CN114067191B - 一种基于图像识别的病媒生物识别app的设计方法 - Google Patents
一种基于图像识别的病媒生物识别app的设计方法 Download PDFInfo
- Publication number
- CN114067191B CN114067191B CN202111421769.7A CN202111421769A CN114067191B CN 114067191 B CN114067191 B CN 114067191B CN 202111421769 A CN202111421769 A CN 202111421769A CN 114067191 B CN114067191 B CN 114067191B
- Authority
- CN
- China
- Prior art keywords
- biological
- disease
- recognition
- user
- logs
- 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.)
- Active
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 59
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013461 design Methods 0.000 title claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 12
- 210000003484 anatomy Anatomy 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012552 review Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 abstract description 4
- 230000002265 prevention Effects 0.000 abstract description 3
- 230000005180 public health Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- 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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明公开了一种基于图像识别的病媒生物识别APP的设计方法,属于病媒生物识别技术领域,目的在于提供一种基于图像识别的病媒生物识别APP的设计方法,解决现有病媒生物识别、知识普及效率低的问题。其通过建立一个专业、全面的病媒生物数据库,结合记录和拍照扫描功能开发一款适用于教学和病媒生物防治的APP。以达到突破教科书和实验室的束缚,灵活学习提高自身素质的目的。能够定向使用群体,增加交流讨论模块,提高专业性。能够拓展除病媒生物形态以外的防治知识,有助于提高公民公共卫生素质。能够兼容学习和工作,在开展病媒生物防治时提高工作效率。本发明适用于基于图像识别的病媒生物识别APP的设计方法。
Description
技术领域
本发明属于病媒生物识别技术领域,具体涉及一种基于图像识别的病媒生物识别APP的设计方法。
背景技术
目前对于病媒生物的识别仅依靠实验室解剖镜进行辨别和现场利用放大镜进行识别。这对于刚投入工作的新手来说有一定的困难,不利于工作的开展。对于在校学生来说,认识病媒生物仅限于学校制作的标本,无法脱离教科书在生活中认识存在于身边的病媒生物。因此,开发一款适用于教学和防治工作的APP是有重要意义的。
发明内容
本发明的目的在于:提供一种基于图像识别的病媒生物识别APP的设计方法,解决现有病媒生物识别、知识普及效率低的问题。
本发明采用的技术方案如下:
一种基于图像识别的病媒生物识别APP的设计方法,包括以下步骤:
S1,建立数据库:利用算法建立常见病媒生物的特异形态特征的模型,即建立卷积神经网络,具体方法包括:
a.将图片输入计算机,计算机通过对图片的处理转换成可输入神经网络的数字;
b.然后运用暴力算法建立一个深度神经网络,扩大训练数据,减少图像采集;
c.卷积:
(1)将拍摄到的图片切分,分解为小块;
(2)将每个小块输入到小型神经网络,然后把每一个小图的结果都保存到一个新的数列;
(3)缩减像素采样,用最大化池的方法降低采样,保留数列特征部分;
(4)把保留的数列输入到另一个神经网络中,匹配采集图像数据;
S2,图像输入:通过手机拍照功能,结合手机摄像头自带的感光芯片成像,然后通过Easy DL图像技术中图像分割技术对图片中的模型进行多边形标注,识别图中主体的轮廓提取生物形态特征,通过轮廓与云端数据库中的模型进行匹配,为提高匹配成功率,将模型按生物解剖结构进行拆分,对各解剖结构进行分部识别匹配,其中采用的Auto DL技术可以精确区分生物种属;
S3,建立历史比对模块,用户可对比记录进行系统编号或自主编号,以日期记录到历史对比中,以便随时复核及查看;
S4,建立病媒生物论坛,使用者可将对比记录分享到论坛与病媒生物专家或爱好者讨论,拓展病媒生物有关知识和提高识别准确度;
S5,建立专业文献、课程或视频推荐模块,便于用户进行深度学习;
S6,建立用户上传模块,用户可上传资料或新的病媒生物图片更新后台数据库,经审核后添加内容和作者并反馈给用户;
S7,建立用户登录入口,提供三种登录入口,包括爱好者、学生和病媒生物监测。
进一步地,所述S7中,爱好者登录入口登录后开放如S2-S6所述模块,学生登录入口登录后,开放如S2-S6所述模块,并增加拼图趣味游戏模块,病媒生物监测登录入口登录后,开放如S2-S6所述模块,并增加监测记录表录模块。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
1、本发明中,通过建立一个专业、全面的病媒生物数据库,结合记录和拍照扫描功能开发一款适用于教学和病媒生物防治的APP。以达到突破教科书和实验室的束缚,灵活学习提高自身素质的目的。
能够定向使用群体,增加交流讨论模块,提高专业性。能够拓展除病媒生物形态以外的防治知识,有助于提高公民公共卫生素质。能够兼容学习和工作,在开展病媒生物防治时大大提高了工作效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图,其中:
图1为本发明拍照比对的页面示意图;
图2为本发明图像识别处理的示意图;
图3为本发明图像比对结果示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明的简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
此外,术语“水平”、“竖直”等术语并不表示要求部件绝对水平或悬垂,而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接或一体地连接;可以使机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个原件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
一种基于图像识别的病媒生物识别APP的设计方法,包括以下步骤:
S1,建立数据库:利用算法建立常见病媒生物的特异形态特征的模型,即建立卷积神经网络,具体方法包括:
a.将图片输入计算机,计算机通过对图片的处理转换成可输入神经网络的数字;
b.然后运用暴力算法建立一个深度神经网络,扩大训练数据,减少图像采集;
c.卷积:
(1)将拍摄到的图片切分,分解为小块;
(2)将每个小块输入到小型神经网络,然后把每一个小图的结果都保存到一个新的数列;
(3)缩减像素采样,用最大化池的方法降低采样,保留数列特征部分;
(4)把保留的数列输入到另一个神经网络中,匹配采集图像数据;
S2,图像输入:通过手机拍照功能,结合手机摄像头自带的感光芯片成像,然后通过Easy DL图像技术中图像分割技术对图片中的模型进行多边形标注,识别图中主体的轮廓提取生物形态特征,通过轮廓与云端数据库中的模型进行匹配,为提高匹配成功率,将模型按生物解剖结构进行拆分,对各解剖结构进行分部识别匹配,其中采用的Auto DL技术可以精确区分生物种属;
S3,建立历史比对模块,用户可对比记录进行系统编号或自主编号,以日期记录到历史对比中,以便随时复核及查看;
S4,建立病媒生物论坛,使用者可将对比记录分享到论坛与病媒生物专家或爱好者讨论,拓展病媒生物有关知识和提高识别准确度;
S5,建立专业文献、课程或视频推荐模块,便于用户进行深度学习;
S6,建立用户上传模块,用户可上传资料或新的病媒生物图片更新后台数据库,经审核后添加内容和作者并反馈给用户;
S7,建立用户登录入口,提供三种登录入口,包括爱好者、学生和病媒生物监测。
进一步地,所述S7中,爱好者登录入口登录后开放如S2-S6所述模块,学生登录入口登录后,开放如S2-S6所述模块,并增加拼图趣味游戏模块,病媒生物监测登录入口登录后,开放如S2-S6所述模块,并增加监测记录表录模块。
本发明在实施过程中,通过建立一个专业、全面的病媒生物数据库,结合记录和拍照扫描功能开发一款适用于教学和病媒生物防治的APP。以达到突破教科书和实验室的束缚,灵活学习提高自身素质的目的。
能够定向使用群体,增加交流讨论模块,提高专业性。能够拓展除病媒生物形态以外的防治知识,有助于提高公民公共卫生素质。能够兼容学习和工作,在开展病媒生物防治时大大提高了工作效率。
实施例1
一种基于图像识别的病媒生物识别APP的设计方法,包括以下步骤:
S1,建立数据库:利用算法建立常见病媒生物的特异形态特征的模型,即建立卷积神经网络,具体方法包括:
a.将图片输入计算机,计算机通过对图片的处理转换成可输入神经网络的数字;
b.然后运用暴力算法建立一个深度神经网络,扩大训练数据,减少图像采集;
c.卷积:
(1)将拍摄到的图片切分,分解为小块;
(2)将每个小块输入到小型神经网络,然后把每一个小图的结果都保存到一个新的数列;
(3)缩减像素采样,用最大化池的方法降低采样,保留数列特征部分;
(4)把保留的数列输入到另一个神经网络中,匹配采集图像数据;
S2,图像输入:通过手机拍照功能,结合手机摄像头自带的感光芯片成像,然后通过Easy DL图像技术中图像分割技术对图片中的模型进行多边形标注,识别图中主体的轮廓提取生物形态特征,通过轮廓与云端数据库中的模型进行匹配,为提高匹配成功率,将模型按生物解剖结构进行拆分,对各解剖结构进行分部识别匹配,其中采用的Auto DL技术可以精确区分生物种属;
S3,建立历史比对模块,用户可对比记录进行系统编号或自主编号,以日期记录到历史对比中,以便随时复核及查看;
S4,建立病媒生物论坛,使用者可将对比记录分享到论坛与病媒生物专家或爱好者讨论,拓展病媒生物有关知识和提高识别准确度;
S5,建立专业文献、课程或视频推荐模块,便于用户进行深度学习;
S6,建立用户上传模块,用户可上传资料或新的病媒生物图片更新后台数据库,经审核后添加内容和作者并反馈给用户;
S7,建立用户登录入口,提供三种登录入口,包括爱好者、学生和病媒生物监测。
实施例2
在实施例1的基础上,所述S7中,爱好者登录入口登录后开放如S2-S6所述模块,学生登录入口登录后,开放如S2-S6所述模块,并增加拼图趣味游戏模块,病媒生物监测登录入口登录后,开放如S2-S6所述模块,并增加监测记录表录模块。。
如上所述即为本发明的实施例。前文所述为本发明的各个优选实施例,各个优选实施例中的优选实施方式如果不是明显自相矛盾或以某一优选实施方式为前提,各个优选实施方式都可以任意叠加组合使用,所述实施例以及实施例中的具体参数仅是为了清楚表述发明的验证过程,并非用以限制本发明的专利保护范围,本发明的专利保护范围仍然以其权利要求书为准,凡是运用本发明的说明书及附图内容所作的等同结构变化,同理均应包含在本发明的保护范围内。
Claims (2)
1.一种基于图像识别的病媒生物识别APP的设计方法,其特征在于,包括以下步骤:
S1,建立数据库:利用算法建立常见病媒生物的特异形态特征的模型,即建立卷积神经网络,具体方法包括:
a.将图片输入计算机,计算机通过对图片的处理转换成可输入神经网络的数字;
b.然后运用暴力算法建立一个深度神经网络,扩大训练数据,减少图像采集;
c.卷积:
(1)将拍摄到的图片切分,分解为小块;
(2)将每个小块输入到小型神经网络,然后把每一个小图的结果都保存到一个新的数列;
(3)缩减像素采样,用最大化池的方法降低采样,保留数列特征部分;
(4)把保留的数列输入到另一个神经网络中,匹配采集图像数据;
S2,图像输入:通过手机拍照功能,结合手机摄像头自带的感光芯片成像,然后通过Easy DL图像技术中图像分割技术对图片中的模型进行多边形标注,识别图中主体的轮廓提取生物形态特征,通过轮廓与云端数据库中的模型进行匹配,为提高匹配成功率,将模型按生物解剖结构进行拆分,对各解剖结构进行分部识别匹配,其中采用的Auto DL技术可以精确区分生物种属;
S3,建立历史比对模块,用户可对比记录进行系统编号或自主编号,以日期记录到历史对比中,以便随时复核及查看;
S4,建立病媒生物论坛,使用者可将对比记录分享到论坛与病媒生物专家或爱好者讨论,拓展病媒生物有关知识和提高识别准确度;
S5,建立专业文献、课程或视频推荐模块,便于用户进行深度学习;
S6,建立用户上传模块,用户可上传资料或新的病媒生物图片更新后台数据库,经审核后添加内容和作者并反馈给用户;
S7,建立用户登录入口,提供三种登录入口,包括爱好者、学生和病媒生物监测。
2.按照权利要求1所述的一种基于图像识别的病媒生物识别APP的设计方法,其特征在于,所述S7中,爱好者登录入口登录后开放如S2-S6所述模块,学生登录入口登录后,开放如S2-S6所述模块,并增加拼图趣味游戏模块,病媒生物监测登录入口登录后,开放如S2-S6所述模块,并增加监测记录表录模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111421769.7A CN114067191B (zh) | 2021-11-26 | 2021-11-26 | 一种基于图像识别的病媒生物识别app的设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111421769.7A CN114067191B (zh) | 2021-11-26 | 2021-11-26 | 一种基于图像识别的病媒生物识别app的设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114067191A CN114067191A (zh) | 2022-02-18 |
CN114067191B true CN114067191B (zh) | 2024-04-05 |
Family
ID=80276648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111421769.7A Active CN114067191B (zh) | 2021-11-26 | 2021-11-26 | 一种基于图像识别的病媒生物识别app的设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114067191B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447140A (zh) * | 2018-10-19 | 2019-03-08 | 广州四十五度科技有限公司 | 一种基于神经网络深度学习的图像识别并推荐认知的方法 |
CN110139080A (zh) * | 2019-06-14 | 2019-08-16 | 杭州电子科技大学 | 远程微小病媒高清图像获取及识别种类的方法 |
AU2020103613A4 (en) * | 2020-11-23 | 2021-02-04 | Agricultural Information and Rural Economic Research Institute of Sichuan Academy of Agricultural Sciences | Cnn and transfer learning based disease intelligent identification method and system |
-
2021
- 2021-11-26 CN CN202111421769.7A patent/CN114067191B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447140A (zh) * | 2018-10-19 | 2019-03-08 | 广州四十五度科技有限公司 | 一种基于神经网络深度学习的图像识别并推荐认知的方法 |
CN110139080A (zh) * | 2019-06-14 | 2019-08-16 | 杭州电子科技大学 | 远程微小病媒高清图像获取及识别种类的方法 |
AU2020103613A4 (en) * | 2020-11-23 | 2021-02-04 | Agricultural Information and Rural Economic Research Institute of Sichuan Academy of Agricultural Sciences | Cnn and transfer learning based disease intelligent identification method and system |
Non-Patent Citations (1)
Title |
---|
宁波市媒介生物网络标本库建设与应用;王桂安;马晓;杨思嘉;陈小英;孙斌;朱光锋;;中国媒介生物学及控制杂志;20180411(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114067191A (zh) | 2022-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109800761A (zh) | 基于深度学习模型创建纸质文档结构化数据的方法和终端 | |
CN109064814A (zh) | 试题批阅方法、试题批阅系统和计算机可读存储介质 | |
CN110446063A (zh) | 视频封面的生成方法、装置及电子设备 | |
CN112784925B (zh) | 用于对象识别的方法、计算机系统及电子设备 | |
CN107038438A (zh) | 一种基于图像识别的评阅方法 | |
CN111598899A (zh) | 图像处理方法、装置及计算机可读存储介质 | |
CN106897384A (zh) | 一种要点题自动评价方法及装置 | |
CN106898178A (zh) | 一种基于可穿戴设备的考试综合分析系统 | |
CN113269903A (zh) | 人脸识别课堂考勤系统 | |
Reeb et al. | Using convolutional neural networks to efficiently extract immense phenological data from community science images | |
CN111126243B (zh) | 一种图像数据检测方法、装置以及计算机可读存储介质 | |
CN115050039A (zh) | 自动化试卷分析方法、系统、电子设备、存储介质 | |
CN110807108A (zh) | 一种亚洲人脸数据自动收集及清洗的方法和系统 | |
CN114067191B (zh) | 一种基于图像识别的病媒生物识别app的设计方法 | |
CN111767424B (zh) | 图像处理方法、装置、电子设备及计算机存储介质 | |
CN110852376B (zh) | 用于识别生物种类的方法及系统 | |
JP2015219247A (ja) | 看護学習システム、看護学習サーバ、プログラム | |
CN113705157B (zh) | 一种纸质作业拍照批改的方法 | |
CN116310920A (zh) | 一种基于场景上下文感知的图像隐私预测方法 | |
CN108197663A (zh) | 基于对偶集合多标记学习的书法作品图像分类方法 | |
CN111382685B (zh) | 一种基于深度学习的场景识别方法和系统 | |
CN113934922A (zh) | 一种智能推荐的方法、装置、设备及计算机存储介质 | |
CN111931759A (zh) | 一种试卷智能计分方法和移动端系统 | |
CN116303871A (zh) | 练习册批阅方法 | |
CN112990030B (zh) | 一种基于表情图像的学生情绪分析系统 |
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 |