阈值；
若是，则根据所述图像要素相似度和所述拍摄角度确定所述第一图像与所述多个图像中除第一图像外的每个图像的拍摄角度相似度集合；
判断所述拍摄角度相似度集合中每个拍摄角度相似度是否大于等于第二阈值；
若是，则所述拍摄角度相似度对应的图像和所述第一图像组成第一图像集合所述第一图像集合为一个或者多个图像集合中的一个图像集合；
根据第一图像集合将所述多个图像分成一个或者多个图像集合。
4.根据权利要求3所述的方法，其特征在于，所述根据所述图像要素计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合，包括：
根据所述图像要素确定图像要素因子、图像要素大小、图像要素的中心坐标、颜色种类、颜色区域大小；
根据所述图像要素因子、所述图像要素大小、所述图像要素的中心坐标、所述颜色种类和颜色区域大小计算所述多个图像中第一图像与所述多个图像中除第一图像外的每个图像的图像要素相似度，得到图像要素相似度集合。
5.根据权利要求1所述的方法，其特征在于，所述根据所述拍摄角度和/或所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合，包括：
根据所述拍摄环境确定所述每个图像的图像参数；
根据所述拍摄环境确定所述每个图像的图像要素；
根据所述图像要素确定所述每个图像的标识和所述标识对应的标签；
根据所述图像参数和所述图像要素将所述多个图像分成一个或者多个图像集合。
6.根据权利要求5所述的方法，其特征在于，所述根据所述图像参数和所述图像要素将所述多个图像分成一个或者多个图像集合，包括：根据所述图像参数和所述图像要素计算所述多个图像中的第一图像与所述多个图像中除所述第一图像外的每个图像的相似度；
根据所述相似度将所述多个图像分成一个或者多个图像集合。
7.根据权利要求1所述的方法，其特征在于，所述根据所述一个或者多个图像集合中的每个图像集合的标识和所述标识对应的标签向所述一个或者多个图像集合中的每个图像集合分发图像模型，包括：
判断所述一个或者多个图像集合中的每个图像集合所述标识和所述标识对应的标签与图像模型的标识和标签是否一致；
若是，则向所述每个图像集合分发图像模型。
8.一种模型分发管理装置，其特征在于，应用于模型管理系统，所述模型管理系统包括多个前端传感器和处理器，所述多个前端传感器和处理器通信连接，所述装置包括：
获取单元，用于获取来自多个前端传感器的多个图像；
第一确定单元，用于根据所述多个图像中每个图像，确定所述多个图像中每个图像对应的拍摄角度和拍摄环境，所述拍摄环境用于表征所述每个图像的内容；
第二确定单元，用于根据所述拍摄角度和所述拍摄环境确定所述每个图像的标识和所述标识对应的标签，将所述多个图像分成一个或者多个图像集合；
分发单元，用于根据所述标识和所述标签将所述一个或者多个图像集合中的每个图像集合分发图像模型。
9.一种电子设备，其特征在于，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1－7任一项所述的方法中的步骤的指令。
10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1－7任意一项所述的方法。
CN201911054327.6A 2019-10-31 2019-10-31 一种模型分发管理方法及其相关产品 Active CN112749722B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911054327.6A CN112749722B (zh) 2019-10-31 2019-10-31 一种模型分发管理方法及其相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911054327.6A CN112749722B (zh) 2019-10-31 2019-10-31 一种模型分发管理方法及其相关产品

Publications (2)

Publication Number Publication Date
CN112749722A true CN112749722A (zh) 2021-05-04
CN112749722B CN112749722B (zh) 2023-11-17

Family

ID=75644689

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911054327.6A Active CN112749722B (zh) 2019-10-31 2019-10-31 一种模型分发管理方法及其相关产品

Country Status (1)

Country Link
CN (1) CN112749722B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108921040A (zh) * 2018-06-08 2018-11-30 Oppo广东移动通信有限公司 图像处理方法和装置、存储介质、电子设备
WO2018228168A1 (zh) * 2017-06-14 2018-12-20 Oppo广东移动通信有限公司 图像处理方法及相关产品
WO2018232837A1 (zh) * 2017-06-23 2018-12-27 歌尔股份有限公司 移动目标的跟踪拍摄方法和跟踪设备
CN110072057A (zh) * 2019-05-14 2019-07-30 Oppo广东移动通信有限公司 图像处理方法及相关产品

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018228168A1 (zh) * 2017-06-14 2018-12-20 Oppo广东移动通信有限公司 图像处理方法及相关产品
WO2018232837A1 (zh) * 2017-06-23 2018-12-27 歌尔股份有限公司 移动目标的跟踪拍摄方法和跟踪设备
CN108921040A (zh) * 2018-06-08 2018-11-30 Oppo广东移动通信有限公司 图像处理方法和装置、存储介质、电子设备
CN110072057A (zh) * 2019-05-14 2019-07-30 Oppo广东移动通信有限公司 图像处理方法及相关产品

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张锦华;乔蕊;汤跃明;: "考虑重叠特征分类的图像检索模型仿真", 计算机仿真, no. 08 *

Also Published As

Publication number Publication date
CN112749722B (zh) 2023-11-17

Similar Documents

Publication Publication Date Title
US20200118075A1 (en) Method and apparatus for dividing delivery regions, electronic device, and computer-readable storage medium
CN109409377B (zh) 图像中文字的检测方法及装置
CN111160175A (zh) 智能行人违章行为管理方法及相关产品
CN110751620B (zh) 估算体积和重量的方法、电子设备及计算机可读存储介质
CN105338537B (zh) 一种新增基站站址共享分析的方法及终端
CN106845324A (zh) 路牌信息的处理方法和装置
CN113762229B (zh) 一种建筑场地内建筑器材的智能识别方法及系统
CN109509269A (zh) 一种电子签到方法、计算机可读存储介质及服务器
CN114186011A (zh) 基于电子围栏的管理方法、装置、计算机设备和存储介质
CN112541484A (zh) 人脸抠图方法、系统、电子装置及存储介质
CN111783910A (zh) 建筑项目管理方法、电子设备及相关产品
EP4080479A2 (en) Method for identifying traffic light, device, cloud control platform and vehicle-road coordination system
CN112749722A (zh) 一种模型分发管理方法及其相关产品
CN112597983A (zh) 一种遥感图像中目标对象的识别方法及其存储介质和系统
CN116938576A (zh) 小散工程的作业风险控制方法及系统
CN111028313B (zh) 桌台分布图像生成方法及装置
CN105157681B (zh) 室内定位方法、装置和摄像机以及服务器
CN111738166B (zh) 目标轮廓圈定方法、装置、计算机系统及可读存储介质
CN113436332A (zh) 消防预案数字化显示方法、装置、服务器及可读存储介质
CN111275501A (zh) 基于建筑方案的智能估价方法
CN113379662A (zh) 图像处理方法和装置、存储介质及电子设备
CN112561987A (zh) 人员位置显示方法及相关装置
CN113127585A (zh) 一种地址选取的推荐方法、装置、电子设备及存储介质
CN118096555B (zh) 一种图像数据处理方法、装置、设备及存储介质
CN111744194A (zh) 虚拟游戏控制方法、装置以及服务器

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