CN113139524A - 一种数据处理的方法、装置及设备 - Google Patents
一种数据处理的方法、装置及设备 Download PDFInfo
- Publication number
- CN113139524A CN113139524A CN202110545546.5A CN202110545546A CN113139524A CN 113139524 A CN113139524 A CN 113139524A CN 202110545546 A CN202110545546 A CN 202110545546A CN 113139524 A CN113139524 A CN 113139524A
- Authority
- CN
- China
- Prior art keywords
- carbon
- image
- saving
- merchant
- identified
- 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
- 238000003672 processing method Methods 0.000 title abstract description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 96
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 96
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 44
- 230000006399 behavior Effects 0.000 claims description 160
- 230000015654 memory Effects 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 13
- 238000002372 labelling Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000001737 promoting effect Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 4
- 235000017491 Bambusa tulda Nutrition 0.000 description 4
- 241001330002 Bambuseae Species 0.000 description 4
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 4
- 239000011425 bamboo Substances 0.000 description 4
- 238000004659 sterilization and disinfection Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 239000005431 greenhouse gas Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- ZZUFCTLCJUWOSV-UHFFFAOYSA-N furosemide Chemical compound C1=C(Cl)C(S(=O)(=O)N)=CC(C(O)=O)=C1NCC1=CC=CO1 ZZUFCTLCJUWOSV-UHFFFAOYSA-N 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0208—Trade or exchange of goods or services in exchange for incentives or rewards
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0217—Discounts or incentives, e.g. coupons or rebates involving input on products or services in exchange for incentives or rewards
-
- 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
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书公开一种数据处理的方法、装置及设备,该方法中在获取到用户针对商户采集到的待识别图像后,可以通过预先训练的图像识别模型,对该待识别图像进行识别,以识别该商户的节碳行为,并根据识别出的节碳行为,确定表征该商户的节碳量的值。
Description
本申请为“一种数据处理的方法、装置及设备(申请日:2017年12月14日,申请号:
201711334828.0)”的分案申请。
技术领域
本说明书涉及计算机技术领域,尤其涉及一种数据处理的方法、装置及设备。
背景技术
碳排放,是关于温室气体排放的一个总称或简称。人们的日常生活都可能直接或间接的促使碳排放的发生,如汽车尾气排放、火力发电、一次性商品的使用等。随着碳排放的日益加剧,人们赖以生存的环境的破坏程度也在逐渐增加。
当前,人们正通过多种途径减少碳排放的发生,如,研发并推广更为清洁的电动汽车,建设更多的风力、水力发电站,制造并使用更为环保的消耗品等。然而,目前并没有有效的节碳量量化准则,使人们对自己实际生活中的节碳情况进行了解,进而也就无法基于实际生活中的节碳情况对后续的节碳工作进行更为有效的开展。
基于此,如何对人们的日常生活中的节碳量进行有效量化则是一个亟待解决的问题。
发明内容
本说明书提供一种数据处理的方法,用以解决现有技术中节碳量无法有效量化的问题。
本说明书提供了一种数据处理的方法,包括:
获取用户发送的待识别图像,所述待识别图像是所述用户针对商户采集的;
通过预先训练的图像识别模型,对所述待识别图像进行识别,以识别所述商户的节碳行为;
根据所述节碳行为,确定表征所述商户的节碳量的值。
本说明书提供一种数据处理的装置,用以解决现有技术中节碳量无法有效量化的问题。
本说明书提供了一种数据处理的装置,包括:
获取模块,获取用户发送的待识别图像,所述待识别图像是所述用户针对商户采集的;
识别模块,通过预先训练的图像识别模型,对所述待识别图像进行识别,以确定商户的节碳行为;
确定模块,根据所述节碳行为,确定表征所述商户的节碳量的值。
本说明书提供一种数据处理的设备,用以解决现有技术中节碳量无法有效量化的问题。
本说明书提供了一种数据处理的设备,包括一个或多个存储器以及处理器,所述存储器存储程序,并且被配置成由所述一个或多个处理器执行以下步骤:
获取用户发送的待识别图像,所述待识别图像是所述用户针对商户采集的;
通过预先训练的图像识别模型,对所述待识别图像进行识别,以识别所述商户的节碳行为;
根据所述节碳行为,确定表征所述商户的节碳量的值。
本说明书提供一种数据处理的方法,用以解决现有技术中节碳量无法有效量化的问题。
本说明书提供了一种数据处理的方法,包括:
采集针对商户的待识别图像;
将所述待识别图像发送给服务器,以使服务器通过预先训练的图像识别模型,对所述待识别图像进行识别,以识别所述商户的节碳行为,并根据所述节碳行为,确定表征所述商户的节碳量的值。
本说明书提供一种数据处理的装置,用以解决现有技术中节碳量无法有效量化的问题。
本说明书提供了一种数据处理的装置,包括:
采集模块,采集针对商户的待识别图像;
发送模块,将所述待识别图像发送给服务器,以使服务器通过预先训练的图像识别模型,对所述待识别图像进行识别,以识别所述商户的节碳行为,并根据所述节碳行为,确定表征所述商户的节碳量的值。
本说明书提供一种数据处理的设备,用以解决现有技术中节碳量无法有效量化的问题。
本说明书提供了一种数据处理的设备,包括一个或多个存储器以及处理器,所述存储器存储程序,并且被配置成由所述一个或多个处理器执行以下步骤:
采集针对商户的待识别图像;
将所述待识别图像发送给服务器,以使服务器通过预先训练的图像识别模型,对所述待识别图像进行识别,以识别所述商户的节碳行为,并根据所述节碳行为,确定表征所述商户的节碳量的值。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在本说明书一个或多个实施例中,在获取到用户针对商户采集到的待识别图像后,可以通过预先训练的图像识别模型,对该待识别图像进行识别,以识别该商户的节碳行为,并根据识别出的节碳行为,确定表征该商户的节碳量的值。
由于可以基于用户针对商户采集的待识别图像,对商户的节碳行为进行识别,从而根据识别出的商户的节碳行为,对该商户的节碳量进行有效的量化,因此,基于针对节碳量所量化出的值,可使商户了解自身的实际节碳情况,并基于了解到的实际节碳情况对后续的节碳工作进行有效的开展,进而可为社会的节能减排工作带来了积极的影响。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书提供的数据处理过程的示意图;
图2为本说明书提供的用户对商户进行图像采集的示意图;
图3为本说明书提供的整个数据处理过程的示意图;
图4为本说明书提供的一种数据处理的装置示意图;
图5为本说明书提供的一种数据处理的装置示意图;
图6为本说明书提供的一种数据处理的设备示意图;
图7为本说明书提供的一种数据处理的设备示意图。
具体实施方式
本说明书中,用户可以采集商户的图像,并将采集到的图像通过终端发送给服务器,以使服务器基于用户发送的图像,对商户实施的节碳行为进行量化。其中,该图像中包括的与该商户的节碳行为相关的信息,可以是用户主动针对该商户的节碳行为进行采集的,也可以是用户在该商户中活动时,采集其他信息的过程中顺带采集到了与该商户实施的节碳行为相关的物品。例如,用户在商户中就餐时,拍摄菜肴的过程中采集到了非一次性筷子,这里提到的非一次性筷子即是与商户实施的节碳行为相关的物品。
由于用户通过欺诈的手段,主动帮助商户提高节碳行为的量化值的动机较小,所以,通过用户针对商户采集到的图像对商户的节碳行为进行量化,可以有效的避免商户为提高自身节碳行为的量化值而进行作假的可能。
在本说明书中,对商户的节碳量进行量化的执行主体可以是终端、服务器等设备,为了方便对本说明书提供的数据处理方法进行说明,下面将仅以服务器为例进行描述。
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个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说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,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,都应当属于本说明书保护的范围。
图1为本说明书提供的数据处理过程的示意图,具体包括以下步骤:
S100:获取用户发送的待识别图像。
在本说明书中,用户可以对商户进行图像采集,得到待识别图像,并将该待识别图像发送给服务器,服务器可以对获取到的待识别图像进行识别。其中,这里提到的待识别图像可以是指用户采集到的,包含商户的节碳行为相关信息的图像,该待识别图像的形式可以是视频形式的,也可以是图片形式的。而这里提到的节碳行为可以分为两类,一类是指商户采取了诸如不使用一次性餐具、使用环保家具等促进节碳的积极行为,另一类是指商户采取了诸如使用一次性餐具、过度燃煤等不促进节碳的消极行为。而用户针对商户的节碳行为进行图像采集可以如图2所示。
图2为本说明书提供的用户对商户进行图像采集的示意图。
假设,用户在商户中就餐时,发现商户提供的餐具均为非一次性餐具,则该用户可以通过持有的手机对该商户所提供的非一次性餐具进行图像采集,得到待识别图像,并将该待识别图像发送给服务器进行识别。
S102:通过预先训练的图像识别模型,对所述待识别图像进行识别,以识别所述商户的节碳行为。
服务器在获取到用户通过终端发送的待识别图像后,可以通过预先训练的图像识别模型,对该待识别图像进行识别。其中,该图像识别模型可以通过人工的方式,基于采集到的大量训练样本得到的,这里提到的图像识别模型可以采用诸如MobileNet、FasterRCNN等常用的识别算法,在此对所采用的识别算法不作限定。
通过上述步骤S100可知,商户的节碳行为可以分为两类,因此,在本说明书中,服务器可以通过该图像识别模型,从获取到的待识别图像中识别出商户的节碳行为具体属于哪类行为。例如,当服务器通过预先训练的图像识别模型,从用户发送的待识别图像中识别出存在筷子消毒机时,则可以确定商户的节碳行为属于促进节碳的积极行为。
服务器除了可以通过用户发送的待识别图像,确定出商户的节碳行为属于哪类行为之外,还可以确定出该商户实施的节碳行为的具体形式。例如,服务器通过该图像识别模型,从待识别图像中识别出节能灯时,可以确定出餐饮店实施节碳行为的具体形式为使用节能灯的积极行为;当服务器通过该图像识别模型,从该待识别图像中识别出筷子消毒机时,则可以确定出该餐饮店实施节碳行为的具体形式为提供非一次性筷子的积极行为(因为一般来说,餐饮店使用筷子消毒机能够表明该餐饮店提供的是非一次性筷子,而提供非一次性筷子则表明该餐饮店提高了节碳量)。
再例如,服务器通过该图像识别模型,从待识别图像中识别出竹制家具时,则可以确定商户实施节碳行为的具体形式为使用竹制家具的积极行为(一般来说,竹子的生长速度相比于树木来说较快,所以,使用竹子家具可以降低树木的砍伐,树木砍伐量降低则提高了树木对温室气体的吸收量,进而从侧面提高了节碳量)。
在本说明书中,若服务器通过预先训练的图像识别模型,无法从获取到的待识别图像中识别出商户的节碳行为时,则可以向用户发送标记提示,以使用户对发送的待识别图像进行标记。而服务器则可以根据用户发送的标记信息,确定该商户的节碳行为。
例如,假设用户对筷子消毒机进行图像采集,并将得到的待识别图像发送到服务器。而若服务器无法通过预先训练的图像识别模型,从该待识别图像中识别出商户的节碳行为时,则可以向用户发送标记提示,用户查看到服务器发送的标记提示后,可以将筷子消毒机这一标记信息通过终端发送给服务器,以使服务器根据该标记信息,确定出商户的节碳行为(商户的节碳行为具体属于哪类行为,以及节碳行为的具体形式等)。例如,当服务器接收到用户发送的标记信息为:一次性筷子时,则可以确定出商户的节碳行为属于不促进节碳的消极行为,具体形式为使用一次性餐具。
通常情况下,上述图像识别模型通常都是人为通过大量的训练样本预先训练出来的,而这些训练样本通常都是人工进行标注的。因此,若后续需要对该图像识别模型进一步调整,则需要再次通过人工标注的方式,确定出一些训练样本,从而通过这些训练样本对该图像识别模型进行调整,这样则会极大的耗费人力成本,同时降低了模型训练的效率。
而在本说明书中,由于可以利用用户发送的标记信息对图像识别模型进行训练,相当于由用户来完成对训练样本的标记工作,这样在不断提高图像识别模型识别能力的同时,也极大的降低了训练该图像识别模型所消耗的人力成本,提高了模型训练的效率。
S104:根据所述节碳行为,确定表征所述商户的节碳量的值。
服务器确定出商户的节碳行为后,可以确定出与该节碳行为相匹配的,表征商户的节碳量的值。其中,当该商户的节碳行为属于促进节碳的积极行为时,则表征该商户的节碳量的值可以是正值,而当该商户的节碳行为属于不促进节碳的消极行为时,则表征该商户的节碳量的值可以是负值。
在本说明书中,表征该商户的节碳量的值可以是积分形式的,即,服务器可以根据该商户的节碳行为,确定出表征该商户的节碳量的节碳积分。服务器可将确定出的节碳积分添加至该商户的节碳账户中。其中,这里提到的节碳账户可以是该商户事先开通的。该商户事先可以将自身的商户信息提交给服务器,以用于申请开通节碳账户,服务器可以对该商户提交的商户信息进行审核,并在确定该商户提交的商户信息通过审核后,对该商户开设节碳账户。
服务器在确定出商户的节碳行为后,可以进一步确定出的商户的节碳行为所属的行为类别,进而将该行为类别对应的节碳积分添加至该商户的节碳账户中。例如,假设服务器根据识别出的节碳行为,确定该商户的节碳行为属于促进节碳的积极行为时,则可将该积极行为对应的节碳积分添加至该商户的节碳账户中,而当确定该商户的节碳行为属于不促进节碳的消极行为时,则可从该商户的节碳账户中扣除该消极行为对应的节碳积分。
服务器也可以在确定出该商户的节碳行为后,根据该节碳行为的具体形式,将与该具体形式相匹配的节碳积分添加至该商户的节碳账户中。换句话说,对于不同的具体形式,可以对应不同的节碳积分,商户采取不同的形式的节碳行为,可以获取不同的节碳积分。例如,服务器确定出该商户的节碳行为的具体形式为使用筷子消毒机时,则可将这一形式对应的节碳积分添加至该商户的节碳账户中。再例如,服务器确定出该商户的节碳行为的具体形式为使用一次性餐具时,则可以将这一形式对应的节碳积分从该商户的节碳账户中扣除。
服务器在确定出商户的节碳行为的具体形式后,也可以通过该具体形式、预设的算法以及其他信息,确定出需要添加至该商户的节碳账户的节碳积分。这里提到的其他信息可以是指用户的信用等级、商户受到的节碳好评次数等信息,其中,当服务器根据一个用户发送的待识别图像,确定出商户的节碳行为是促进节碳的积极行为时,则可以算作是该商户受到的一次节碳好评。
当然,服务器也可以通过其他的方式,确定出节碳积分,并将该节碳积分添加至该商户的节碳账户中,在此就不一一举例说明了。
服务器将确定出的节碳积分添加至该商户的节碳账户的同时,也可以确定出发送待识别图像的用户的贡献度,进而向该用户的账户中添加该贡献度和/或将该贡献度对应的虚拟物品发放给该用户。
服务器可以通过多种方式确定该用户的贡献度。例如,积极的节碳行为可以包括多种具体形式,不同的具体形式对应不同的贡献度,因此,服务器可以根据确定出的节碳行为的具体形式,确定相应的贡献度;或是根据用户的信用等级,确定相应的贡献度。当然,服务器也可以通过其他的方式,确定用户的贡献度,在此就不一一举例说明了。
上述提到的贡献度的形式可以有很多,如,积分形式、红包形式等。而上述提到的虚拟物品的形式也可以有很多,如,服务器可将优惠券发放给用户,也可以将一些业务的VIP权限按时限发放给用户。
为了进一步促进商户实施积极的节碳行为,服务器可以根据商户的节碳账户中的节碳积分,向该商户提供诸多便利服务。例如,服务器在确定该商户的节碳账户中的节碳积分超过设定积分或到达设定排名时,则可以将该商户的信息在商户推荐首页中展示,以进一步推广该商户。再例如,当确定该商户的节碳账户中的节碳积分超过设定积分时,则可以提高该商户的贷款额度。当然,服务器根据商户的节碳积分向商户提供的便利服务还有很多,在此就不一一举例说明了。
从上述方法中可以看出,由于可以基于用户针对商户采集的待识别图像,对商户的节碳行为进行识别,从而根据识别出的商户的节碳行为,对该商户的节碳量进行有效的量化,因此,基于针对节碳量所量化出的值,可使商户了解自身的实际节碳情况,并基于了解到的实际节碳情况对后续的节碳工作进行有效的开展,进而可为社会的节能减排工作带来了积极的影响。
并且,服务器可以利用用户发送的标记信息以及未识别出节碳行为的待识别图像,对图像识别模型进行训练、调整,这样则极大的降低了训练该图像识别模型所消耗的人力成本,提高了模型训练的效率。
不仅如此,由于商户的节碳行为可以使商户获取到相应的节碳积分,进而服务器可以根据商户的节碳账户中的节碳积分,为商户提供便利服务,因此,随着节碳账户在各商户间的普及,以及节碳账户中节碳积分所带来的奖励机制,可以进一步促使积极的节碳行为能够得到更为有效的推广,从而对人们赖以生存的环境产生更为积极的影响。
在本说明书中,由于服务器需要根据用户发送的待识别图像量化商户的节碳量,因此,服务器在通过图1所示的步骤S100接收到用户发送的待识别图像后,需要确定出该待识别图像属于哪一商户,继而基于该待识别图像,确定出表征该商户的节碳量的值。在本说明书中,服务器确定与上述待识别图像相对应的商户的方式可以有很多。例如,用户通过手机对商户进行评价时,可以通过该商户的评价页面将采集到的待识别图像发送给服务器,以使服务器根据该待识别图像,将确定出的节碳积分添加至用户评价的商户的节碳账户中。
再例如,用户通过电子支付的方式进行结账时,可以将采集到的待识别图像发送给服务器。服务器可以根据从该待识别图像中识别出的节碳行为,将该节碳行为对应的节碳积分添加至用户结账时收款商户的节碳账户中。
再例如,终端在采集商户的节碳行为时,可以确定出采集节碳行为所基于的位置信息,进而将采集到的待识别图像以及确定出的位置信息发送给服务器,而服务器则可以将基于该待识别图像确定出的节碳积分添加至该位置信息对应的商户的节碳账户中。当然,还可以通过其他的方式,确定与上述待识别图像相对应的商户,在此就不一一举例说明了。
在本说明书中,终端可以将采集到的待识别图像、商户标识以及采集该待识别图像所基于的位置信息发送给服务器,而服务器则可以在确定该位置信息与该商户标识对应的商户所处的位置相匹配时,再对该待识别图像进行识别,并根据识别出的节碳行为,将该节碳行为对应的节碳积分添加至该商户的节碳账户中。
此举的目的在于,一些商户可能会在别处采集与自身并不相关的待识别图像(如采集其他商户的待识别图像)实施欺诈行为。而通过上述方法可以看出,即使一些商户采集了其他商户的待识别图像实施欺诈,服务器也会基于采集该待识别图像时所基于的位置信息,将确定出的节碳积分添加至该位置信息对应的商户的节碳账户中,从而有效的降低了商户实施欺诈的可能。
在本说明书中,由于服务器得到的上述标记信息是用户基于主观而得出的,这就使得服务器通过该标记信息确嗯定出的商户的节碳行为存在错误的可能,而服务器根据错误的标记信息所确定出的节碳行为,确定表征该商户的节碳量的值,则可能会给该商户或是其他的商户带来损失。
为了降低上述问题所带来的不利影响,在本说明书中,当服务器需要根据用户发送的标记信息确定该商户的节碳行为时,可以将该节碳行为所对应的基准值乘以确定出的信任系数,并将两者的乘积确定为表征该商户的节碳量的值。
其中,服务器确定信任系数的方式可以有很多。例如,不同的节碳行为(或节碳行为的不同具体形式),可以对应不同的信任系数。服务器可以根据确定出的商户的节碳行为(或节碳行为的具体形式),确定出相应的信任系数,进而根据该信任系数以及该节碳行为对应的基准值,确定表征该商户的节碳量的值。
这里提到的信任系数可以由人工进行确定,对于那些服务器无法通过图像识别模型识别出节碳行为(或节碳行为的具体形式)的待识别图像来说,服务器的管理人员可以先根据用户发送的标记信息,确定出用户针对这些待识别图像所标记出的节碳行为(或节碳行为的具体形式),而后,针对用户标记出的不同节碳行为(节碳行为的不同具体形式),对该节碳行为(或该具体形式)所对应的待识别图像进行人工识别,以确定出用户标记该节碳行为(或该具体形式)的准确率,进而根据确定出的准确率,确定出该节碳行为(或具体形式)所对应的信任系数。
当然,服务器不仅可以基于确定出的节碳行为(或节碳行为的具体形式),来确定信任系数,还可以根据用户的用户信息和/或商户的商户信息,确定出该信任系数。其中,这里提到的用户信息以及商户的商户信息可以是指用户或商户的信用等级、节碳账户中现有节碳积分等信息。至于其他确定信任系数的方式,在此就不一一举例说明了。
为了进一步说明本说明书提供的数据处理方法,下面将通过一个具体的实例,对整个数据处理过程进行说明,如图3所示。
图3为本说明书提供的整个数据处理过程的示意图。
从图3可以看出,用户可以通过对商户实施的节碳行为进行图像采集,得到一定的奖励,而商户则可以通过用户针对该商户所采集的待识别图像,获取一定的节碳积分。所以,通过这种奖励机制,可以促使更多的商户实施积极的节碳行为,从而形成一个良性的循环,给整个社会的节能减排带来积极的影响。
以上为本说明书的一个或多个实施例提供的数据处理方法,基于同样的思路,本说明书还提供了相应的数据处理的装置,如图4、5所示。
图4为本说明书提供的一种数据处理的装置示意图,具体包括:
获取模块401,获取用户发送的待识别图像,所述待识别图像是所述用户针对商户采集的;
识别模块402,通过预先训练的图像识别模型,对所述待识别图像进行识别,以确定商户的节碳行为;
确定模块403,根据所述节碳行为,确定表征所述商户的节碳量的值。
所述装置还包括:
接收模块404,当通过所述图像识别模型未从所述待识别图像中识别出所述商户的节碳行为时,接收所述用户发送的所述待识别图像对应的标记信息,所述标记信息包括所述用户针对所述待识别图像标记的所述商户的节碳行为;
所述确定模块403,根据接收到的所述标记信息,确定表征所述商户的节碳量的值。
所述确定模块403,确定所述标记信息包括的节碳行为;确定所述节碳行为对应的基准值;根据所述基准值以及信任系数的乘积,确定表征所述商户的节碳量的值。
所述装置还包括:
调整模块405,根据所述待识别图像以及所述标记信息,对所述图像识别模型进行调整。
所述确定模块403,确定所述用户的贡献度;为所述用户提供所述贡献度对应的虚拟物品,和/或,向所述用户的账户添加所述贡献度。
表征所述商户的节碳量的值包括:表征所述商户的节碳量的节碳积分;
所述装置还包括:
添加模块406,向所述商户的节碳账户中添加所述节碳积分。
图5为本说明书提供的一种数据处理的装置示意图,具体包括:
采集模块501,采集商户的图像作为待识别图像;
发送模块502,将所述待识别图像发送给服务器,以使服务器通过预先训练的图像识别模型,从所述待识别图像中识别所述商户的节碳行为,并根据所述节碳行为,确定表征所述商户的节碳量的值。
所述装置还包括:
接收模块503,接收所述服务器发送的标记提示,所述标记提示是所述服务器未通过所述图像识别模型从所述待识别图像中识别出所述商户的节碳行为时向用户发送的;
所述发送模块502,接收所述用户根据所述标记提示输入的标记信息,并将所述标记信息发送给所述服务器,以使所述服务器根据所述标记信息,确定所述商户的节碳行为。
基于上述说明的数据处理的方法,本说明书还对应提供了一种用于数据处理的设备,如图6所示。该设备包括一个或多个存储器以及处理器,所述存储器存储程序,并且被配置成由所述一个或多个处理器执行以下步骤:
获取用户发送的待识别图像,所述待识别图像是所述用户针对商户采集的;
通过预先训练的图像识别模型,对所述待识别图像进行识别,以识别所述商户的节碳行为;
根据所述节碳行为,确定表征所述商户的节碳量的值。
基于上述说明的数据处理的方法,本说明书还对应提供了一种用于数据处理的设备,如图7所示。该设备包括一个或多个存储器以及处理器,所述存储器存储程序,并且被配置成由所述一个或多个处理器执行以下步骤:
采集商户的图像作为待识别图像;
将所述待识别图像发送给服务器,以使服务器通过预先训练的图像识别模型,从所述待识别图像中识别所述商户的节碳行为,并根据所述节碳行为,确定表征所述商户的节碳量的值。
在本说明书的一个或多个实施例中,在获取到用户针对商户采集到的待识别图像后,可以通过预先训练的图像识别模型,对该待识别图像进行识别,以识别该商户的节碳行为,并根据识别出的节碳行为,确定表征该商户的节碳量的值。
由于可以基于用户针对商户采集的待识别图像,对商户的节碳行为进行识别,从而根据识别出的商户的节碳行为,对该商户的节碳量进行有效的量化,因此,基于针对节碳量所量化出的值,可使商户了解自身的实际节碳情况,并基于了解到的实际节碳情况对后续的节碳工作进行有效的开展,进而可为社会的节能减排工作带来了积极的影响。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书一个或多个实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
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。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
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。
以上所述仅为本说明书的一个或多个实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (20)
1.一种数据处理的方法,包括:
获取用户发送的待识别图像,所述待识别图像是所述用户针对商户采集的、包含所述商户的节碳行为相关信息的图像;
通过预先训练的图像识别模型,对所述待识别图像进行识别,以识别所述商户的节碳行为;
根据所述节碳行为,确定表征所述商户的节碳量的值。
2.如权利要求1所述的方法,所述方法还包括:
当通过所述图像识别模型未从所述待识别图像中识别出所述商户的节碳行为时,接收所述用户发送的所述待识别图像对应的标记信息,所述标记信息包括所述用户针对所述待识别图像标记的所述商户的节碳行为;
根据接收到的所述标记信息,确定表征所述商户的节碳量的值。
3.如权利要求2所述的方法,根据接收到的所述标记信息,确定表征所述商户的节碳量的值,具体包括:
确定所述标记信息包括的节碳行为;
确定所述节碳行为对应的基准值;
根据所述基准值以及信任系数的乘积,确定表征所述商户的节碳量的值。
4.如权利要求2所述的方法,所述方法还包括:
根据所述待识别图像以及所述标记信息,对所述图像识别模型进行调整。
5.如权利要求1所述的方法,所述方法还包括:
确定所述用户的贡献度;
为所述用户提供所述贡献度对应的虚拟物品,和/或,向所述用户的账户添加所述贡献度。
6.如权利要求1所述的方法,所述图像识别模型是通过人工的方式,基于采集到的大量训练样本得到的,和/或所述图像识别模型是利用所述用户发送的标记信息训练得到的。
7.如权利要求1所述的方法,表征所述商户的节碳量的值包括:表征所述商户的节碳量的节碳积分;
所述方法还包括:
向所述商户的节碳账户中添加所述节碳积分。
8.一种数据处理的方法,包括:
采集商户的图像作为待识别图像,所述待识别图像包含所述商户的节碳行为相关信息的图像;
将所述待识别图像发送给服务器,以使服务器通过预先训练的图像识别模型,从所述待识别图像中识别所述商户的节碳行为,并根据所述节碳行为,确定表征所述商户的节碳量的值。
9.如权利要求8所述的方法,所述方法还包括:
接收所述服务器发送的标记提示,所述标记提示是所述服务器未通过所述图像识别模型从所述待识别图像中识别出所述商户的节碳行为时发送的;
接收所述用户根据所述标记提示输入的标记信息,并将所述标记信息发送给所述服务器,以使所述服务器根据所述标记信息,确定所述商户的节碳行为。
10.如权利要求8所述的方法,所述图像识别模型是通过人工的方式,基于采集到的大量训练样本得到的,和/或所述图像识别模型是利用所述用户发送的标记信息训练得到的。
11.一种数据处理的装置,包括:
获取模块,获取用户发送的待识别图像,所述待识别图像是所述用户针对商户采集的、包含所述商户的节碳行为相关信息的图像;
识别模块,通过预先训练的图像识别模型,对所述待识别图像进行识别,以确定商户的节碳行为;
确定模块,根据所述节碳行为,确定表征所述商户的节碳量的值。
12.如权利要求11所述的装置,所述装置还包括:
接收模块,当通过所述图像识别模型未从所述待识别图像中识别出所述商户的节碳行为时,接收所述用户发送的所述待识别图像对应的标记信息,所述标记信息包括所述用户针对所述待识别图像标记的所述商户的节碳行为;
所述确定模块,根据接收到的所述标记信息,确定表征所述商户的节碳量的值。
13.如权利要求12所述的装置,所述确定模块,确定所述标记信息包括的节碳行为;确定所述节碳行为对应的基准值;根据所述基准值以及信任系数的乘积,确定表征所述商户的节碳量的值。
14.如权利要求12所述的装置,所述装置还包括:
调整模块,根据所述待识别图像以及所述标记信息,对所述图像识别模型进行调整。
15.如权利要求11所述的装置,所述确定模块,确定所述用户的贡献度;为所述用户提供所述贡献度对应的虚拟物品,和/或,向所述用户的账户添加所述贡献度。
16.如权利要求12所述的装置,表征所述商户的节碳量的值包括:表征所述商户的节碳量的节碳积分;
所述装置还包括:
添加模块,向所述商户的节碳账户中添加所述节碳积分。
17.一种数据处理的装置,包括:
采集模块,采集商户的图像作为待识别图像,所述待识别图像包含所述商户的节碳行为相关信息的图像;
发送模块,将所述待识别图像发送给服务器,以使服务器通过预先训练的图像识别模型,从所述待识别图像中识别所述商户的节碳行为,并根据所述节碳行为,确定表征所述商户的节碳量的值。
18.如权利要求17所述的装置,所述装置还包括:
接收模块,接收所述服务器发送的标记提示,所述标记提示是所述服务器未通过所述图像识别模型从所述待识别图像中识别出所述商户的节碳行为时发送的;
所述发送模块,接收所述用户根据所述标记提示输入的标记信息,并将所述标记信息发送给所述服务器,以使所述服务器根据所述标记信息,确定所述商户的节碳行为。
19.一种数据处理的设备,包括一个或多个存储器以及处理器,所述存储器存储程序,并且被配置成由所述一个或多个处理器执行以下步骤:
获取用户发送的待识别图像,所述待识别图像是所述用户针对商户采集的、包含所述商户的节碳行为相关信息的图像;
通过预先训练的图像识别模型,对所述待识别图像进行识别,以识别所述商户的节碳行为;
根据所述节碳行为,确定表征所述商户的节碳量的值。
20.一种数据处理的设备,包括一个或多个存储器以及处理器,所述存储器存储程序,并且被配置成由所述一个或多个处理器执行以下步骤:
采集针对商户的待识别图像,所述待识别图像包含所述商户的节碳行为相关信息的图像;
将所述待识别图像发送给服务器,以使服务器通过预先训练的图像识别模型,对所述待识别图像进行识别,以识别所述商户的节碳行为,并根据所述节碳行为,确定表征所述商户的节碳量的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110545546.5A CN113139524A (zh) | 2017-12-14 | 2017-12-14 | 一种数据处理的方法、装置及设备 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711334828.0A CN108229337B (zh) | 2017-12-14 | 2017-12-14 | 一种数据处理的方法、装置及设备 |
CN202110545546.5A CN113139524A (zh) | 2017-12-14 | 2017-12-14 | 一种数据处理的方法、装置及设备 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711334828.0A Division CN108229337B (zh) | 2017-12-14 | 2017-12-14 | 一种数据处理的方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113139524A true CN113139524A (zh) | 2021-07-20 |
Family
ID=62649515
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711334828.0A Active CN108229337B (zh) | 2017-12-14 | 2017-12-14 | 一种数据处理的方法、装置及设备 |
CN202110545546.5A Pending CN113139524A (zh) | 2017-12-14 | 2017-12-14 | 一种数据处理的方法、装置及设备 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711334828.0A Active CN108229337B (zh) | 2017-12-14 | 2017-12-14 | 一种数据处理的方法、装置及设备 |
Country Status (5)
Country | Link |
---|---|
US (2) | US10878239B2 (zh) |
CN (2) | CN108229337B (zh) |
SG (1) | SG11202001210YA (zh) |
TW (1) | TWI713908B (zh) |
WO (1) | WO2019114425A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108229337B (zh) | 2017-12-14 | 2021-03-30 | 创新先进技术有限公司 | 一种数据处理的方法、装置及设备 |
CN113516212B (zh) * | 2018-08-17 | 2024-05-10 | 创新先进技术有限公司 | 一种低碳消费的识别方法、装置及电子设备 |
CN110009296A (zh) * | 2019-02-11 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 理赔业务的处理方法及装置 |
CN110782158B (zh) * | 2019-10-24 | 2022-07-08 | 支付宝(杭州)信息技术有限公司 | 对象评估方法及装置 |
CN111401759B (zh) * | 2020-03-20 | 2022-08-23 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
CN111353883A (zh) * | 2020-05-22 | 2020-06-30 | 浙江网商银行股份有限公司 | 一种为商户提供服务的方法和装置 |
CN113505837A (zh) * | 2021-07-14 | 2021-10-15 | 同济大学 | 一种基于Faster-RCNN的测量标志自动提取方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070219862A1 (en) * | 2006-03-20 | 2007-09-20 | Casella Waste Systems, Inc. | System and method for identifying and processing recyclables |
US20110064431A1 (en) * | 2009-09-14 | 2011-03-17 | Yuusuke Kohri | Image forming apparatus and method of monitoring image forming apparatus power consumption |
CN102243684A (zh) * | 2010-05-13 | 2011-11-16 | 上海杰远环保科技有限公司 | 一种基于图像识别功能实现的节能环保指引方法及系统 |
JP2012053712A (ja) * | 2010-09-01 | 2012-03-15 | Toshiba Tec Corp | 店舗システム及び商品コード読取装置 |
US20120116792A1 (en) * | 2009-07-15 | 2012-05-10 | Ji Young Lee | Terminal calculating carbon emission, carbon emission management server and carbon monitoring method |
WO2013187686A1 (ko) * | 2012-06-14 | 2013-12-19 | Lee Cheol Hee | 모바일 단말기를 통한 재활용품 수거 방법 및 그 시스템 |
CN103745238A (zh) * | 2013-11-15 | 2014-04-23 | 中国科学院遥感与数字地球研究所 | 基于AdaBoost和主动形状模型的受电弓识别方法 |
CN104732654A (zh) * | 2015-03-30 | 2015-06-24 | 苏州朗米尔照明科技有限公司 | 基于图像识别技术的有偿节能灯回收行为关联方法 |
CN104836780A (zh) * | 2014-02-12 | 2015-08-12 | 腾讯科技(深圳)有限公司 | 数据交互方法、验证终端、服务器和系统 |
CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
CN106846621A (zh) * | 2017-02-20 | 2017-06-13 | 湖南大学 | “互联网+”包装瓶智能回收系统及方法 |
CN106874954A (zh) * | 2017-02-20 | 2017-06-20 | 佛山市络思讯科技有限公司 | 一种信息获取的方法以及相关装置 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110055092A1 (en) * | 2009-09-01 | 2011-03-03 | Qwest Communications International, Inc. | Electronic Systems and Methods for Aggregating and Distributing Environmental Credits |
TW201118789A (en) * | 2009-09-09 | 2011-06-01 | Univ Trobe | Method and system for energy management |
US20120101883A1 (en) * | 2010-05-04 | 2012-04-26 | Pervez Akhter | System and Method for Rewarding Smart Phone Users Personal Companion |
TWI569214B (zh) * | 2011-01-04 | 2017-02-01 | Chunghwa Telecom Co Ltd | The system and method of purchasing stored value points |
US20130035973A1 (en) * | 2011-08-01 | 2013-02-07 | Infosys Limited | Assessing green it maturity and providing green it recommendations |
US20150189233A1 (en) * | 2012-04-30 | 2015-07-02 | Goggle Inc. | Facilitating user interaction in a video conference |
TW201347538A (zh) * | 2012-05-08 | 2013-11-16 | Univ Nat Chiao Tung | 互動視訊平台系統及方法 |
CN105744218B (zh) | 2014-12-11 | 2019-04-26 | 小米科技有限责任公司 | 垃圾清理方法及装置 |
CN106709525A (zh) * | 2017-01-05 | 2017-05-24 | 北京大学 | 一种相机测量食物营养成分方法 |
CN107256386A (zh) * | 2017-05-23 | 2017-10-17 | 东南大学 | 基于深度学习的人类行为分析方法 |
CN107247946B (zh) * | 2017-07-06 | 2021-01-26 | 北京安宁威尔科技发展有限公司 | 行为识别方法及装置 |
US10025950B1 (en) * | 2017-09-17 | 2018-07-17 | Everalbum, Inc | Systems and methods for image recognition |
CN108229337B (zh) | 2017-12-14 | 2021-03-30 | 创新先进技术有限公司 | 一种数据处理的方法、装置及设备 |
-
2017
- 2017-12-14 CN CN201711334828.0A patent/CN108229337B/zh active Active
- 2017-12-14 CN CN202110545546.5A patent/CN113139524A/zh active Pending
-
2018
- 2018-10-09 TW TW107135547A patent/TWI713908B/zh active
- 2018-10-25 WO PCT/CN2018/111852 patent/WO2019114425A1/zh active Application Filing
- 2018-10-25 SG SG11202001210YA patent/SG11202001210YA/en unknown
-
2020
- 2020-02-28 US US16/805,525 patent/US10878239B2/en active Active
- 2020-12-28 US US17/135,988 patent/US11106909B2/en active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070219862A1 (en) * | 2006-03-20 | 2007-09-20 | Casella Waste Systems, Inc. | System and method for identifying and processing recyclables |
US20120116792A1 (en) * | 2009-07-15 | 2012-05-10 | Ji Young Lee | Terminal calculating carbon emission, carbon emission management server and carbon monitoring method |
US20110064431A1 (en) * | 2009-09-14 | 2011-03-17 | Yuusuke Kohri | Image forming apparatus and method of monitoring image forming apparatus power consumption |
CN102243684A (zh) * | 2010-05-13 | 2011-11-16 | 上海杰远环保科技有限公司 | 一种基于图像识别功能实现的节能环保指引方法及系统 |
JP2012053712A (ja) * | 2010-09-01 | 2012-03-15 | Toshiba Tec Corp | 店舗システム及び商品コード読取装置 |
WO2013187686A1 (ko) * | 2012-06-14 | 2013-12-19 | Lee Cheol Hee | 모바일 단말기를 통한 재활용품 수거 방법 및 그 시스템 |
CN103745238A (zh) * | 2013-11-15 | 2014-04-23 | 中国科学院遥感与数字地球研究所 | 基于AdaBoost和主动形状模型的受电弓识别方法 |
CN104836780A (zh) * | 2014-02-12 | 2015-08-12 | 腾讯科技(深圳)有限公司 | 数据交互方法、验证终端、服务器和系统 |
CN104732654A (zh) * | 2015-03-30 | 2015-06-24 | 苏州朗米尔照明科技有限公司 | 基于图像识别技术的有偿节能灯回收行为关联方法 |
CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
CN106846621A (zh) * | 2017-02-20 | 2017-06-13 | 湖南大学 | “互联网+”包装瓶智能回收系统及方法 |
CN106874954A (zh) * | 2017-02-20 | 2017-06-20 | 佛山市络思讯科技有限公司 | 一种信息获取的方法以及相关装置 |
Non-Patent Citations (1)
Title |
---|
曹代勇;杨光;豆旭谦;宋现锋;杜晓敏;: "基于遥感技术的内蒙古乌达煤田火区碳排放计算", 煤炭学报, no. 12 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019114425A1 (zh) | 2019-06-20 |
US20210117675A1 (en) | 2021-04-22 |
US20200202126A1 (en) | 2020-06-25 |
CN108229337A (zh) | 2018-06-29 |
CN108229337B (zh) | 2021-03-30 |
TWI713908B (zh) | 2020-12-21 |
US10878239B2 (en) | 2020-12-29 |
US11106909B2 (en) | 2021-08-31 |
SG11202001210YA (en) | 2020-03-30 |
TW201928804A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229337B (zh) | 一种数据处理的方法、装置及设备 | |
CN107358157B (zh) | 一种人脸活体检测方法、装置以及电子设备 | |
WO2019154162A1 (zh) | 一种风控规则生成方法和装置 | |
CN110956275B (zh) | 风险预测和风险预测模型的训练方法、装置及电子设备 | |
US20200202076A1 (en) | Social content risk identification | |
CN111539811B (zh) | 风险账户的识别方法及装置 | |
CN114202370A (zh) | 一种信息推荐方法和装置 | |
CN110008991B (zh) | 风险事件的识别、风险识别模型的生成方法、装置、设备及介质 | |
CN112257114A (zh) | 一种应用程序隐私合规检测方法、装置、设备和介质 | |
CN105046289A (zh) | 一种文字域类型识别方法和文字域类型识别系统 | |
CN109408522A (zh) | 一种用户特征数据的更新方法和装置 | |
CN113221555A (zh) | 一种基于多任务模型的关键词识别方法、装置及设备 | |
CN110033092B (zh) | 数据标签生成、模型训练、事件识别方法和装置 | |
CN111652286A (zh) | 一种基于图嵌入的物体识别方法、设备及介质 | |
CN111144744B (zh) | 业务处理方法、装置及电子设备 | |
CN110688460B (zh) | 风险识别的方法、装置、可读存储介质以及电子设备 | |
CN112286968A (zh) | 一种业务识别方法、设备、介质及电子设备 | |
CN107392408B (zh) | 一种信用分数的提示信息输出方法及装置 | |
CN113159834B (zh) | 一种商品信息排序方法、装置以及设备 | |
CN114926437A (zh) | 一种图像质量评价方法及装置 | |
CN113344197A (zh) | 一种识别模型的训练方法、业务执行的方法以及装置 | |
CN105260174A (zh) | 实时Java虚拟机中基于等价类的对象内存状态的记录跟踪方法 | |
CN111597368A (zh) | 一种数据处理方法及装置 | |
CN109344392A (zh) | 一种证券客服咨询的智能消息推送方法、系统及装置 | |
CN112598279A (zh) | 一种信息的提供方法及装置 |
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 |