CN114220111A - 基于云平台的图文批量识别方法及系统 - Google Patents
基于云平台的图文批量识别方法及系统 Download PDFInfo
- Publication number
- CN114220111A CN114220111A CN202111580872.6A CN202111580872A CN114220111A CN 114220111 A CN114220111 A CN 114220111A CN 202111580872 A CN202111580872 A CN 202111580872A CN 114220111 A CN114220111 A CN 114220111A
- Authority
- CN
- China
- Prior art keywords
- image
- identification
- recognition
- algorithm
- target
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000013441 quality evaluation Methods 0.000 claims description 45
- 238000013507 mapping Methods 0.000 claims description 18
- 230000015654 memory Effects 0.000 description 10
- 238000004590 computer program Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种基于云平台的图文批量识别方法及系统,应用于云平台,所述方法包括:获取P个订单图像,P为大于1的整数;对所述P个订单图像进行图文识别,得到P个识别内容;对所述P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;确定所述Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;根据所述Q组处理参数对所述P个订单图像进行处理。采用本申请实施例可以提升订单管理效率。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种基于云平台的图文批量识别方法及系统。
背景技术
随着网络技术快速发展,电商平台也得到了迅速发展,网上购物也走入人们的生活,网上购物不仅方便,而且很容易实现货比三方,以及还可以享受各种优惠福利,因此,深受用户的喜爱。伴随着全球业务的不断发展壮大,下单量不断增加,电商平台的订单也越来越多,因此,如何提升订单管理效率的问题亟待解决。
发明内容
本申请实施例提供了一种基于云平台的图文批量识别方法及系统,可以提升订单管理效率。
第一方面,本申请实施例提供一种基于云平台的图文批量识别方法,应用于云平台,所述方法包括:
获取P个订单图像,P为大于1的整数;
对所述P个订单图像进行图文识别,得到P个识别内容;
对所述P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;
确定所述Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;
根据所述Q组处理参数对所述P个订单图像进行处理。
第二方面,本申请实施例提供了一种基于云平台的图文批量识别系统,应用于云平台,所述系统包括:
获取单元,用于获取P个订单图像,P为大于1的整数;
识别单元,用于对所述P个订单图像进行图文识别,得到P个识别内容;
分类单元,用于对所述P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;
确定单元,用于确定所述Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;
处理单元,用于根据所述Q组处理参数对所述P个订单图像进行处理。
实施本申请实施例,具备如下有益效果:
可以看出,本申请实施例中所描述的基于云平台的图文批量识别方法及系统,获取P个订单图像,P为大于1的整数;对P个订单图像进行图文识别,得到P个识别内容;对P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;确定Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;根据Q组处理参数对P个订单图像进行处理,如此,能够对订单图像进行批量识别,以及分类处理,进而,可以提升订单管理效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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的附图。
图1是本申请实施例提供的一种基于云平台的图文批量识别方法的流程示意图;
图2是本申请实施例提供的一种云平台的结构示意图;
图3是本申请实施例提供的一种基于云平台的图文批量识别装置的功能单元组成框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请实施例中,电子设备可以包括以下至少一种:手机、平板电脑、车载设备(如导航仪、车载冰箱)、扫描仪、可穿戴设备(如智能手环、智能手表、智能耳机等等)等等,在此不做限定。云平台可以为云服务器。
下面对本申请实施例进行详细介绍。
请参阅图1,图1是本申请实施例提供的一种基于云平台的图文批量识别方法的流程示意图,如图所示,应用于云平台,本基于云平台的图文批量识别方法包括:
101、获取P个订单图像,P为大于1的整数。
其中,具体实现中,电子设备可以通过摄像头进行拍摄,得到P个订单图像,P为大于1的整数,每一订单图像可以为一个快递订单的图像,或者,也可以为一个货品订单的图像,或者,也可以为一个截屏图像。电子设备可以将P个订单图像发送给云平台,例如,电子设备可以对P个订单图像进行打包,以发送给云平台,云平台则对其进行解包,得到P个订单图像。P个订单图像可以对应K个订单,K为小于或等于P的整数,即,一个订单对应至少一个订单图像。例如,P个订单图像可以为P个订单的订单图像,每一订单对应一个订单图像。
其中,订单图像可以包括以下至少内容:发件人信息、收件人信息、物件名称、物件数量、订单号、注意事项等等,在此不做限定。
102、对所述P个订单图像进行图文识别,得到P个识别内容。
具体实现中,可以对订单图像进行图文识别,得到P个识别内容,具体实现中,图文识别的算法可以包括以下至少一种:光学字符识别算法(OCR)、神经网络模型等等,在此不做限定。神经网络模型可以包括以下至少一种:卷积神经网络模型、循环神经网络模型、全连接神经网络模型等等,在此不做限定。
可选的,上述步骤102,对所述P个订单图像进行图文识别,得到P个识别内容,可以包括如下步骤:
21、确定所述P个订单图像中每一订单图像的图像质量评价参数,得到P个图像质量评价参数;
22、根据所述P个图像质量评价参数确定目标图像识别算法;
23、根据所述目标图像识别算法对所述P个订单图像进行图文识别,得到P个识别内容。
具体实现中,可以对P个订单图像中每一订单图像进行图像质量评价,得以获取图像质量评价参数,得到P个图像质量评价参数。
其中,不同的图像质量评价参数可以对应不同的图像识别算法,即可以预先存储预设的图像质量评价参数与图像识别算法之间的映射关系,还可以确定P个图像质量评价参数的均值,根据该映射关系,确定该均值对应的目标图像识别算法,进而,可以将P个订单图像的字符识别收敛到同一种算法,保证图文识别的收敛性,也保证了图文识别的精度。
进而,再根据目标图像识别算法对P个订单图像进行图文识别,得到P个识别内容,可以保证图文识别一致性,提升批量图文识别效率。
可选的,上述步骤21,确定所述P个订单图像中每一订单图像的图像质量评价参数,得到P个图像质量评价参数,可以包括如下步骤:
211、确定订单图像i的目标区域图像和背景区域图像,所述订单图像i为所述P个订单图像中的任一订单图像;
212、确定所述目标区域图像的第一信噪比,以及所述背景区域图像的第二信噪比;
213、确定所述目标区域图像的第一权值,以及所述背景区域图像的第二权值;
214、根据所述第一信噪比、所述第二信噪比、所述第一权值和所述第二权值进行加权运算,得到所述订单图像i的图像质量评价参数。
具体实现中,以订单图像i为例,该订单图像i为P个订单图像中的任一订单图像,进而,可以确定订单图像i的目标区域图像和背景区域图像,再确定目标区域图像的第一信噪比,以及背景区域图像的第二信噪比,以及可以确定目标区域图像和背景区域图像对应的面积占比,依据该面积占比确定第一权值和第二权值,例如,面积占比=目标区域图像的面积/背景区域图像的面积,则第一权值=目标区域图像的面积/(目标区域图像的面积+背景区域图像的面积),而第二权值=背景区域图像的面积/(目标区域图像的面积+背景区域图像的面积)。进一步的,可以根据第一信噪比、第二信噪比、第一权值和第二权值进行加权运算,得到订单图像i的图像质量评价参数,具体如下:
订单图像i的图像质量评价参数=第一信噪比*第一权值+第二信噪比*第二权值
如此,可以结合面积和背景之间的关系对订单图像进行图像质量评价,更加符合字符识别的需求。
可选的,上述步骤22,根据所述P个图像质量评价参数确定目标图像识别算法,可以包括如下步骤:
221、确定所述P个图像质量评价参数的第一均值和第一标准差;
222、按照预设的图像质量评价参数与图像识别算法类型之间的映射关系,确定所述第一均值对应的目标图像识别算法类型;
223、按照预设的标准差与算法参数之间的映射关系,确定所述第一标准差对应的目标算法参数;
224、将所述目标图像识别算法类型与所述目标算法参数确定为所述目标图像识别算法。
具体实现中,可以预先存储预设的图像质量评价参数与图像识别算法类型之间的映射关系,以及预设的标准差与算法参数之间的映射关系。不同的图像识别算法类型对应不同的图文识别算法,图像识别算法类型用于标识图像识别算法,每一图像识别算法则可以对应相应的算法参数,算法参数用于控制图文识别精度,和/或,图文识别效率。
具体的,可以确定P个图像质量评价参数的第一均值和第一标准差,均值反映了图像质量的收敛性,标准差则反映了收敛性的波动情况。
进而,可以再按照预设的图像质量评价参数与图像识别算法类型之间的映射关系,确定第一均值对应的目标图像识别算法类型,以及按照预设的标准差与算法参数之间的映射关系,确定第一标准差对应的目标算法参数,接着,可以将目标图像识别算法类型与目标算法参数确定为目标图像识别算法,如此,可以得到与P个订单图像的质量相符合的图文识别算法,以及还能够确定图文识别一致性的算法参数,有助于保证图文识别精度以及图文识别效率。
可选的,上述步骤23,根据所述目标图像识别算法对所述P个订单图像进行图文识别,得到P个识别内容,可以包括如下步骤:
231、确定所述P个订单图像中每一订单图像中的目标占比,得到P个目标占比;
232、根据所述P个目标占比优化所述目标算法参数,得到P个参考算法参数;
233、根据所述P个参考算法参数以及所述目标图像识别算法类型对所述P个订单图像进行图文识别,得到P个识别内容。
具体实现中,可以确定P个订单图像中每一订单图像中的目标占比,得到P个目标占比,目标占比即为目标区域与整个订单图像之间的面积比。
进而,可以根据P个目标占比优化目标算法参数,得到P个参考算法参数,即不同的目标占比可以对应不同的优化参数,优化参数的取值可以为0~1,进而,可以根据优化参数优化目标算法参数,即参考算法参数=目标算法参数*优化参数,如此,相当于对图文识别算法的算法精度进行调节,优化参数相当于实现对字符进行放大或者缩小处理,保证图文识别一致性,也保证图文识别精度,再根据P个参考算法参数以及目标图像识别算法类型对P个订单图像进行图文识别,得到P个识别内容,如此,可以提升图文识别精度以及图像识别一致性。
103、对所述P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数。
具体实现中,可以对P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数,不同识别内容集可以对应不同的处理方式。对识别内容进行分类,相当于对订单进行分类,便于对订单进行分类管理,有助于提升订单管理效率。
可选的,上述步骤103,对所述P个识别内容进行分类,得到Q类识别内容集,可以包括如下步骤:
31、对所述P个识别内容中每一识别内容进行关键字提取,得到P个关键字集;
32、将所述P个关键字集进行聚类,得到Q类关键字集;
33、根据所述Q类关键字集确定所述Q类识别内容集。
具体实现中,可以对P个识别内容中每一识别内容进行关键字提取,得到P个关键字集,每一关键字集可以包括至少一个关键字,再将P个关键字集进行聚类,得到Q类关键字集,例如,可以将一个地方,或者一类物品归于一个集合,进而,可以根据Q类关键字集确定Q类识别内容集。关键字可以为字符串、数字、图案、词组等等,每一关键字可以表达至少一个意思。
104、确定所述Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数。
具体实现中,不同的识别内容集可以对应不同的处理参数,处理参数可以包括以下至少一种:订单处理人员、订单处理方式、订单期限、订单注意事项、订单保险信息等等,在此不做限定。
具体的,可以预先存储预设的识别内容集与处理参数之间的映射关系,进而,可以基于该映射关系确定Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数。
105、根据所述Q组处理参数对所述P个订单图像进行处理。
其中,本申请实施例中,P个订单图像可以对应Q个订单集,进而,可以根据Q组处理参数对P个订单图像进行处理,以实现订单分类处理,具体为根据Q组处理参数对Q个订单集中对应的订单集进行处理,从而,保证订单处理效率。
可以看出,本申请实施例中所描述的基于云平台的图文批量识别方法,获取P个订单图像,P为大于1的整数;对P个订单图像进行图文识别,得到P个识别内容;对P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;确定Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;根据Q组处理参数对P个订单图像进行处理,如此,能够对订单图像进行批量识别,以及分类处理,进而,可以提升订单管理效率。
与上述实施例一致的,请参阅图2,图2是本申请实施例提供的一种云平台的结构示意图,如图所示,该云平台包括处理器、存储器、通信接口以及一个或多个程序,上述一个或多个程序被存储在上述存储器中,并且被配置由上述处理器执行,本申请实施例中,上述程序包括用于执行以下步骤的指令:
获取P个订单图像,P为大于1的整数;
对所述P个订单图像进行图文识别,得到P个识别内容;
对所述P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;
确定所述Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;
根据所述Q组处理参数对所述P个订单图像进行处理。
可选的,在所述对所述P个订单图像进行图文识别,得到P个识别内容方面,上述程序包括用于执行以下步骤的指令:
确定所述P个订单图像中每一订单图像的图像质量评价参数,得到P个图像质量评价参数;
根据所述P个图像质量评价参数确定目标图像识别算法;
根据所述目标图像识别算法对所述P个订单图像进行图文识别,得到P个识别内容。
可选的,在所述根据所述P个图像质量评价参数确定目标图像识别算法方面,上述程序包括用于执行以下步骤的指令:
确定所述P个图像质量评价参数的第一均值和第一标准差;
按照预设的图像质量评价参数与图像识别算法类型之间的映射关系,确定所述第一均值对应的目标图像识别算法类型;
按照预设的标准差与算法参数之间的映射关系,确定所述第一标准差对应的目标算法参数;
将所述目标图像识别算法类型与所述目标算法参数确定为所述目标图像识别算法。
可选的,在所述根据所述目标图像识别算法对所述P个订单图像进行图文识别,得到P个识别内容方面,上述程序包括用于执行以下步骤的指令:
确定所述P个订单图像中每一订单图像中的目标占比,得到P个目标占比;
根据所述P个目标占比优化所述目标算法参数,得到P个参考算法参数;
根据所述P个参考算法参数以及所述目标图像识别算法类型对所述P个订单图像进行图文识别,得到P个识别内容。
可选的,在所述对所述P个识别内容进行分类,得到Q类识别内容集方面,上述程序包括用于执行以下步骤的指令:
对所述P个识别内容中每一识别内容进行关键字提取,得到P个关键字集;
将所述P个关键字集进行聚类,得到Q类关键字集;
根据所述Q类关键字集确定所述Q类识别内容集。
可以看出,本申请实施例中所描述的的云平台,获取P个订单图像,P为大于1的整数;对P个订单图像进行图文识别,得到P个识别内容;对P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;确定Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;根据Q组处理参数对P个订单图像进行处理,如此,能够对订单图像进行批量识别,以及分类处理,进而,可以提升订单管理效率。
图3是本申请实施例中所涉及的基于云平台的图文批量识别系统300的功能单元组成框图,该基于云平台的图文批量识别系统300应用于云平台,所述系统包括:
获取单元301,用于获取P个订单图像,P为大于1的整数;
识别单元302,用于对所述P个订单图像进行图文识别,得到P个识别内容;
分类单元303,用于对所述P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;
确定单元304,用于确定所述Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;
处理单元305,用于根据所述Q组处理参数对所述P个订单图像进行处理。
可选的,在所述对所述P个订单图像进行图文识别,得到P个识别内容方面,所述识别单元302具体用于:
确定所述P个订单图像中每一订单图像的图像质量评价参数,得到P个图像质量评价参数;
根据所述P个图像质量评价参数确定目标图像识别算法;
根据所述目标图像识别算法对所述P个订单图像进行图文识别,得到P个识别内容。
可选的,在所述根据所述P个图像质量评价参数确定目标图像识别算法方面,所述识别单元302具体用于:
确定所述P个图像质量评价参数的第一均值和第一标准差;
按照预设的图像质量评价参数与图像识别算法类型之间的映射关系,确定所述第一均值对应的目标图像识别算法类型;
按照预设的标准差与算法参数之间的映射关系,确定所述第一标准差对应的目标算法参数;
将所述目标图像识别算法类型与所述目标算法参数确定为所述目标图像识别算法。
可选的,在所述根据所述目标图像识别算法对所述P个订单图像进行图文识别,得到P个识别内容方面,所示识别单元302具体用于:
确定所述P个订单图像中每一订单图像中的目标占比,得到P个目标占比;
根据所述P个目标占比优化所述目标算法参数,得到P个参考算法参数;
根据所述P个参考算法参数以及所述目标图像识别算法类型对所述P个订单图像进行图文识别,得到P个识别内容。
可选的,在所述对所述P个识别内容进行分类,得到Q类识别内容集方面,所述分类单元303具体用于:
对所述P个识别内容中每一识别内容进行关键字提取,得到P个关键字集;
将所述P个关键字集进行聚类,得到Q类关键字集;
根据所述Q类关键字集确定所述Q类识别内容集。
可以看出,本申请实施例中所描述的基于云平台的图文批量识别系统,获取P个订单图像,P为大于1的整数;对P个订单图像进行图文识别,得到P个识别内容;对P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;确定Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;根据Q组处理参数对P个订单图像进行处理,如此,能够对订单图像进行批量识别,以及分类处理,进而,可以提升订单管理效率。
可以理解的是,本实施例的基于云平台的图文批量识别系统的各程序模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
本申请实施例还提供一种计算机存储介质,其中,该计算机存储介质存储用于电子数据交换的计算机程序,该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品,上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如上述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括:闪存盘、只读存储器(英文:Read-Only Memory ,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (10)
1.一种基于云平台的图文批量识别方法,其特征在于,应用于云平台,所述方法包括:
获取P个订单图像,P为大于1的整数;
对所述P个订单图像进行图文识别,得到P个识别内容;
对所述P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;
确定所述Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;
根据所述Q组处理参数对所述P个订单图像进行处理。
2.根据权利要求1所述的方法,其特征在于,所述对所述P个订单图像进行图文识别,得到P个识别内容,包括:
确定所述P个订单图像中每一订单图像的图像质量评价参数,得到P个图像质量评价参数;
根据所述P个图像质量评价参数确定目标图像识别算法;
根据所述目标图像识别算法对所述P个订单图像进行图文识别,得到P个识别内容。
3.根据权利要求2所述的方法,其特征在于,所述根据所述P个图像质量评价参数确定目标图像识别算法,包括:
确定所述P个图像质量评价参数的第一均值和第一标准差;
按照预设的图像质量评价参数与图像识别算法类型之间的映射关系,确定所述第一均值对应的目标图像识别算法类型;
按照预设的标准差与算法参数之间的映射关系,确定所述第一标准差对应的目标算法参数;
将所述目标图像识别算法类型与所述目标算法参数确定为所述目标图像识别算法。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标图像识别算法对所述P个订单图像进行图文识别,得到P个识别内容,包括:
确定所述P个订单图像中每一订单图像中的目标占比,得到P个目标占比;
根据所述P个目标占比优化所述目标算法参数,得到P个参考算法参数;
根据所述P个参考算法参数以及所述目标图像识别算法类型对所述P个订单图像进行图文识别,得到P个识别内容。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述对所述P个识别内容进行分类,得到Q类识别内容集,包括:
对所述P个识别内容中每一识别内容进行关键字提取,得到P个关键字集;
将所述P个关键字集进行聚类,得到Q类关键字集;
根据所述Q类关键字集确定所述Q类识别内容集。
6.一种基于云平台的图文批量识别系统,其特征在于,应用于云平台,所述系统包括:
获取单元,用于获取P个订单图像,P为大于1的整数;
识别单元,用于对所述P个订单图像进行图文识别,得到P个识别内容;
分类单元,用于对所述P个识别内容进行分类,得到Q类识别内容集,Q为小于或等于P的正整数;
确定单元,用于确定所述Q类识别内容集中每一类识别内容集对应的处理参数,得到Q组处理参数;
处理单元,用于根据所述Q组处理参数对所述P个订单图像进行处理。
7.根据权利要求6所述的系统,其特征在于,在所述对所述P个订单图像进行图文识别,得到P个识别内容方面,所述识别单元具体用于:
确定所述P个订单图像中每一订单图像的图像质量评价参数,得到P个图像质量评价参数;
根据所述P个图像质量评价参数确定目标图像识别算法;
根据所述目标图像识别算法对所述P个订单图像进行图文识别,得到P个识别内容。
8.根据权利要求7所述的系统,其特征在于,在所述根据所述P个图像质量评价参数确定目标图像识别算法方面,所述识别单元具体用于:
确定所述P个图像质量评价参数的第一均值和第一标准差;
按照预设的图像质量评价参数与图像识别算法类型之间的映射关系,确定所述第一均值对应的目标图像识别算法类型;
按照预设的标准差与算法参数之间的映射关系,确定所述第一标准差对应的目标算法参数;
将所述目标图像识别算法类型与所述目标算法参数确定为所述目标图像识别算法。
9.根据权利要求8所述的系统,其特征在于,在所述根据所述目标图像识别算法对所述P个订单图像进行图文识别,得到P个识别内容方面,所示识别单元具体用于:
确定所述P个订单图像中每一订单图像中的目标占比,得到P个目标占比;
根据所述P个目标占比优化所述目标算法参数,得到P个参考算法参数;
根据所述P个参考算法参数以及所述目标图像识别算法类型对所述P个订单图像进行图文识别,得到P个识别内容。
10.根据权利要求6-9任一项所述的系统,其特征在于,在所述对所述P个识别内容进行分类,得到Q类识别内容集方面,所述分类单元具体用于:
对所述P个识别内容中每一识别内容进行关键字提取,得到P个关键字集;
将所述P个关键字集进行聚类,得到Q类关键字集;
根据所述Q类关键字集确定所述Q类识别内容集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111580872.6A CN114220111B (zh) | 2021-12-22 | 2021-12-22 | 基于云平台的图文批量识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111580872.6A CN114220111B (zh) | 2021-12-22 | 2021-12-22 | 基于云平台的图文批量识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114220111A true CN114220111A (zh) | 2022-03-22 |
CN114220111B CN114220111B (zh) | 2022-09-16 |
Family
ID=80705040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111580872.6A Active CN114220111B (zh) | 2021-12-22 | 2021-12-22 | 基于云平台的图文批量识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114220111B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017045562A1 (zh) * | 2015-09-17 | 2017-03-23 | 阿里巴巴集团控股有限公司 | 交易订单付款信息处理方法及装置 |
US20180268464A1 (en) * | 2015-11-18 | 2018-09-20 | Alibaba Group Holding Limited | Order clustering and malicious information combating method and apparatus |
CN108960290A (zh) * | 2018-06-08 | 2018-12-07 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
CN109657087A (zh) * | 2018-11-30 | 2019-04-19 | 平安科技(深圳)有限公司 | 一种数据批量标注方法、装置及计算机可读存储介质 |
CN110751140A (zh) * | 2019-09-16 | 2020-02-04 | 深圳市国信合成科技有限公司 | 字符批量识别方法、装置和计算机设备 |
CN111666970A (zh) * | 2020-04-23 | 2020-09-15 | 杭州传化智能制造科技有限公司 | 生产信息的处理方法、装置、系统和计算机设备 |
CN111915567A (zh) * | 2020-07-06 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种图像质量评估方法、装置、设备及介质 |
CN112887665A (zh) * | 2020-12-30 | 2021-06-01 | 重庆邮电大学移通学院 | 视频图像处理方法及相关装置 |
CN113420756A (zh) * | 2021-07-28 | 2021-09-21 | 浙江大华技术股份有限公司 | 证件图像的识别方法和装置、存储介质及电子装置 |
CN113673501A (zh) * | 2021-08-23 | 2021-11-19 | 广东电网有限责任公司 | 一种ocr分类方法、系统、电子设备及存储介质 |
-
2021
- 2021-12-22 CN CN202111580872.6A patent/CN114220111B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017045562A1 (zh) * | 2015-09-17 | 2017-03-23 | 阿里巴巴集团控股有限公司 | 交易订单付款信息处理方法及装置 |
US20180268464A1 (en) * | 2015-11-18 | 2018-09-20 | Alibaba Group Holding Limited | Order clustering and malicious information combating method and apparatus |
CN108960290A (zh) * | 2018-06-08 | 2018-12-07 | Oppo广东移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
CN109657087A (zh) * | 2018-11-30 | 2019-04-19 | 平安科技(深圳)有限公司 | 一种数据批量标注方法、装置及计算机可读存储介质 |
CN110751140A (zh) * | 2019-09-16 | 2020-02-04 | 深圳市国信合成科技有限公司 | 字符批量识别方法、装置和计算机设备 |
CN111666970A (zh) * | 2020-04-23 | 2020-09-15 | 杭州传化智能制造科技有限公司 | 生产信息的处理方法、装置、系统和计算机设备 |
CN111915567A (zh) * | 2020-07-06 | 2020-11-10 | 浙江大华技术股份有限公司 | 一种图像质量评估方法、装置、设备及介质 |
CN112887665A (zh) * | 2020-12-30 | 2021-06-01 | 重庆邮电大学移通学院 | 视频图像处理方法及相关装置 |
CN113420756A (zh) * | 2021-07-28 | 2021-09-21 | 浙江大华技术股份有限公司 | 证件图像的识别方法和装置、存储介质及电子装置 |
CN113673501A (zh) * | 2021-08-23 | 2021-11-19 | 广东电网有限责任公司 | 一种ocr分类方法、系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114220111B (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111368893B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
EP3627392B1 (en) | Object identification method, system and device, and storage medium | |
US9116924B2 (en) | System and method for image selection using multivariate time series analysis | |
CN106326391B (zh) | 多媒体资源推荐方法及装置 | |
CN111209970B (zh) | 视频分类方法、装置、存储介质及服务器 | |
CN110378235A (zh) | 一种模糊人脸图像识别方法、装置及终端设备 | |
CN111738357A (zh) | 垃圾图片的识别方法、装置及设备 | |
US20200218772A1 (en) | Method and apparatus for dynamically identifying a user of an account for posting images | |
CN104572847B (zh) | 一种照片命名的方法及装置 | |
CN112101359B (zh) | 文本公式的定位方法、模型训练方法及相关装置 | |
CN111435369B (zh) | 音乐推荐方法、装置、终端及存储介质 | |
KR20230013280A (ko) | 클라이언트 애플리케이션 콘텐츠 분류 및 발견 | |
CN112749280A (zh) | 网络舆情的分类方法、装置、电子装置和存储介质 | |
CN112396079A (zh) | 号码识别模型训练方法、号码识别方法及装置 | |
US11373057B2 (en) | Artificial intelligence driven image retrieval | |
CN110059212A (zh) | 图像检索方法、装置、设备及计算机可读存储介质 | |
CN114220111B (zh) | 基于云平台的图文批量识别方法及系统 | |
US20170171462A1 (en) | Image Collection Method, Information Push Method and Electronic Device, and Mobile Phone | |
CN116958674A (zh) | 一种图像识别的方法、装置、电子设备及存储介质 | |
CN113486260B (zh) | 互动信息的生成方法、装置、计算机设备及存储介质 | |
CN112862073B (zh) | 一种压缩数据分析方法、装置、存储介质及终端 | |
CN111401317B (zh) | 视频分类方法、装置、设备及存储介质 | |
CN110163761B (zh) | 基于图像处理的可疑项目成员识别方法及装置 | |
CN113987239A (zh) | 图像推送方法、装置、计算机设备、存储介质及产品 | |
CN113221786A (zh) | 数据分类方法及装置、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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Method and System for Batch Recognition of Images and Text Based on Cloud Platform Effective date of registration: 20231219 Granted publication date: 20220916 Pledgee: Ningbo Bank Co.,Ltd. Shenzhen Branch Pledgor: EDEN INFORMATION SERVICE Ltd. Registration number: Y2023980072549 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |