CN114118278A - 图像处理方法及装置、电子设备和存储介质 - Google Patents
图像处理方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN114118278A CN114118278A CN202111435625.7A CN202111435625A CN114118278A CN 114118278 A CN114118278 A CN 114118278A CN 202111435625 A CN202111435625 A CN 202111435625A CN 114118278 A CN114118278 A CN 114118278A
- Authority
- CN
- China
- Prior art keywords
- image
- similarity
- text
- feature
- processed
- 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
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种图像处理方法及装置、电子设备和存储介质,所述方法包括:对待处理图像进行特征提取处理,获得第一图像特征以及第一文本特征;分别确定第一图像特征与参考图像的第二图像特征之间的图像相似度,以及第一文本特征与参考图像的第二文本特征之间的文本相似度;根据图像相似度和文本相似度,确定待处理图像和参考图像之间的图像匹配结果。根据本公开的实施例的图像处理方法,可获取图像特征和文本特征来综合进行对比,对比过程中考虑了图像中所包含的文本,减少了图像的色彩、纹理、光暗、布局、风格、特征点位置等相似度较高,但文本内容不一致的情况下,发生误报的概率,提升了匹配结果的准确率。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图像处理方法及装置、电子设备和存储介质。
背景技术
在相关技术中,图像比对方法是对图像进行特征提取,并基于图像特征进行相似度计算,进而得出比对结果。然而,在图像中包括文本内容时,则有可能出现两个或多个图像的色彩、纹理、光暗、布局、风格、特征点位置等相似度较高,但文本内容不同的情况(例如,社交软件的聊天界面截图、新闻截图等)。通过上述方式对上述图像提取的图像特征也是相似度较高的,因此,仅通过对比图像特征的方式难以准确判断上述图像之间的相似度。
发明内容
本公开提出了一种图像处理方法及装置、电子设备和存储介质。
根据本公开的一方面,提供了一种图像处理方法,包括:对待处理图像进行特征提取处理,获得所述待处理图像的第一图像特征以及第一文本特征,其中,所述第一文本特征为所述待处理图像中包括的文本的特征信息;分别确定所述第一图像特征与参考图像的第二图像特征之间的图像相似度,以及所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度,其中,所述第二文本特征为所述参考图像中包括的文本的特征信息;根据所述图像相似度和所述文本相似度,确定待处理图像和参考图像之间的图像匹配结果。
根据本公开的实施例的图像处理方法,可获取图像特征和文本特征来综合进行对比,对比过程中考虑了图像中所包含的文本,减少了图像的色彩、纹理、光暗、布局、风格、特征点位置等相似度较高,但文本内容不一致的情况下,发生误报的概率,提升了匹配结果的准确率。
在一种可能的实现方式中,所述方法还包括:根据待处理图像与至少两个参考图像之间的图像匹配结果,确定所述至少两个参考图像中与所述待处理图像匹配的目标图像。
在一种可能的实现方式中,分别确定所述第一图像特征与参考图像的第二图像特征之间的图像相似度,以及所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度,包括:分别确定所述第一图像特征与至少两个待选图像的第二图像特征之间的图像相似度;根据所述图像相似度,在所述至少两个待选图像中确定出参考图像;确定所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度。
在一种可能的实现方式中,所述图像匹配结果包括所述参考图像与所述待处理图像之间的综合相似度,其中,根据所述图像相似度和所述文本相似度,确定所述待处理图像与所述参考图像之间的匹配结果,包括以下中的一种:将所述图像相似度和所述文本相似度的乘积确定为所述综合相似度;将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度。
在一种可能的实现方式中,将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度,包括:确定所述待处理图像的类型;根据所述待处理图像的类型,确定权值信息;根据所述权值信息,对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
在一种可能的实现方式中,将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度,包括:确定所述待处理图像中文本所在区域的面积占比;根据所述面积占比,确定所述权值信息;根据所述权值信息,对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
通过这种方式,可通过待处理图像的类型或文本所在区域的面积占比来确定图像相似度和文本相似度的权值信息,可提高权值信息的准确度,进而提高匹配结果的准确度。
在一种可能的实现方式中,将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度,包括:根据所述第一图像特征,确定权值信息;根据所述权值信息对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
在一种可能的实现方式中,所述第一文本特征包括语义特征、格式特征、字体特征、尺寸特征、排版特征和语种特征中的至少一种。
根据本公开的一方面,提供了一种图像处理装置,包括:特征提取模块11,用于对待处理图像进行特征提取处理,获得所述待处理图像的第一图像特征以及第一文本特征,其中,所述第一文本特征为所述待处理图像中包括的文本的特征信息;相似度确定模块12,用于分别确定所述第一图像特征与参考图像的第二图像特征之间的图像相似度,以及所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度,其中,所述第二文本特征为所述参考图像中包括的文本的特征信息;匹配模块13,用于根据所述图像相似度和所述文本相似度,确定待处理图像和参考图像之间的图像匹配结果。
在一种可能的实现方式中,所述装置还包括:目标图像确定模块,用于根据待处理图像与至少两个参考图像之间的图像匹配结果,确定所述至少两个参考图像中与所述待处理图像匹配的目标图像。
在一种可能的实现方式中,所述相似度确定模块进一步用于:分别确定所述第一图像特征与至少两个待选图像的第二图像特征之间的图像相似度;根据所述图像相似度,在所述至少两个待选图像中确定出参考图像;确定所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度。
在一种可能的实现方式中,所述图像匹配结果包括所述参考图像与所述待处理图像之间的综合相似度,所述匹配模块进一步用于:将所述图像相似度和所述文本相似度的乘积确定为所述综合相似度;或者,将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度。
在一种可能的实现方式中,所述匹配模块进一步用于:确定所述待处理图像的类型;根据所述待处理图像的类型,确定权值信息;根据所述权值信息,对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
在一种可能的实现方式中,所述匹配模块进一步用于:确定所述待处理图像中文本所在区域的面积占比;根据所述面积占比,确定所述权值信息;根据所述权值信息,对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
在一种可能的实现方式中,所述匹配模块进一步用于:根据所述第一图像特征,确定权值信息;根据所述权值信息对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
在一种可能的实现方式中,所述第一文本特征包括语义特征、格式特征、字体特征、尺寸特征、排版特征和语种特征中的至少一种。
根据本公开的一方面,提供了一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的图像处理方法的流程图;
图2示出根据本公开实施例的图像处理方法的应用示意图;
图3示出根据本公开实施例的图像处理装置的框图;
图4示出根据本公开实施例的一种电子设备的框图;
图5示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的图像处理方法的流程图,如图1所示,所述方法包括:
在步骤S11中,对待处理图像进行特征提取处理,获得所述待处理图像的第一图像特征以及第一文本特征,其中,所述第一文本特征为所述待处理图像中包括的文本的特征信息;
在步骤S12中,分别确定所述第一图像特征与参考图像的第二图像特征之间的图像相似度,以及所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度,其中,所述第二文本特征为所述参考图像中包括的文本的特征信息;
在步骤S13中,根据所述图像相似度和所述文本相似度,确定待处理图像和参考图像之间的图像匹配结果。
根据本公开的实施例的图像处理方法,可获取图像特征和文本特征来综合进行对比,对比过程中考虑了图像中所包含的文本,减少了图像的色彩、纹理、光暗、布局、风格、特征点位置等相似度较高,但文本内容不一致的情况下,发生误报的概率,提升了匹配结果的准确率。
在相关技术中,在确定两个图像是否匹配时,通常对两个图像进行特征提取处理,例如,通过深度学习神经网络进行特征提取,分别获取两个图像的图像特征,并确定两个图像的图像特征之间的相似度,如果相似度高于阈值,则可认为两个图像匹配。该方法可用于人脸识别、物体识别等领域。但该方法所提取的图像特征通常可描述图像的色彩、纹理、光暗、布局、风格、特征点位置等图案层面的特征信息,但对于图像中包括文本信息的情况,则难以识别其文本信息。例如,可能存在两个图像图案相似,但文本信息不同的情况(例如,社交软件的聊天界面截图等),在这种情况下,尽管两个图像所获取的图像特征的相似度较高,但两个图像所表达的含义却差异很大,因此,仅通过图像特征难以确定这种图像是否匹配。
在一种可能的实现方式中,针对上述问题,可分别获得参加比对的图像的图像特征和文本特征,并基于图像特征之间的图像相似度和文本特征之间的文本相似度来综合判断参加比对的图像是否匹配。其中,文本特征可描述文本的语义、格式、字体、尺寸、排版(包括文本在图像中的位置)、语种等特征信息。本公开对文本特征所描述的特征信息不做限制。
在一种可能的实现方式中,在步骤S11中,待处理图像可以是包括文本信息的图像,例如,图像中包括一个或多个文字。在确定待处理图像和参考图像之间是否匹配时,可通过二者之间的图像相似度和文本相似度综合判断。
在一种可能的实现方式中,可对待处理图像进行特征提取处理,获得待处理图像的第一图像特征以及第一文本特征。可通过深度学习神经网络对待处理图像进行处理,获得上述特征。例如,可通过卷积神经网络提取待处理图像的第一图像特征。并可通过OCR(Optical Character Recognition,光学字符识别)技术获得图像中的文本信息(例如,文本的内容、文本所在区域的位置、字符的形状等信息),并可通过递归神经网络获得第一文本特征。本公开对第一图像特征和第一文本特征的获取方式不做限制。
在示例中,第一文本特征可包括文本的语义特征、格式特征、字体特征、尺寸特征、排版特征、语种特征等特征信息中的至少一种。可通过神经网络等方式分别获取每种特征,并进行加权平均处理,可获得第一文本特征。在确定权重时,可基于图像的类型、文字的数量等信息来确定权重。例如,待处理图像为仅有少数文字的书法图像,则可使语义特征权重较低,并使格式特征、字体特征、尺寸特征等权重较高。又例如,待处理图像为包括较多文字的聊天界面截图或新闻截图等图像,则可使语义特征权重较高,并使其他特征权重较低。
在示例中,还可通过其他方式将上述特征进行融合,获的第一文本特征。例如,上述特征可通过特征矩阵或特征向量等形式表示,可将上述特征进行相乘等处理,获得第一文本特征。本公开对第一文本特征的确定方式不做限制。
在一种可能的实现方式中,在步骤S12中,参考图像为与待处理图像进行对比的图像,例如,参考图像与待处理图像为类型相同的图像,例如,均为包含文字较少的书法图像、广告图像等,或者均为包含文字较多的聊天界面截图或新闻截图等。参考图像也可以是图像库中的任意图像,不必与待处理图像类型相同。本公开对参考图像和待处理图像的类型不做限制。
在一种可能的实现方式中,参考图像的第二图像特征和第二文本特征的获取方式可分别与待处理图像的第一图像特征和第一文本特征的获取方式相同。在示例中,可预先获取参考图像的第二图像特征和第二文本特征,并保存在与上述图像库对应的特征库中,以在进行匹配时,无需再次对参考图像进行特征提取,以提升匹配的效率。
在一种可能的实现方式中,可分别确定第一图像特征和第二图像的特征的图像相似度,以及第一文本特征和第二文本特征的文本相似度。在示例中,上述特征可以是特征矩阵或特征向量形式的特征信息,可通过确定余弦相似度、Jaccard相似系数、皮尔森相关系数、相对熵等参数来分别确定上述相似度。本公开对图像相似度和文本相似度的具体计算方式不做限制。
在一种可能的实现方式中,在步骤S13中,可将图像相似度和文本相似度进行综合计算,确定待处理图像和参考图像之间的图像匹配结果,所述匹配结果可包括经过上述综合计算获得的综合相似度。所述参考图像可与待处理图像进行一对一的匹配处理,并在综合相似度大于或等于相似度阈值时,确定二者匹配。或者,可将图像库中的多个参考图像分别与待处理图像进行匹配处理,并在图像库中确定出与待处理图像匹配度最高的目标图像。
在一种可能的实现方式中,所述方法还包括:根据待处理图像与至少两个参考图像之间的图像匹配结果,确定所述至少两个参考图像中与所述待处理图像匹配的目标图像。
在示例中,所述图像库中可包括多个待选图像,可分别确定待处理图像的第一图像特征和每个待选图像的第二图像特征之间的图像相似度,并确定待处理图像的第一文本特征和每个待选图像的第二文本特征之间的文本相似度,进而确定待处理图像和每个待选图像之间的综合相似度。
在示例中,如果图像库中的待选图像数量较大,对所有图像逐个计算上述两种相似度的计算量较大,计算效率较低。针对该问题,可首先从数量较大的待选图像中确定出部分图像作为参考图像,再计算待处理图像和参考图像之间的综合相似度。
在一种可能的实现方式中,步骤S12包括:分别确定所述第一图像特征与至少两个待选图像的第二图像特征之间的图像相似度;根据所述图像相似度,在所述至少两个待选图像中确定出参考图像;确定所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度。即,首先将图像相似度作为参考图像的筛选条件,确定待处理图像与各待选图像之间的图像相似度。进而可根据图像相似度,在多个待选图像中筛选出图像相似度较高的参考图像,例如,可筛选出图像相似度高于阈值的图像作为参考图像,或筛选出图像相似度最高的n(n为正整数)个图像作为参考图像。筛选出的参考图像在图案层面与待处理图像的相似度较高,因此,与待处理图像匹配度最高的图像可能来自于这些参考图像中,因而在确定文本相似度时,只需确定筛选出的部分参考图像与待处理图像之间的文本相似度,并确定筛选出的部分参考图像与待处理图像之间的综合相似度。以节约计算量,提升处理效率。
当然,也可将文本相似度作为筛选条件(例如,待处理图像主要包括文本内容,而图案方面的信息较少时,可将文本相似度作为筛选条件),首先在多个待选图像中筛选出与待处理图像的文本相似度最高的参考图像,再确定参考图像与待处理图像的图像相似度,进而确定参考图像与待处理图像的综合相似度。本公开对筛选条件不做限制。
在一种可能的实现方式中,在基于上述方式确定待处理图像和参考图像的图像相似度和文本相似度后,可基于二者来确定综合相似度。步骤S13可包括以下中的一种:将所述图像相似度和所述文本相似度的乘积确定为所述综合相似度;将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度。
在示例中,图像相似度和文本相似度均可为百分比形式的数值,例如,图像相似度为98%,文本相似度为95%等,可将二者相乘,并将乘积确定为综合相似度。
在另一示例中,也可计算二者的加权平均值,例如,可认为两种相似度的重要性相同,因此,可将二者的权值均设置为1,并直接计算二者的平均值。
或者,也可首先确定二者的权值,再进行加权平均处理。权值的确定方式可以有多种,例如,可基于文本中包括文字的数量,在数量较多时,可使文本相似度的权值较高,反之,则使文本相似度的权值较低。也可通过待处理图像自身的特性,来确定权值。将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度,包括:确定所述待处理图像的类型;根据所述待处理图像的类型,确定权值信息;根据所述权值信息,对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
在一种可能的实现方式中,所述待处理图像的类型可以是根据图像的来源确定的,例如,待处理图像的来源为通讯工具交互页面或新闻网站页面的截图,其类型可为“通信工具交互页面截图”,或者“新闻网站页面截图”,或者,待处理图像的来源为街道的摄像头,其类型可以是“街景图像”。再或者,待处理图像的来源为门禁摄像头,其类型可以是“人脸图像”等等。
在一种可能的实现方式中,待处理图像的类型,还可以根据图像的分类标记来确定,图像的分类标记可以是在待处理图像生成时人为或自动添加的,例如上文中的“通信工具交互页面截图”。
在一种可能的实现方式中,待处理图像的类型还可基于第一图像特征来确定,例如,上述第一图像特征为矩阵或向量形式的特征信息,可将第一图像特征进行反卷积、激活等处理,获得待处理图像的类型,例如,可确定待处理图像为人脸图像、街景图像、新闻截图、书法图像等类型。待处理图像的类型也可以由用户自己定义和设置,本公开对确定待处理图像的类型的方式不做限制。
在示例中,基于待处理图像的类型,可确定所述权值信息。例如,如果待处理图像的类型指示该图像主要以图像特征来表征(例如人脸图像、风景图像等)时,可使图像相似度的权值较高,文本相似度的权值较低。又例如,如果待处理图像的类型指示该图像主要以文本特征来表征(例如新闻截图、网页截图等)时,可使图像相似度的权值较低,文本相似度的权值较高。
在示例中,可预先为各个类型的图像分别设置对应的权值,也可基于类型来计算权值信息。例如,待处理图像的类型可通过概率的形式表示,例如,待处理图像的类型为新闻截图的概率为95%,为其他类型的概率为5%,则可通过该数据来计算权值信息,例如,可将各类型的概率作为向量的元素,并将该向量进行激活处理,可获得上述权值信息。本公开对计算权值的具体方法不做限制。
在一种可能的实现方式中,将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度,包括:确定所述待处理图像中文本所在区域的面积占比;根据所述面积占比,确定所述权值信息;根据所述权值信息,对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
在示例中,可基于第一图像特征来确定文本所在区域的面积占比。所述第一图像特征可用于表示图像的布局,可基于第一图像特征来计算文本所在区域的面积占比。
在示例中,可基于面积占比来确定权值信息。例如,可将文本所在区域的面积占比确定为文本相似度的权值,进而可计算出图像相似度的权值。又例如,可将文本所在区域的面积占比进行激活处理,可获得上述权值信息。本公开对计算权值的具体方法不做限制。
在一种可能的实现方式中,待处理图像的类型和文本所在区域的面积占比也可通过其他方式获得,例如,可通过人工标注的方式确定待处理图像的类型,可通过人工测量的方式确定文本所在区域的面积占比。在示例中,还可基于色彩、形状等属性来确定文本所在区域的面积占比,例如,新闻网站截图等图像中,字体通常为黑色,可通过黑色的占比来确定文本所在区域的面积占比,或者,上述截图中字体所在区域为工整的行或列,可基于行或列所呈现的矩形的面积来确定文本所在区域的面积占比,本公开对确定面积占比的方式不做限制。本公开对确定待处理图像的类型和文本所在区域的面积占比的方式不做限制。
在示例中,权值可与面积占比正相关,例如文本所在区域的面积占比大越大,图像相似度的权值较低,文本相似度的权值较高。
在示例中,确定文本所在区域的面积占比的方式还可用于文本本身也是图像的场景,例如,文本为艺术字,该艺术字本身既是文本,又是图像,可确定文本所在区域的面积占比为100%,图像所在区域面积占比也是100%,因而可令二者权值相等。
在示例中,还可统计图像中文字的字数等,例如,可将字数所属的区间与权值进行对应,字数越多,则文本相似度的权值越高,例如,字数大于或等于100字,则文本相似度的权值为0.8,字数大于或等于50且小于100字,则文本相似度权值为0.5,字数小于50字,则文本相似度的权值为0.3等,本公开对字数与权值的对应关系不做限制。
通过这种方式,可通过待处理图像的类型或文本所在区域的面积占比来确定图像相似度和文本相似度的权值信息,可提高权值信息的准确度,进而提高匹配结果的准确度。
在一种可能的实现方式中,将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度,包括:根据所述第一图像特征,确定权值信息;根据所述权值信息对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。待处理图像的自身特性可通过表示待处理图像的图案层面的特征信息的第一图像特征来确定,例如,可通过如上方式根据第一图像特征来确定待处理图像的类型,或者,可确定待处理图像中文本所在区域的面积占比等特性。并基于该特性来确定权值。或者,也可根据第一图像特征,通过训练好的网络模型,直接得到权值信息,本公开对此不作限制。
在一种可能的实现方式中,在确定权值信息后,可基于权值信息对图像相似度和文本相似度进行加权平均处理,以获得待处理图像和参考图像的综合相似度。进而,可基于综合相似度获得匹配结果。例如,在待处理图像与参考图像进行一对一比对时,可在综合相似度高于阈值时确定待处理图像与参考图像匹配。又例如,在图像库中确定出与待处理图像匹配的目标图像时,可将与待处理图像的综合相似度最高的参考图像,确定为与待处理图像匹配的目标图像。
根据本公开的实施例的图像处理方法,可获取图像特征和文本特征来综合进行对比,对比过程中考虑了图像中所包含的文本,且通过待处理图像的类型或文本所在区域的面积占比来确定图像相似度和文本相似度的权值信息,进而获得匹配结果。减少了图像的色彩、纹理、光暗、布局、风格、特征点位置等相似度较高,但文本内容不一致的情况下发生误报的概率,提升了匹配结果的准确率。
图2示出根据本公开实施例的图像处理方法的应用示意图,如图2所示,待处理图像为包括文本内容的图像,在确定该种待处理图像与图像库中参考图像的匹配结果时,可综合考虑待处理图像的第一图像特征与参考图像的第二图像特征之间的图像相似度,以及待处理图像的第一文本特征与参考图像的第二文本特征之间的文本相似度。
在一种可能的实现方式中,可预先获取图像库中的各参考图像的第二图像特征和第二文本特征,并在特征库中存储,以用于与待处理图像的特征进行比对。
在一种可能的实现方式中,可提取待处理图像的第一图像特征和第一文本特征。例如,可通过卷积神经网络提取待处理图像的第一图像特征,并可通过OCR技术获得图像中的文本信息,并通过递归神经网络获得待处理图像的第一文本特征。
在一种可能的实现方式中,可首先通过第一文本特征进行筛选,从图像库的各图像中,筛选出图像相似度最高的n个图像作为参考图像,再确定第一文本特征与这些参考图像的文本相似度。进而可通过加权平均处理,确定待处理图像与这些参考图像的综合相似度。
在一种可能的实现方式中,可确定文本相似度和图像相似度的权值,例如,可通过待处理图像中文本所在区域的面积占比来确定文本相似度的权值。在示例中,可基于待处理图像的第一图像特征来确定文本所在区域的面积占比,进而将文本所在区域的面积占比来确定为文本相似度的权值x,再将1-x确定为图像相似度的权值。
在一种可能的实现方式中,在确定上述权值后,可基于上述权值,对图像相似度和文本相似度进行加权平均处理,以分别确定待处理图像与各参考图像的综合相似度,并将综合相似度最高的参考图像确定为与待处理图像匹配的目标图像。
在一种可能的实现方式中,所述图像处理方法可用于网络监管等领域中,例如,对于反数据爬取功能较强的网站,难以直接对该网站发布的文字内容进行监管,可对该网站发布的内容进行截图,并将截图与预设的包括敏感词汇或语句的图像进行比对,以确定截图中是否存在的敏感词汇或语句,进而可确定该网站的内容是否包括敏感词汇或语句,从而可对网站内容的发布者进行有效监管。本公开对图像处理方法的应用场景不做限制。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了图像处理装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种图像处理方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图3示出根据本公开实施例的图像处理装置的框图,如图3所示,所述装置包括:特征提取模块11,用于对待处理图像进行特征提取处理,获得所述待处理图像的第一图像特征以及第一文本特征,其中,所述第一文本特征为所述待处理图像中包括的文本的特征信息;相似度确定模块12,用于分别确定所述第一图像特征与参考图像的第二图像特征之间的图像相似度,以及所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度,其中,所述第二文本特征为所述参考图像中包括的文本的特征信息;匹配模块13,用于根据所述图像相似度和所述文本相似度,确定待处理图像和参考图像之间的图像匹配结果。
在一种可能的实现方式中,所述装置还包括:目标图像确定模块,用于根据待处理图像与至少两个参考图像之间的图像匹配结果,确定所述至少两个参考图像中与所述待处理图像匹配的目标图像。
在一种可能的实现方式中,所述相似度确定模块进一步用于:分别确定所述第一图像特征与至少两个待选图像的第二图像特征之间的图像相似度;根据所述图像相似度,在所述至少两个待选图像中确定出参考图像;确定所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度。
在一种可能的实现方式中,所述图像匹配结果包括所述参考图像与所述待处理图像之间的综合相似度,所述匹配模块进一步用于:将所述图像相似度和所述文本相似度的乘积确定为所述综合相似度;或者,将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度。
在一种可能的实现方式中,所述匹配模块进一步用于:确定所述待处理图像的类型;根据所述待处理图像的类型,确定权值信息;根据所述权值信息,对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
在一种可能的实现方式中,所述匹配模块进一步用于:确定所述待处理图像中文本所在区域的面积占比;根据所述面积占比,确定所述权值信息;根据所述权值信息,对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
在一种可能的实现方式中,所述匹配模块进一步用于:根据所述第一图像特征,确定权值信息;根据所述权值信息对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
在一种可能的实现方式中,所述第一文本特征包括语义特征、格式特征、字体特征、尺寸特征、排版特征和语种特征中的至少一种。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的图像处理方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的图像处理方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图4示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图4,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边缘,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图5示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图5,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中,所述计算机程序产品具体体现为计算机存储介质,在另一个可选实施例中,计算机程序产品具体体现为软件产品,例如软件开发包(Software Development Kit,SDK)等等。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (11)
1.一种图像处理方法,其特征在于,所述方法包括:
对待处理图像进行特征提取处理,获得所述待处理图像的第一图像特征以及第一文本特征,其中,所述第一文本特征为所述待处理图像中包括的文本的特征信息;
分别确定所述第一图像特征与参考图像的第二图像特征之间的图像相似度,以及所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度,其中,所述第二文本特征为所述参考图像中包括的文本的特征信息;
根据所述图像相似度和所述文本相似度,确定待处理图像和参考图像之间的图像匹配结果。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据待处理图像与至少两个参考图像之间的图像匹配结果,确定所述至少两个参考图像中与所述待处理图像匹配的目标图像。
3.根据权利要求2所述的方法,其特征在于,分别确定所述第一图像特征与参考图像的第二图像特征之间的图像相似度,以及所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度,包括:
分别确定所述第一图像特征与至少两个待选图像的第二图像特征之间的图像相似度;
根据所述图像相似度,在所述至少两个待选图像中确定出参考图像;
确定所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述图像匹配结果包括所述参考图像与所述待处理图像之间的综合相似度,
其中,根据所述图像相似度和所述文本相似度,确定所述待处理图像与所述参考图像之间的匹配结果,包括以下中的一种:
将所述图像相似度和所述文本相似度的乘积确定为所述综合相似度;
将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度。
5.根据权利要求4所述的方法,其特征在于,将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度,包括:
确定所述待处理图像的类型;
根据所述待处理图像的类型,确定权值信息;
根据所述权值信息,对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
6.根据权利要求4所述的方法,其特征在于,将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度,包括:
确定所述待处理图像中文本所在区域的面积占比;
根据所述面积占比,确定权值信息;
根据所述权值信息,对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
7.根据权利要求4-6中任一项所述的方法,其特征在于,将所述图像相似度和所述文本相似度的加权平均值确定为所述综合相似度,包括:
根据所述第一图像特征,确定权值信息;
根据所述权值信息对所述图像相似度和所述文本相似度进行加权平均处理,获得所述综合相似度。
8.根据权利要求1-7中任一项所述的方法,其特征在于,所述第一文本特征包括语义特征、格式特征、字体特征、尺寸特征、排版特征和语种特征中的至少一种。
9.一种图像处理装置,其特征在于,包括:
特征提取模块,用于对待处理图像进行特征提取处理,获得所述待处理图像的第一图像特征以及第一文本特征,其中,所述第一文本特征为所述待处理图像中包括的文本的特征信息;
相似度确定模块,用于分别确定所述第一图像特征与参考图像的第二图像特征之间的图像相似度,以及所述第一文本特征与所述参考图像的第二文本特征之间的文本相似度,其中,所述第二文本特征为所述参考图像中包括的文本的特征信息;
匹配模块,用于根据所述图像相似度和所述文本相似度,确定待处理图像和参考图像之间的图像匹配结果。
10.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至8中任意一项所述的方法。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至8中任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111435625.7A CN114118278A (zh) | 2021-11-29 | 2021-11-29 | 图像处理方法及装置、电子设备和存储介质 |
PCT/CN2022/096004 WO2023092975A1 (zh) | 2021-11-29 | 2022-05-30 | 图像处理方法及装置、电子设备、存储介质及计算机程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111435625.7A CN114118278A (zh) | 2021-11-29 | 2021-11-29 | 图像处理方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114118278A true CN114118278A (zh) | 2022-03-01 |
Family
ID=80371521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111435625.7A Pending CN114118278A (zh) | 2021-11-29 | 2021-11-29 | 图像处理方法及装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114118278A (zh) |
WO (1) | WO2023092975A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023092975A1 (zh) * | 2021-11-29 | 2023-06-01 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备、存储介质及计算机程序产品 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210124976A1 (en) * | 2019-10-28 | 2021-04-29 | Samsung Sds Co., Ltd. | Apparatus and method for calculating similarity of images |
CN111694978B (zh) * | 2020-05-20 | 2023-04-28 | Oppo(重庆)智能科技有限公司 | 图像相似度检测方法、装置、存储介质与电子设备 |
CN112990376B (zh) * | 2021-04-29 | 2021-11-02 | 北京世纪好未来教育科技有限公司 | 一种文本图像相似度评估方法、装置及计算设备 |
CN113111154B (zh) * | 2021-06-11 | 2021-10-29 | 北京世纪好未来教育科技有限公司 | 相似度评估方法、答案搜索方法、装置、设备及介质 |
CN114118278A (zh) * | 2021-11-29 | 2022-03-01 | 深圳市商汤科技有限公司 | 图像处理方法及装置、电子设备和存储介质 |
-
2021
- 2021-11-29 CN CN202111435625.7A patent/CN114118278A/zh active Pending
-
2022
- 2022-05-30 WO PCT/CN2022/096004 patent/WO2023092975A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023092975A1 (zh) * | 2021-11-29 | 2023-06-01 | 上海商汤智能科技有限公司 | 图像处理方法及装置、电子设备、存储介质及计算机程序产品 |
Also Published As
Publication number | Publication date |
---|---|
WO2023092975A1 (zh) | 2023-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111753822B (zh) | 文本识别方法及装置、电子设备和存储介质 | |
CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN111783756B (zh) | 文本识别方法及装置、电子设备和存储介质 | |
CN110781813B (zh) | 图像识别方法及装置、电子设备和存储介质 | |
CN111191715A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
US20200007944A1 (en) | Method and apparatus for displaying interactive attributes during multimedia playback | |
CN110633755A (zh) | 网络训练方法、图像处理方法及装置、电子设备 | |
CN106960014B (zh) | 关联用户推荐方法及装置 | |
CN112465843A (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN109615006B (zh) | 文字识别方法及装置、电子设备和存储介质 | |
CN111539410B (zh) | 字符识别方法及装置、电子设备和存储介质 | |
CN111259967B (zh) | 图像分类及神经网络训练方法、装置、设备及存储介质 | |
CN109145970B (zh) | 基于图像的问答处理方法和装置、电子设备及存储介质 | |
CN110781957A (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN110858924B (zh) | 视频背景音乐的生成方法、装置及存储介质 | |
CN109635920B (zh) | 神经网络优化方法及装置、电子设备和存储介质 | |
CN108320208B (zh) | 车辆推荐方法及装置 | |
CN109685041B (zh) | 图像分析方法及装置、电子设备和存储介质 | |
CN107147936B (zh) | 弹幕的显示控制方法及装置 | |
CN112598676B (zh) | 图像分割方法及装置、电子设备和存储介质 | |
CN109101542B (zh) | 图像识别结果输出方法及装置、电子设备和存储介质 | |
CN110633715B (zh) | 图像处理方法、网络训练方法及装置、和电子设备 | |
CN114332503A (zh) | 对象重识别方法及装置、电子设备和存储介质 | |
CN112381091B (zh) | 视频内容识别方法、装置、电子设备及存储介质 | |
CN114118278A (zh) | 图像处理方法及装置、电子设备和存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40065695 Country of ref document: HK |