CN113936232A - 一种碎屏识别方法、装置、设备和存储介质 - Google Patents
一种碎屏识别方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN113936232A CN113936232A CN202111251979.6A CN202111251979A CN113936232A CN 113936232 A CN113936232 A CN 113936232A CN 202111251979 A CN202111251979 A CN 202111251979A CN 113936232 A CN113936232 A CN 113936232A
- Authority
- CN
- China
- Prior art keywords
- screen
- image
- recognized
- crack
- classification result
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种碎屏识别方法、装置、设备和存储介质,该方法包括:获取待识别图像,并将待识别图像输入至预先训练好的第一识别模型,对待识别图像所包含的目标进行分类;将分类结果满足预设条件的待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对屏幕区域进行图像分割,得到屏幕裂纹;如果屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。上述技术方案,首先对待识别图像所包含的目标进行分类,确定分类结果满足预设条件后,确定待识别图像所包含的屏幕区域,并对屏幕区域进行图像分割得到屏幕裂纹,在屏幕裂纹满足预设破损条件时将识别结果确定为屏幕破损,实现了破损屏幕的精确识别,同时提升识别效率。
Description
技术领域
本发明实施例涉及计算机技术,尤其涉及一种碎屏识别方法、装置、设备和存储介质。
背景技术
碎屏险,即是电子设备碎屏意外保险,是一种随着电子设备越来越普及,应运而生的保险,初衷是为了方便消费者,给消费者带来益处。消费者的电子设备碎屏后可以将包含碎屏电子设备屏幕的碎屏图像上传至保险公司平台进行碎屏识别,保险公司可以对碎屏图像进行人工审核,以确定碎屏图像所包含的碎屏电子设备屏幕是否满足手机碎屏险的理赔条件。由于人工审核费时费力,因此,碎屏识别在碎屏险理赔中具有重要的意义。
现有技术中,首先可以确定碎屏图像所包含的电子设备屏幕,然后基于二分类模型对电子设备屏幕进行识别,以判断电子设备屏幕是否破损。
在实现本发明的过程中,发现现有技术中至少存在以下技术问题:
难以识别轻微破损的屏幕,碎屏识别的精度较低。
发明内容
本发明提供一种碎屏识别方法、装置、设备和存储介质,以实现精确识别破损屏幕。
第一方面,本发明实施例提供了一种碎屏识别方法,包括:
获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类;
将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹;
如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。
进一步地,所述第一识别模型的输出信息包括分类结果和置信度,相应地,将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类,包括:
将所述待识别图像输入至所述第一识别模型,并确定所述目标的所述分类结果和所述置信度;
如果所述分类结果为正常屏幕且该分类结果对应的第一置信度小于第一阈值,则确定所述分类结果满足所述预设条件。
进一步地,在确定所述目标的所述分类结果和所述置信度之后,还包括:
如果所述分类结果为非屏幕,则确定所述识别结果为非屏幕;
如果所述分类结果为破损屏幕,则确定所述识别结果为屏幕破损。
进一步地,对所述屏幕区域进行图像分割,包括:
将所述屏幕区域输入至预先训练好的图像分割模型,基于所述图像分割模型对所述屏幕区域进行图像分割。
进一步地,在对所述屏幕区域进行图像分割,在对所述屏幕区域进行图像分割之后,还包括:
得到所述屏幕裂纹的裂纹信息。
进一步地,所述裂纹信息包括所述屏幕裂纹的形状、位置以及所包含的像素数量,相应地,如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损,包括:
如果所述屏幕裂纹满足所述像素数量大于数量阈值、屏幕裂纹面积与屏幕面积的比值大于预设比值或者屏幕裂纹位于屏幕边缘,则确定识别结果为屏幕破损。
进一步地,如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损,还包括:
将所述屏幕裂纹的形状、位置以及所包含的像素数量输入预先训练好的第二识别模型,得到细节分类结果;
如果所述细节分类结果为屏幕破损,则确定所述识别结果为屏幕破损。
第二方面,本发明实施例还提供了一种破损识别装置,包括:
获取模块,用于获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类;
分割模块,用于将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹;
确定模块,用于如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如第一方面中任一所述的碎屏识别方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面中任一所述的碎屏识别方法。
上述发明中的实施例具有如下优点或有益效果:
本发明实施例提供一种碎屏识别方法,包括:获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类;将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹;如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。上述技术方案,首先可以对待识别图像所包含的目标进行分类,确定分类结果满足预设条件后,确定待识别图像所包含的屏幕区域,并对屏幕区域进行图像分割得到屏幕裂纹,在屏幕裂纹满足预设破损条件时将识别结果确定为屏幕破损,实现了破损屏幕的精确识别,同时提升了识别效率。
附图说明
图1为本发明实施例一提供的一种碎屏识别方法的流程图;
图2为本发明实施例二提供的一种碎屏识别方法的流程图;
图3为本发明实施例二提供的一种破损识别方法的实现流程图;
图4为本发明实施例三提供的一种破损识别装置的结构示意图;
图5为本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。此外,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
图1为本发明实施例一提供的一种碎屏识别方法的流程图,本发明实施例可,适用于需要进行精确碎屏识别的情况。该方法可以由一种碎屏识别方法装置来执行,该装置可以由软件和/或硬件的方式来实现。如图1所述,该方法具体包括以下步骤:
步骤110、获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类。
其中,待识别图像可以为用户提供的碎屏图像,第一识别模型可以对输入的待识别图像进行分类,并输出分类结果和置信度,分类结果可以包括正常屏幕、非屏幕和破损屏幕。由于第一识别模型的识别精度较低,因此,此处的破损屏幕可以为包含破损严重的屏幕,具体可以包括较大破损面积或者较明显破损的屏幕,此处的正常屏幕可以包括未破损屏幕和包含较小破损面积或者轻微破损的屏幕。
具体地,用户可以基于终端将待识别图像发送至服务器,服务器在接收到待识别图像后,首先可以将待识别图像输入第一识别模型,确定待识别图像所包含的目标为正常屏幕、非屏幕或者破损屏幕,同时还可以确定各分类结果对应的置信度。
本发明实施例中,通过第一识别模型可以对获取到的待识别图像进行初次分类,可以筛选出包含破损严重屏幕、包含非屏幕以及包含正常屏幕置信度较大的待识别图像,剩余的图像可以继续进行识别,加快了识别速度,并且提升了识别效率。
步骤120、将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹。
其中,如果分类结果为正常屏幕且该分类结果的置信度小于预设阈值,则可以确定该分类结果满足预设条件。
具体地,如果待识别图像的分类结果为正常屏幕且该分类结果的置信度小于预设阈值,表明该待识别图像包含的目标可能为正常屏幕,也可能为包含轻微破损的屏幕,且目标为包含轻微破损的屏幕的可能性较大。因此,可以继续对该待识别图像进行识别。将待识别图像输入边框检测模型,边框检测模型可以基于目标检测算法确定待识别图像中的屏幕区域。进而对屏幕区域进行图像分割,得到包含裂纹区域的屏幕裂纹。
本发明实施例中,边框检测模型可以剔除非屏幕区域的图像,消除非屏幕区域对图像分割的影响,提升图像分割的准确率,进而得到与待识别图像所包含裂纹区域更契合的屏幕裂纹。
步骤130、如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。
在对屏幕区域进行图像分割得到屏幕裂纹的同时还可以得到屏幕裂纹所包含的像素数量、屏幕裂纹面积和屏幕裂纹位置。
一方面,预设破损条件可以包括屏幕裂纹所包含的像素数量大于数量阈值、屏幕裂纹面积与屏幕面积的比值大于预设比值或者屏幕裂纹位于屏幕边缘。如果屏幕裂纹满足前述任一预设破损条件,则可以确定屏幕裂纹满足预设破损条件,进而可以确定识别结果为屏幕破损。
另一方面,在得到屏幕裂纹所包含的像素数量、屏幕裂纹面积和屏幕裂纹位置之后,还可以将屏幕裂纹所包含的像素数量、屏幕裂纹面积和屏幕裂纹位置输入预先训练好的第二识别模型,对屏幕裂纹进行细节分类,得到的细节分类结果包括正常屏幕和破损屏幕。此时,预设破损条件可以为细节分类结果为破损屏幕。如果屏幕裂纹的细节分类结果满足预设破损条件,则可以确定识别结果为屏幕破损。即如果细节分类结果为破损屏幕,则可以确定识别结果为屏幕破损;反之,如果细节分类结果为正常屏幕,则可以确定识别结果为正常屏幕。
本发明实施例中,可以基于屏幕裂纹所包含的像素数量、屏幕裂纹面积或者屏幕裂纹位置确定识别结果,还可以基于屏幕裂纹所包含的像素数量、屏幕裂纹面积和屏幕裂纹位置确定识别结果,实现屏幕裂纹的精准识别。
本发明实施例一提供的一种碎屏识别方法,包括:获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类;将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹;如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。上述技术方案,首先可以对待识别图像所包含的目标进行分类,确定分类结果满足预设条件后,确定待识别图像所包含的屏幕区域,并对屏幕区域进行图像分割得到屏幕裂纹,在屏幕裂纹满足预设破损条件时将识别结果确定为屏幕破损,实现了破损屏幕的精确识别,同时提升了识别效率。
实施例二
图2为本发明实施例二提供的一种碎屏识别方法的流程图,本发明实施例可适用于需要进行精确碎屏识别的情况。本发明实施例在上述实施例的基础上,在确定所述目标的所述分类结果和所述置信度之后,增加了“如果所述分类结果为非屏幕,则确定所述识别结果为非屏幕;如果所述分类结果为正常屏幕,则确定所述识别结果为正常屏幕。”,在对所述屏幕区域进行图像分割,得到屏幕裂纹的同时,增加了“得到所述屏幕裂纹的裂纹信息。”,其中与上述各实施例相同或相应的术语的解释在此不再赘述。参见图2,本发明实施例提供的碎屏识别方法包括:
步骤210、获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类。
一种实施方式中,所述第一识别模型的输出信息包括分类结果和置信度,相应地,步骤210具体可以包括:
将所述待识别图像输入至所述第一识别模型,并确定所述目标的所述分类结果和所述置信度。如果所述分类结果为正常屏幕且该分类结果对应的第一置信度小于第一阈值,则确定所述分类结果满足所述预设条件。如果所述分类结果为非屏幕,则确定所述识别结果为非屏幕。如果所述分类结果为破损屏幕,则确定所述识别结果为破损屏幕。
在将待识别图像输入第一识别模型之前,还可以对第一识别模型进行模型训练,以使得第一识别模型可以更加精确地区分正常屏幕、非屏幕和破损屏幕。首先可以对获取到的第一训练图像所包含的目标进行标注,得到真实分类结果,再将第一训练图像和对应的真实分类结果作为训练样本对第一识别模型进行网络训练,并计算第一损失函数,基于反向传播算法进行网络优化,直至第一损失函数收敛,可以得到更新后的第一识别模型,该更新后的第一识别模型可以用于对待识别图像进行分类。
其中,第一阈值可以大于0.5,且小于1,在此不做具体限定,可以根据实际需求的识别精确度进行确定,例如,第一阈值可以为0.9。
具体地,服务器在接收到待识别图像后,可以将待识别图像输入至经过前述训练的第一识别模型,第一识别模型的输出信息可以包括待识别图像的分类结果和该分类结果对应的置信度。在实际应用中,如果分类结果为非屏幕,则不论置信度的数值,确定识别结果为非屏幕;如果分类结果为破损屏幕,则也不论置信度的数值,确定识别结果为破损屏幕;如果分类结果为正常屏幕,且第一置信度大于或者等于第一阈值,则确定识别结果为正常屏幕;如果分类结果为正常屏幕,且第一置信度小于第一阈值,则确定所述分类结果满足所述预设条件,需要对该待识别图像进行进一步的识别,以确定识别结果。
本发明实施例中,通过将待识别图像输入第一识别模型,可以对待识别图像所包含的目标进行初步识别,可以得到容易进行分类识别的识别结果,有效提升识别的速度。
步骤220、将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹和所述屏幕裂纹的裂纹信息。
一种实施方式中,对所述屏幕区域进行图像分割,包括:
将所述屏幕区域输入至预先训练好的图像分割模型,基于所述图像分割模型对所述屏幕区域进行图像分割。
在将分类结果为正常屏幕,且第一置信度小于第一阈值的待识别图像输入边框检测模型之前,同样可以对边框检测模型进行模型训练,以使得边框检测模型更加精确地确定待识别图像所包含的屏幕边框,进而使得到的屏幕区域更加精确。首先可以对获取到的分类结果为正常屏幕,且第一置信度小于第一阈值的第二训练图像所包含的屏幕进行标注,得到真实屏幕边框,再将第二训练图像和对应的真实屏幕边框作为训练样本对边框检测模型进行网络训练,并计算第二损失函数,基于反向传播算法进行网络优化,直至第二损失函数收敛,可以得到更新后的边框检测模型,该更新后的边框检测模型可以用于确定分类结果为正常屏幕,且第一置信度小于第一阈值的待识别图像的屏幕区域。
具体地,在得到分类结果为正常屏幕,且第一置信度小于第一阈值的待识别图像之后,可以将该待识别图像输入至经过前述训练的边框检测模型,边框检测模型的输出信息可以为待识别图像所包含的屏幕区域。进而可以将屏幕区域继续输入至图像分割模型,图像分割模型可以对屏幕区域进行图像分割,由于屏幕可以包括裂纹区域和非裂纹区域,因此分割结果可以包括包含裂纹区域的屏幕裂纹和包含非裂纹区域的其他区域。在实际应用中,图像分割模型在对屏幕区域进行图像分割得到包含裂纹区域的屏幕裂纹的同时还可以得到屏幕裂纹所包含的裂纹信息。
同样地,在将屏幕区域输入至图像分割模型之前,也可以对图像分割模型进行模型训练,以使得图像分割模型可以更加精确地对屏幕区域所包含的裂纹区域和非裂纹区域进行分割。首先可以对获取到的训练屏幕区域所包含的裂纹区域进行标注,得到真实裂纹区域,再将训练屏幕区域和真实裂纹区域作为训练样本对图像分割模型进行网络训练,并计算第三损失函数,基于反向传播算法进行网络优化,直至第三损失函数收敛,可以得到更新后的图像分割模型,该更新后的图像分割模型可以用于对屏幕区域进行图像分割。
本发明实施例中,边框检测模型可以剔除非屏幕区域的图像,消除非屏幕区域对图像分割的影响,提升图像分割的准确率,基于图像分割模型对屏幕区域进行分割,得到包含裂纹区域的屏幕裂纹和包含非裂纹区域的其他区域。
步骤230、如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。
其中,预设破损条件可以为屏幕裂纹所包含的像素数量大于数量阈值、屏幕裂纹面积与屏幕面积的比值大于预设比值或者屏幕裂纹位于屏幕边缘,还可以为细节分类结果为破损屏幕。
一种实施方式中,裂纹信息包括屏幕裂纹的形状、位置以及所包含的像素数量,相应地,步骤230具体可以包括:
如果所述屏幕裂纹满足所述像素数量大于数量阈值、屏幕裂纹面积与屏幕面积的比值大于预设比值或者屏幕裂纹位于屏幕边缘,则确定识别结果为屏幕破损。
此时,预设破损条件可以包括屏幕裂纹所包含的像素数量大于数量阈值、屏幕裂纹面积与屏幕面积的比值大于预设比值和屏幕裂纹位于屏幕边缘。如果屏幕裂纹满足前述任一预设破损条件,则可以确定屏幕裂纹满足预设破损条件,进而可以确定识别结果为屏幕破损。
一种实施方式中,步骤230还可以包括:
将所述屏幕裂纹的形状、位置以及所包含的像素数量输入预先训练好的第二识别模型,得到细节分类结果;如果所述细节分类结果为屏幕破损,则确定所述识别结果为屏幕破损。
具体地,在得到图像分割模型的输出,即屏幕裂纹、屏幕裂纹的形状、位置以及所包含的像素数量后,可以将屏幕裂纹的形状、位置以及所包含的像素数量输入第二识别模型,得到的输出信息可以为细节分类结果,该细节分类结果可以包括屏幕破损和正常屏幕。如果细节分类结果为屏幕破损,则可以确定识别结果为屏幕破损;如果细节分类结果为正常屏幕,则可以确定识别结果为正常屏幕。
同样地,在将屏幕裂纹的形状、位置以及所包含的像素数量输入第二识别模型之前,还可以对第二识别模型进行模型训练,以使得第二识别模型可以更加精确地区分正常屏幕和破损屏幕。首先可以对获取到的训练屏幕裂纹所包含的目标进行标注,得到真实细节分类结果,再将训练屏幕裂纹的形状、位置以及所包含的像素数量和真实细节分类结果作为训练样本对第二识别模型进行网络训练,并计算第四损失函数,基于反向传播算法进行网络优化,直至第四损失函数收敛,可以得到更新后的第二识别模型,该更新后的第二识别模型可以用于根据待识别图像中屏幕裂纹的形状、位置以及所包含的像素数量确定包含该屏幕裂纹的待识别图像为正常屏幕或者破损屏幕。
本发明实施例中,可以基于屏幕裂纹所包含的像素数量、屏幕裂纹面积或者屏幕裂纹位置确定识别结果,还可以基于屏幕裂纹所包含的像素数量、屏幕裂纹面积和屏幕裂纹位置确定识别结果,实现屏幕裂纹的精准识别。
本发明实施例二提供的一种碎屏识别方法,包括:获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类;将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹;如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。上述技术方案,首先可以对待识别图像所包含的目标进行分类,确定分类结果满足预设条件后,确定待识别图像所包含的屏幕区域,并对屏幕区域进行图像分割得到屏幕裂纹,在屏幕裂纹满足预设破损条件时将识别结果确定为屏幕破损,实现了破损屏幕的精确识别,同时提升了识别效率。
图3为本发明实施例二提供的一种破损识别方法的实现流程图,示例性的给出了其中一种实现方式。如图3所示,包括:
步骤310、获取待识别图像,并将所述待识别图像输入至所述第一识别模型,以确定所述目标的所述分类结果和所述置信度。
如果所述分类结果为非屏幕,则执行步骤311;如果所述分类结果为破损屏幕,则执行步骤312;如果所述分类结果为正常屏幕,则执行步骤313。
步骤311、确定识别结果为非屏幕。
步骤312、确定识别结果为破损屏幕。
步骤313、确定分类结果对应的第一置信度是否小于第一阈值。
如果第一置信度大于或者等于第一阈值,则执行步骤314;如果第一置信度小于第一阈值,则执行步骤315。
步骤314、确定识别结果为正常屏幕。
步骤315、确定所述分类结果满足所述预设条件,并将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域。
步骤316、将所述屏幕区域输入至预先训练好的图像分割模型,基于所述图像分割模型对所述屏幕区域进行图像分割,得到屏幕裂纹和所述屏幕裂纹的裂纹信息。
步骤317、基于裂纹信息确定屏幕裂纹是否满足预设破损条件。
如果屏幕裂纹满足预设破损条件,则执行步骤312,否则,执行步骤314。
本发明实施例二提供的一种破损识别方法的实现方式,获取待识别图像,并将所述待识别图像输入至所述第一识别模型,以确定所述目标的所述分类结果和所述置信度;如果所述分类结果为非屏幕,则确定所述识别结果为非屏幕;如果所述分类结果为破损屏幕,则确定所述识别结果为破损屏幕;如果所述分类结果为正常屏幕,则确定分类结果对应的第一置信度是否小于第一阈值;如果第一置信度大于或者等于第一阈值,则确定所述识别结果为正常屏幕;如果第一置信度小于第一阈值,则确定所述分类结果满足所述预设条件,并将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域;将所述屏幕区域输入至预先训练好的图像分割模型,基于所述图像分割模型对所述屏幕区域进行图像分割,得到屏幕裂纹和所述屏幕裂纹的裂纹信息;基于裂纹信息确定屏幕裂纹是否满足预设破损条件;如果屏幕裂纹满足预设破损条件,则确定所述识别结果为破损屏幕,否则,确定所述识别结果为正常屏幕。上述技术方案,首先可以对待识别图像所包含的目标进行分类,确定分类结果满足预设条件后,确定待识别图像所包含的屏幕区域,并对屏幕区域进行图像分割得到屏幕裂纹,在屏幕裂纹满足预设破损条件时将识别结果确定为屏幕破损,实现了破损屏幕的精确识别,同时提升了识别效率。
实施例三
图4为本发明实施例三提供的一种破损识别装置的结构示意图。该装置与上述各实施例的破损识别方法属于同一个发明构思,在破损识别装置的实施例中未详尽描述的细节内容,可以参考上述破损识别方法的实施例。
该破损识别装置的具体结构如图4所示,包括:
获取模块410,用于获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类;
分割模块420,用于将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹;
确定模块430,用于如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。
在上述实施例的基础上,所述第一识别模型的输出信息包括分类结果和置信度,相应地,获取模块410,具体用于:
将所述待识别图像输入至所述第一识别模型,并确定所述目标的所述分类结果和所述置信度;
如果所述分类结果为正常屏幕且该分类结果对应的第一置信度小于第一阈值,则确定所述分类结果满足所述预设条件;
如果所述分类结果为非屏幕,则确定所述识别结果为非屏幕;
如果所述分类结果为正常屏幕,则确定所述识别结果为正常屏幕。
在上述实施例的基础上,分割模块420,具体用于:
将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并基于所述图像分割模型对所述屏幕区域进行图像分割,得到屏幕裂纹。
在上述实施例的基础上,分割模块420,还用于:
基于所述图像分割模型对所述屏幕区域进行图像分割,得到所述屏幕裂纹的裂纹信息。
在上述实施例的基础上,所述裂纹信息包括所述屏幕裂纹所包含的像素数量,相应地,确定模块430,具体用于:
如果所述像素数量大于数量阈值,则确定识别结果为屏幕破损。
在上述实施例的基础上,所述裂纹信息还包括所述屏幕裂纹的形状和位置,相应地,确定模块430,还用于:
将所述屏幕裂纹的形状、位置以及所包含的像素数量输入预先训练好的第二识别模型,得到分类结果;
如果所述分类结果为屏幕破损,则确定所述识别结果为屏幕破损。
本发明实施例所提供的破损识别装置可执行本发明任意实施例所提供的破损识别方法,具备执行破损识别方法相应的功能模块和有益效果。
值得注意的是,上述破损识别装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例四
图5为本发明实施例四提供的一种计算机设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性计算机设备5的框图。图5显示的计算机设备5仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机设备5以通用计算电子设备的形式表现。计算机设备5的组件可以包括但不限于:一个或者多个处理器或者处理单元16,系统存储器28,连接不同系统组件(包括系统存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机设备5典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机设备5访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机设备5可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备5也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该计算机设备5交互的设备通信,和/或与使得该计算机设备5能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,计算机设备5还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图5所示,网络适配器20通过总线18与计算机设备5的其它模块通信。应当明白,尽管图5中未示出,可以结合计算机设备5使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理单元16通过运行存储在系统存储器28中的程序,从而执行各种功能应用以及页面显示,例如实现本发实施例所提供的碎屏识别方法,该方法包括:
获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类;
将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹;
如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。
当然,本领域技术人员可以理解,处理器还可以实现本发明任意实施例所提供的碎屏识别方法的技术方案。
实施例五
本发明实施例五提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现例如本发实施例所提供的碎屏识别方法,该方法包括:
获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类;
将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹;
如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于:电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,程序设计语言包括面向对象的程序设计语言,诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本领域普通技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种碎屏识别方法,其特征在于,包括:
获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类;
将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹;
如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。
2.根据权利要求1所述的碎屏识别方法,其特征在于,所述第一识别模型的输出信息包括分类结果和置信度,相应地,将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类,包括:
将所述待识别图像输入至所述第一识别模型,并确定所述目标的所述分类结果和所述置信度;
如果所述分类结果为正常屏幕且该分类结果对应的第一置信度小于第一阈值,则确定所述分类结果满足所述预设条件。
3.根据权利要求2所述的碎屏识别方法,其特征在于,在确定所述目标的所述分类结果和所述置信度之后,还包括:
如果所述分类结果为非屏幕,则确定所述识别结果为非屏幕;
如果所述分类结果为破损屏幕,则确定所述识别结果为屏幕破损。
4.根据权利要求1所述的碎屏识别方法,其特征在于,对所述屏幕区域进行图像分割,包括:
将所述屏幕区域输入至预先训练好的图像分割模型,基于所述图像分割模型对所述屏幕区域进行图像分割。
5.根据权利要求1所述的碎屏识别方法,其特征在于,在对所述屏幕区域进行图像分割之后,还包括:
得到所述屏幕裂纹的裂纹信息。
6.根据权利要求5所述的碎屏识别方法,其特征在于,所述裂纹信息包括所述屏幕裂纹的形状、位置以及所包含的像素数量,相应地,如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损,包括:
如果所述屏幕裂纹满足所述像素数量大于数量阈值、屏幕裂纹面积与屏幕面积的比值大于预设比值或者屏幕裂纹位于屏幕边缘,则确定识别结果为屏幕破损。
7.根据权利要求6所述的碎屏识别方法,其特征在于,如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损,还包括:
将所述屏幕裂纹的形状、位置以及所包含的像素数量输入预先训练好的第二识别模型,得到细节分类结果;
如果所述细节分类结果为屏幕破损,则确定所述识别结果为屏幕破损。
8.一种破损识别装置,其特征在于,包括:
获取模块,用于获取待识别图像,并将所述待识别图像输入至预先训练好的第一识别模型,对所述待识别图像所包含的目标进行分类;
分割模块,用于将分类结果满足预设条件的所述待识别图像输入至预先训练好的边框检测模型确定屏幕区域,并对所述屏幕区域进行图像分割,得到屏幕裂纹;
确定模块,用于如果所述屏幕裂纹满足预设破损条件,则确定识别结果为屏幕破损。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7中任一所述的碎屏识别方法。
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的碎屏识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111251979.6A CN113936232A (zh) | 2021-10-25 | 2021-10-25 | 一种碎屏识别方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111251979.6A CN113936232A (zh) | 2021-10-25 | 2021-10-25 | 一种碎屏识别方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113936232A true CN113936232A (zh) | 2022-01-14 |
Family
ID=79284351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111251979.6A Pending CN113936232A (zh) | 2021-10-25 | 2021-10-25 | 一种碎屏识别方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113936232A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114429464A (zh) * | 2022-01-25 | 2022-05-03 | 众安在线财产保险股份有限公司 | 终端的碎屏识别方法和相关设备 |
CN114663418A (zh) * | 2022-04-06 | 2022-06-24 | 京东安联财产保险有限公司 | 图像处理的方法及装置、存储介质及电子设备 |
-
2021
- 2021-10-25 CN CN202111251979.6A patent/CN113936232A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114429464A (zh) * | 2022-01-25 | 2022-05-03 | 众安在线财产保险股份有限公司 | 终端的碎屏识别方法和相关设备 |
WO2023142438A1 (zh) * | 2022-01-25 | 2023-08-03 | 众安在线财产保险股份有限公司 | 终端的碎屏识别方法和相关设备 |
CN114663418A (zh) * | 2022-04-06 | 2022-06-24 | 京东安联财产保险有限公司 | 图像处理的方法及装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107832662B (zh) | 一种获取图片标注数据的方法和系统 | |
CN109726661B (zh) | 图像处理方法及装置、介质和计算设备 | |
CN109918513B (zh) | 图像处理方法、装置、服务器及存储介质 | |
CN111368878B (zh) | 一种基于ssd目标检测的优化方法、计算机设备和介质 | |
CN113936232A (zh) | 一种碎屏识别方法、装置、设备和存储介质 | |
CN113971727A (zh) | 一种语义分割模型的训练方法、装置、设备和介质 | |
CN112070093B (zh) | 生成图像分类模型的方法、图像分类方法、装置和设备 | |
CN111753114A (zh) | 图像预标注方法、装置及电子设备 | |
CN113807416B (zh) | 一种模型训练方法、装置、电子设备以及存储介质 | |
CN107729944A (zh) | 一种低俗图片的识别方法、装置、服务器及存储介质 | |
CN114299366A (zh) | 一种图像检测方法、装置、电子设备及存储介质 | |
CN112989050B (zh) | 一种表格分类方法、装置、设备及存储介质 | |
CN114170575A (zh) | 一种火焰识别方法、装置、电子设备及存储介质 | |
CN114565780A (zh) | 一种目标识别方法、装置、电子设备及存储介质 | |
CN113239883A (zh) | 分类模型的训练方法、装置、电子设备以及存储介质 | |
US20230008473A1 (en) | Video repairing methods, apparatus, device, medium and products | |
CN114741697B (zh) | 恶意代码分类方法、装置、电子设备和介质 | |
CN116091481A (zh) | 一种小穗计数方法、装置、设备和存储介质 | |
US20240013364A1 (en) | Image-based vehicle damage assessment method, apparatus and storage medium | |
CN113051400B (zh) | 标注数据确定方法、装置、可读介质及电子设备 | |
CN114220011A (zh) | 货物数量识别方法、装置、电子设备和存储介质 | |
CN114090650A (zh) | 一种样本数据识别方法、装置、电子设备及存储介质 | |
CN110083807B (zh) | 合同的修改影响自动预测方法、装置、介质及电子设备 | |
CN113762308A (zh) | 分类模型的训练方法、分类方法、装置、介质及设备 | |
CN113627611A (zh) | 一种模型训练方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |