CN113191267A - 基于图像识别的文物识物app的应用方法 - Google Patents
基于图像识别的文物识物app的应用方法 Download PDFInfo
- Publication number
- CN113191267A CN113191267A CN202110482737.1A CN202110482737A CN113191267A CN 113191267 A CN113191267 A CN 113191267A CN 202110482737 A CN202110482737 A CN 202110482737A CN 113191267 A CN113191267 A CN 113191267A
- Authority
- CN
- China
- Prior art keywords
- cultural relic
- image
- information
- cultural
- relic
- 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 23
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 230000006870 function Effects 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 10
- 238000009792 diffusion process Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000011161 development Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000001537 neural effect Effects 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 230000033772 system development Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于图像识别的文物识物APP的应用方法,该方法包括以下步骤:步骤1,文物信息采集;步骤2,处理文物信息;步骤3,开发基于图像识别的文物识别应用;步骤4,使用coremltools将文物识别模型转化为Core ML框架,并将转化后文物识别模型的Core ML格式嵌入到文物识别应用中;步骤5,应用系统使用TestFlight进行测试。针对文物识别及应用系统开发问题,本发明通过人工采集等手段,把文物信息数据存入文件中,然后通过分析整理对数据进行预处理,对文物进行入库处理,并可根据游客拍摄的文物照片,调用图像识别的API,获取返回的JSON数据,提取关键信息,最后根据关键信息与数据库中数据进行比对,获取可信度最高的文物信息。
Description
技术领域
本发明涉及文物识别领域,特别是涉及基于图像识别的文物识物APP的应用方法。
背景技术
人工智能是指让计算机学习人类的思维方式的一种技术手段,去解决生活中存在的问题,通过编写智能化的程序或者是制造智能化的机器,使之能够模仿人类的思维方式去解决问题,而且人工智能是一种及计算机科学、数学、统计学等学科于一身的科学技术。当前社会,人工智能已经得到广泛的应用,极大的方便了人们的生活,具有很大的影响。
从新石器良渚文化时期算起,距今己有五千多年,而文物则是这一厚重历史和优秀文化的载体,凝结着不同阶段的重要历史信息,具有极大的研究价值。城镇化建设,也使得一大批文物重见天日,但是,专业的文物工作者毕竟是少数,很多文物的发现者并不能正确保护刚出土的文物,甚至不知道是不是文物,一些损坏和遗失文物的案例时有发生。因此,可以借助目前己得到广泛应用的图像识别技术为文物知识储备不足的人员提供一种能够方便快捷甄别文物的手段。
这些年,人工智能技术快速发展,而图像识别技术是人工智能领域的一个重要分支,目前在医学、生物和军工等领域已经有了广泛的应用。基于上述背景,本发明提出了一种基于图像匹配的文物识别系统,并设计与实现了一套文物识别系统,一方面可提供线上精确快速识别文物服务,另一方面为文物相关研究人员提供文物图像数据共享平台
发明内容
为解决上述问题,本发明提出了基于图像识别的文物识物APP的应用方法,通过人工采集等手段,把文物信息数据存入文件中,然后通过分析整理对数据进行预处理,对文物进行入库处理。为达此目的,本发明提供基于图像识别的文物识物APP的应用方法,具体步骤如下,其特征在于:
步骤1,文物信息采集:通过人工采集的方式采集文物图像数据,并将采集到的文物信息经处理后存入SQLite数据库的文件夹中;
步骤2,处理文物信息:将采集到的文物图像数据通过图像识别技术返回图像特征,提取数据库中的完备的文物信息;
步骤3,开发基于图像识别的文物识别应用:该应用主要由三个主功能模块组成:文物信息概览模块、文物识别模块、用户管理模块;
步骤4,使用coremltools将文物识别模型转化为Core ML框架,并将转化后文物识别模型的Core ML格式嵌入到文物识别应用中;
步骤5,应用系统使用TestFlight进行测试,检测系统在功能上是否符合预期目标,经过大量的测试以及验证,完成了一定的修正以及优化,并上架Apple App Store,为用户提供体验服务。
进一步,步骤1中文物信息数据库设计可以表示为:
本系统采用SQLite数据库对系统数据进行处理,针对于本APP设计两个数据表,文物信息表与用户信息表,分别用来对景物信息的存储和对用户信息的存储;本系统数据库E-R 图由登录用户与未登录用户对系统的登录、修改、发表、查看的属性关联。
进一步,步骤2中处理文物信息的过程可以表示为:
步骤2.1,对采集到的文物图像数据进行非线性扩散滤波,把图像中的亮度变换转换为图像的散度来表示:
式中,k为梯度临界值;
步骤2.2,将图像的进化时间转换为图像像素:
式中,б是图像的像素;
步骤2.3,求解文物图像的特征点L:
L=σ2(LxxLyy-Lxy) (4)
式中,Lxx是图像经过非线性扩散滤波及像素转换后,在图像x处的二阶微分值,Lyy是在图像y处的二阶微分值,Lxy是在图像x,y处的二阶交叉偏导数。
进一步,步骤3中开发基于图像识别的文物识别应用可以表示如下:
首先,用户进入应用系统,未登录用户可查看文物详细信息,在联网的情况下,可使用文物识别功能,同时,未登录用户可进入登录或注册成为登录用户,输入正确的登录信息,即可登录成功,登录用户看也可在联网的基础上对文物进行识别以及查看文物详情;同时,登录用户可发表文物信息和更改个人信息,也可选择退出登录,成为未登录用户;
该应用主要由三个主功能模块组成:文物信息概览模块、文物识别模块、用户管理模块,其中文物信息概览模块包括文物详细信息模块,文物识别模块包括文物信息推荐模块和文物信息发表模块,用户管理模块包括用户信息模块、用户登录模块和用户注册模块;
其中文物识别模块,主要是通过图片对文物进行识别,需要使用到手机上的拍照功能或图库的功能,方便对图片中的文物进行识别,并经过下列步骤对文物进行识别:
步骤3.1,APP通过给“拍照”按钮添加监听事件来调用手机相机,并由手机拍照获得当前待识别的文物图像,并将文物图像上传至文物识别模块;
步骤3.2,文物识别模块经过步骤2提取文物图像特征点;
步骤3.3,将提取的文物图像点输入至已训练完成的LibSVM文物识别模型中,获得文物的分类标签以及可信度,并在APP中显示可信度最高的文物详细信息弹出框;
其中文物详细信息弹出框是通过HttpURLConnection请求获取百度提供的账号信息获取对应的access_token(接口调用凭据),请求成功后返回JSON数据包,在文物识别模型识别出文物详细信息后,再通过JSON对象的解析,获取所需的文物信息。
进一步,步骤4中,使用coremltools将文物识别模型转化为Core ML框架的过程可以表示如下:
Core ML通过利用CPU,GPU和神经引擎来优化设备上的性能,同时最大程度地减少其内存占用空间和功耗,将训练完成的LibSVM文物识别模型使用coremltools Python软件包将模型从第三方培训库转换为Core ML格式,再使用Core ML将模型集成到文物识别APP中,同时在用户设备上运行LibSVM文物识别模型消除对网络连接的需求,并保持用户数据的私密性和应用程序的响应速度。
本发明基于图像识别的文物识物APP的应用方法,有益效果:本发明的技术效果在于:
1.本发明通过人工采集等手段,把文物信息数据存入文件中,然后通过分析整理对数据进行预处理,对文物进行入库处理,提高了应用系统处理数据的速度;
2.本发明可根据游客拍摄的文物照片,调用图像识别的API,获取返回的JSON数据,提取关键信息,最后根据关键信息与数据库中数据进行比对,获取可信度最高的文物信息。
附图说明
图1位本发明的数据库E-R图;
图2为本发明的用户管理模块业务流程图;
图3为本发明的功能模块设计图;
图4为本发明的图像识别过程图;
图5为本发明的文物识别程序界面图;
图6为本发明的文物识别结果程序界面图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提出了基于图像识别的文物识物APP的应用方法,旨在获得能够能对图像识别的文物识别APP,下面对本发明的步骤作详细介绍。
步骤1,文物信息采集:通过人工采集的方式采集文物图像数据,并将采集到的文物信息经处理后存入SQLite数据库的文件夹中;
步骤1中文物信息数据库设计可以表示为:
本系统采用SQLite数据库对系统数据进行处理,针对于本APP设计两个数据表,文物信息表与用户信息表,分别用来对景物信息的存储和对用户信息的存储;本系统数据库E-R 图由登录用户与未登录用户对系统的登录、修改、发表、查看的属性关联,如图1所示。
步骤2,处理文物信息:将采集到的文物图像数据通过图像识别技术返回图像特征,提取数据库中的完备的文物信息;
步骤2中处理文物信息的过程可以表示为:
步骤2.1,对采集到的文物图像数据进行非线性扩散滤波,把图像中的亮度变换转换为图像的散度来表示:
式中,k为梯度临界值;
步骤2.2,将图像的进化时间转换为图像像素:
式中,б是图像的像素;
步骤2.3,求解文物图像的特征点L:
L=σ2(LxxLyy-Lxy) (4)
式中,Lxx是图像经过非线性扩散滤波及像素转换后,在图像x处的二阶微分值,Lyy是在图像y处的二阶微分值,Lxy是在图像x,y处的二阶交叉偏导数。
步骤3,开发基于图像识别的文物识别应用:该应用主要由三个主功能模块组成:文物信息概览模块、文物识别模块、用户管理模块;
步骤3中开发基于图像识别的文物识别应用可以表示如下:
首先,用户进入应用系统,未登录用户可查看文物详细信息,在联网的情况下,可使用文物识别功能,同时,未登录用户可进入登录或注册成为登录用户,输入正确的登录信息,即可登录成功,登录用户看也可在联网的基础上对文物进行识别以及查看文物详情;同时,登录用户可发表文物信息和更改个人信息,也可选择退出登录,成为未登录用户,用户管理模块业务流程图如图2所示;
该应用主要由三个主功能模块组成:文物信息概览模块、文物识别模块、用户管理模块,功能模块设计图如图3所示,其中文物信息概览模块包括文物详细信息模块,文物识别模块包括文物信息推荐模块和文物信息发表模块,用户管理模块包括用户信息模块、用户登录模块和用户注册模块;
其中文物识别模块,主要是通过图片对文物进行识别,需要使用到手机上的拍照功能或图库的功能,方便对图片中的文物进行识别,图像识别过程图如图4所示,并经过下列步骤对文物进行识别:
步骤3.1,APP通过给“拍照”按钮添加监听事件来调用手机相机,并由手机拍照获得当前待识别的文物图像,并将文物图像上传至文物识别模块;
步骤3.2,文物识别模块经过步骤2提取文物图像特征点;
步骤3.3,将提取的文物图像点输入至已训练完成的LibSVM文物识别模型中,获得文物的分类标签以及可信度,并在APP中显示可信度最高的文物详细信息弹出框,文物识别程序界面图如图5所示;
其中文物详细信息弹出框是通过HttpURLConnection请求获取百度提供的账号信息获取对应的access_token(接口调用凭据),请求成功后返回JSON数据包,在文物识别模型识别出文物详细信息后,再通过JSON对象的解析,获取所需的文物信息,文物识别结果程序界面图如图6所示。
步骤4,使用coremltools将文物识别模型转化为Core ML框架,并将转化后文物识别模型的Core ML格式嵌入到文物识别应用中;
步骤5,应用系统使用TestFlight进行测试,检测系统在功能上是否符合预期目标,经过大量的测试以及验证,完成了一定的修正以及优化,并上架Apple App Store,为用户提供体验服务。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (4)
1.基于图像识别的文物识物APP的应用方法,具体步骤如下,其特征在于:
步骤1,文物信息采集:通过人工采集的方式采集文物图像数据,并将采集到的文物信息经处理后存入SQLite数据库的文件夹中;
步骤2,处理文物信息:将采集到的文物图像数据通过图像识别技术返回图像特征,提取数据库中的完备的文物信息;
步骤2中处理文物信息的过程表示为:
步骤2.1,对采集到的文物图像数据进行非线性扩散滤波,把图像中的亮度变换转换为图像的散度来表示:
式中,k为梯度临界值;
步骤2.2,将图像的进化时间转换为图像像素:
式中,б是图像的像素;
步骤2.3,求解文物图像的特征点L:
L=σ2(LxxLyy-Lxy) (4)
式中,Lxx是图像经过非线性扩散滤波及像素转换后,在图像x处的二阶微分值,Lyy是在图像y处的二阶微分值,Lxy是在图像x,y处的二阶交叉偏导数;
步骤3,开发基于图像识别的文物识别应用:该应用主要由三个主功能模块组成:文物信息概览模块、文物识别模块、用户管理模块;
步骤4,使用coremltools将文物识别模型转化为Core ML框架,并将转化后文物识别模型的Core ML格式嵌入到文物识别应用中;
步骤5,应用系统使用TestFlight进行测试,检测系统在功能上是否符合预期目标,经过大量的测试以及验证,完成了一定的修正以及优化,并上架Apple App Store,为用户提供体验服务。
2.根据权利要求1所述的基于图像识别的文物识物APP的应用方法,其特征在于,步骤1中文物信息数据库设计表示为:
本系统采用SQLite数据库对系统数据进行处理,针对于本APP设计两个数据表,文物信息表与用户信息表,分别用来对景物信息的存储和对用户信息的存储;本系统数据库E-R图由登录用户与未登录用户对系统的登录、修改、发表、查看的属性关联。
3.根据权利要求1所述的基于图像识别的文物识物APP的应用方法,其特征在于,
步骤3中开发基于图像识别的文物识别应用表示如下:
用户进入应用系统,未登录用户可查看文物详细信息,在联网的情况下,可使用文物识别功能,同时,未登录用户可进入登录或注册成为登录用户,输入正确的登录信息,即可登录成功,登录用户看也可在联网的基础上对文物进行识别以及查看文物详情;同时,登录用户可发表文物信息和更改个人信息,也可选择退出登录,成为未登录用户;
该应用主要由三个主功能模块组成:文物信息概览模块、文物识别模块、用户管理模块,其中文物信息概览模块包括文物详细信息模块,文物识别模块包括文物信息推荐模块和文物信息发表模块,用户管理模块包括用户信息模块、用户登录模块和用户注册模块;
其中文物识别模块,主要是通过图片对文物进行识别,需要使用到手机上的拍照功能或图库的功能,方便对图片中的文物进行识别,并经过下列步骤对文物进行识别:
步骤3.1,APP通过给“拍照”按钮添加监听事件来调用手机相机,并由手机拍照获得当前待识别的文物图像,并将文物图像上传至文物识别模块;
步骤3.2,文物识别模块经过步骤2提取文物图像特征点;
步骤3.3,将提取的文物图像点输入至已训练完成的LibSVM文物识别模型中,获得文物的分类标签以及可信度,并在APP中显示可信度最高的文物详细信息弹出框;
其中文物详细信息弹出框是通过HttpURLConnection请求获取百度提供的账号信息获取对应的access_token(接口调用凭据),请求成功后返回JSON数据包,在文物识别模型识别出文物详细信息后,再通过JSON对象的解析,获取所需的文物信息。
4.根据权利要求1所述的基于图像识别的文物识物APP的应用方法,其特征在于,步骤4中,使用coremltools将文物识别模型转化为Core ML框架的过程可以表示如下:
Core ML通过利用CPU,GPU和神经引擎来优化设备上的性能,同时最大程度地减少其内存占用空间和功耗,将训练完成的LibSVM文物识别模型使用coremltools Python软件包将模型从第三方培训库转换为Core ML格式,再使用Core ML将模型集成到文物识别APP中,同时在用户设备上运行LibSVM文物识别模型消除对网络连接的需求,并保持用户数据的私密性和应用程序的响应速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110482737.1A CN113191267A (zh) | 2021-04-30 | 2021-04-30 | 基于图像识别的文物识物app的应用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110482737.1A CN113191267A (zh) | 2021-04-30 | 2021-04-30 | 基于图像识别的文物识物app的应用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113191267A true CN113191267A (zh) | 2021-07-30 |
Family
ID=76983507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110482737.1A Pending CN113191267A (zh) | 2021-04-30 | 2021-04-30 | 基于图像识别的文物识物app的应用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113191267A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096028A (zh) * | 2016-06-24 | 2016-11-09 | 北京旷视科技有限公司 | 基于图像识别的文物索引方法及装置 |
CN206470209U (zh) * | 2017-02-27 | 2017-09-05 | 中国人民公安大学 | 一种文物认证系统 |
CN107395360A (zh) * | 2017-07-23 | 2017-11-24 | 刘志强 | 一种基于区块链技术的文物及艺术品数字存证的方法 |
US20180349700A1 (en) * | 2017-05-30 | 2018-12-06 | Luigi Percuoco | Augmented reality smartglasses for use at cultural sites |
CN109118591A (zh) * | 2018-07-27 | 2019-01-01 | 天津大学 | 一种基于增强现实技术的文物云识别与交互系统及方法 |
US20190347514A1 (en) * | 2017-01-25 | 2019-11-14 | Chengdu Zhongxin Huarui Technology Co., Ltd. | Detection method, device, apparatus and computer storage medium |
CN111612888A (zh) * | 2020-05-15 | 2020-09-01 | 北京工业大学 | 一种文物建筑图形的自动生成方法、系统及存储介质 |
CN112560619A (zh) * | 2020-12-06 | 2021-03-26 | 国网江苏省电力有限公司常州供电分公司 | 一种基于多聚焦图像融合的多距离鸟类精准识别方法 |
-
2021
- 2021-04-30 CN CN202110482737.1A patent/CN113191267A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096028A (zh) * | 2016-06-24 | 2016-11-09 | 北京旷视科技有限公司 | 基于图像识别的文物索引方法及装置 |
US20190347514A1 (en) * | 2017-01-25 | 2019-11-14 | Chengdu Zhongxin Huarui Technology Co., Ltd. | Detection method, device, apparatus and computer storage medium |
CN206470209U (zh) * | 2017-02-27 | 2017-09-05 | 中国人民公安大学 | 一种文物认证系统 |
US20180349700A1 (en) * | 2017-05-30 | 2018-12-06 | Luigi Percuoco | Augmented reality smartglasses for use at cultural sites |
CN107395360A (zh) * | 2017-07-23 | 2017-11-24 | 刘志强 | 一种基于区块链技术的文物及艺术品数字存证的方法 |
CN109118591A (zh) * | 2018-07-27 | 2019-01-01 | 天津大学 | 一种基于增强现实技术的文物云识别与交互系统及方法 |
CN111612888A (zh) * | 2020-05-15 | 2020-09-01 | 北京工业大学 | 一种文物建筑图形的自动生成方法、系统及存储介质 |
CN112560619A (zh) * | 2020-12-06 | 2021-03-26 | 国网江苏省电力有限公司常州供电分公司 | 一种基于多聚焦图像融合的多距离鸟类精准识别方法 |
Non-Patent Citations (2)
Title |
---|
张赛东等: "基于ARKit技术的文物交互式相机App设计与实现", 《湖南工业大学学报》, vol. 34, no. 5, pages 41 - 42 * |
魏阳: "基于多特征的兵马俑碎片图像分类及检索技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 1, pages 138 - 2692 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10713540B2 (en) | Deep learning system for recognizing pills in images | |
CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
CN109214303B (zh) | 一种基于云端api的多线程动态人脸签到方法 | |
CN106777177A (zh) | 检索方法和装置 | |
CN110796204B (zh) | 视频标签确定方法、装置和服务器 | |
CN111340131A (zh) | 图像的标注方法、装置、可读介质和电子设备 | |
CN110162599A (zh) | 招聘面试方法、装置及计算机可读存储介质 | |
CN110427542A (zh) | 分类网络训练及数据标注方法和装置、设备、介质 | |
CN106227836B (zh) | 基于图像与文字的无监督联合视觉概念学习系统及方法 | |
CN112801099A (zh) | 一种图像处理方法、装置、终端设备及介质 | |
CN112084913B (zh) | 一种端到端的人体检测与属性识别方法 | |
CN107273863B (zh) | 一种基于语义笔画池化的场景文字识别方法 | |
CN107239787A (zh) | 一种利用多来源数据具有隐私保护功能的图象分类方法 | |
de Oca et al. | Earth observation image semantic bias: A collaborative user annotation approach | |
CN111783786A (zh) | 图片的识别方法、系统、电子设备及存储介质 | |
CN113191267A (zh) | 基于图像识别的文物识物app的应用方法 | |
CN114529721B (zh) | 一种基于深度学习的城市遥感影像植被覆盖识别方法 | |
CN117011907A (zh) | 一种跨年龄的人脸识别方法及相关装置 | |
Yadav et al. | In-browser attendance system using face recognition and serverless edge computing | |
CN111339939B (zh) | 基于图像识别的考勤方法及装置 | |
CN114661879A (zh) | 一种资料搜索方法、系统、电子设备和存储介质 | |
Xin et al. | Comic text detection and recognition based on deep learning | |
CN111464743A (zh) | 一种摄影构图匹配方法及系统 | |
CN111461248A (zh) | 一种摄影构图线匹配方法、装置、设备及存储介质 | |
CN105718972A (zh) | 一种信息智能采集方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210730 |