CN114399604B - 一种基于语义理解的建筑立面纹理快速生成方法及系统 - Google Patents

一种基于语义理解的建筑立面纹理快速生成方法及系统 Download PDF

Info

Publication number
CN114399604B
CN114399604B CN202210297755.7A CN202210297755A CN114399604B CN 114399604 B CN114399604 B CN 114399604B CN 202210297755 A CN202210297755 A CN 202210297755A CN 114399604 B CN114399604 B CN 114399604B
Authority
CN
China
Prior art keywords
texture
semantic
map
building
library
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
Application number
CN202210297755.7A
Other languages
English (en)
Other versions
CN114399604A (zh
Inventor
何文武
宋彬
朱旭平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Feidu Technology Co ltd
Original Assignee
Beijing Feidu Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Feidu Technology Co ltd filed Critical Beijing Feidu Technology Co ltd
Priority to CN202210297755.7A priority Critical patent/CN114399604B/zh
Publication of CN114399604A publication Critical patent/CN114399604A/zh
Application granted granted Critical
Publication of CN114399604B publication Critical patent/CN114399604B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Graphics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于语义理解的建筑立面纹理快速生成方法及系统，属于三维重建技术领域。该方法包括：S1：构建包含不同的第一语义的构件贴图的纹理贴图库；S2：提取三维模型立面的原始纹理贴图；S3：识别所述原始纹理贴图的第二语义，得到对应的第二语义标签图；S4：通过第二语义标签图裁剪原始纹理贴图，得到对应于三维模型不同部位的特定语义的裁剪贴图；S5：在纹理贴图库中检索出与裁剪贴图对应的纹理贴图。在本发明中，通过基于语义理解的和自动检索的方法，在门、窗、墙等语义解析的基础上，在纹理库中检索最相似的纹理，进行替换，构建具有高相似度、高真实感的立面纹理，从而解决了人工修补三维重建模型贴图效率低、时间长的问题。

Description

一种基于语义理解的建筑立面纹理快速生成方法及系统
技术领域
本发明涉及三维重建技术领域，特别涉及一种基于语义理解的建筑立面纹理快速生成方法及系统。
背景技术
在传统的建筑贴图制作行业中，通过多目重建自动得到的建筑三维模型上的纹理往往有畸变、扭曲、模糊的问题，现有技术首先会人工扣除掉门、窗等构件，然后先将墙面进行人工修补，再分别对门、窗等构件做人工修补。这种方法面临如下问题：（1）通过人工进行抠图的流程大量且重复性高；（2）通过人工的方式修补墙面、门、窗的方式消耗时间非常长。
发明内容
为了解决现有技术的问题，本发明提供了一种基于语义理解的建筑立面纹理快速生成方法及系统。
一方面，提供了一种基于语义理解的建筑立面纹理快速生成方法，所述方法包括：
S1：构建包含不同的第一语义的构件贴图的纹理贴图库；
S2：提取三维模型立面的原始纹理贴图；
S3：识别所述原始纹理贴图的第二语义，得到对应的第二语义标签图；
S4：通过所述第二语义标签图裁剪所述原始纹理贴图，得到对应于三维模型不同部位的特定语义的裁剪贴图；
S5：在所述纹理贴图库中检索出与所述裁剪贴图对应的纹理贴图，采用所述纹理贴图替换所述裁剪贴图；
S6：将对应于三维模型不同部位所述纹理贴图贴回到三维模型上，得到完整的带纹理的三维模型。
进一步地，所述S3中，通过语义识别网络识别所述原始纹理贴图中的不同第二语义。
进一步地，所述S3之前还包括：
构造语义识别网络训练集：收集若干个样本，每个样本均是一张正视的建筑立面图和对应的标签数据，对应的所述标签数据是在所述建筑立面图上对应的第二语义处；
训练所述语义识别网络：利用所述语义识别网络训练集中的建筑纹理贴图和对应的标签数据，通过监督学习的方式对所述语义识别网络进行训练，训练后的所述语义识别网络可以对输入的建筑立面贴图进行分语义的识别理解，并用矩形在建筑立面贴图上标出不同语义的对应位置。
进一步地，所述S5中，通过自动检索网络在所述纹理贴图库中检索出与所述裁剪贴图最相似的纹理贴图。
进一步地，所述S5之前还包括：
构造用于检索建筑立面对应语义纹理的训练集：收集若干个样本，每个样本均是一个图片对，每个图片对对由两张图片构成，包括需要检索的纹理贴图和纹理库中的纹理贴图；
训练所述自动检索网络：利用检索建筑立面对应语义纹理的训练集，用不同语义的训练数据对训练不同的网络模型，训练后的自动检索网络在对应第一语义的纹理贴图库中检索到与输入的只包含一种第二语义的建筑立面裁剪贴图对应的一张建筑立面构件纹理贴图。
另一方面，提供了一种基于语义理解的建筑立面纹理快速生成系统，所述系统包括:
采集模块，用于根据不同实物构件进行扫描以获取实物构件的原始图像；
处理模块，基于原始图像以配置对应的参数库生成构件贴图；
写入模块，基于构件贴图并在构件贴图的第一属性值中写入对应的第一语义；
纹理贴图库，用于将具有不同的第一语义的构件贴图在对应的存储单元中进行存储以形成所述纹理贴图库；
识别模块，用于提取三维模型立面的原始纹理贴图，并识别所述原始纹理贴图的第二语义；
标签模块，用于基于所述原始纹理贴图的第二语义在所述原始纹理贴图的第二属性值中写入标签表达以得到每一所述原始纹理贴图对应的第二语义标签图；
裁剪模块，用于基于所述第二语义标签图裁剪所述原始纹理贴图，得到对应于三维模型不同部位的特定语义的裁剪贴图；
置换模块，用于基于写入的标签表达与第一语义的比对，在所述纹理贴图库中检索出与所述裁剪贴图对应的纹理贴图，采用所述纹理贴图替换所述裁剪贴图；
纹理模型生成模块，用于通过将对应于三维模型不同部位的所述纹理贴图贴回到三维模型上，得到完整的带纹理的三维模型。
进一步地，所述系统还包括机器学习系统，该机器学习系统具有：
语义识别网络，语义识别网络用于利用语义识别网络训练集中的建筑纹理贴图和对应的标签数据，通过监督学习的方式对所述语义识别网络进行训练，训练后的所述语义识别网络可以对输入的建筑立面贴图进行分语义的识别理解，并用矩形在建筑立面贴图上标出不同语义的对应位置；
自动检索网络，自动检索网络利用检索建筑立面对应语义纹理的训练集，用不同语义的训练数据对训练不同的网络模型，训练后的自动检索网络在对应第一语义的纹理贴图库中检索到与输入的只包含一种第二语义的建筑立面裁剪贴图对应的一张建筑立面构件纹理贴图。
进一步地，所述语义识别网络训练集通过如下的方法构造：
收集若干个样本，每个样本均是一张正视的建筑立面图和对应的标签数据，对应的所述标签数据是在所述建筑立面图上对应的第二语义处。
进一步地，所述检索建筑立面对应语义纹理的训练集通过如下的方法构造：
收集若干个样本，每个样本均是一个图片对，每个图片对由两张图片构成，包括需要检索的纹理贴图和纹理库中的纹理贴图。
本发明实施例提供的技术方案带来的有益效果是：在本发明中，通过基于语义理解的和自动检索的方法，在门、窗、墙等语义解析的基础上，在纹理库中检索最相似的纹理，进行替换，从而构建具有高相似度、高真实感的立面纹理，从而解决了人工修补自动三维重建模型贴图效率低、时间长的问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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发明的一些实施例，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是本发明实施例一提供的一种基于语义理解的建筑立面纹理快速生成方法流程图；
图2是本发明实施例二提供的一种基于语义理解的建筑立面纹理快速生成系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
参见图1，一种基于语义理解的建筑立面纹理快速生成方法，包括以下步骤：
步骤（1）：构建包含不同的第一语义的构件贴图的纹理贴图库，为了快速构建具有高相似度、高真实感的立面纹理，需要预先准备分语义类别的纹理贴图库，比如墙面纹理贴图库、门纹理贴图库、窗户纹理贴图库等等，纹理贴图库中的贴图带有对应的第一语义标签，且具有高度真实感。
步骤（2）：提取自动重建的三维模型立面的原始纹理贴图。
步骤（3）：为了自动地对原始纹理贴图进行语义的识别和划分，如门、窗、墙等，需要用到语义识别网络，因此，需要构造语义识别网络训练集：收集十万个样本，每个样本是一张正视的建筑立面图和对应的标签数据，对应的标签数据是在建筑立面图上对应的第二语义处，这里，每一张建筑立面图的大小都是1024*1024，并且没有树木遮挡、纹理残缺、扭曲、畸变、模糊等问题。对应的标签数据是在建筑立面图上对应的第二语义处，如门、窗、墙面等地方，标记对应语义纹理的最小内矩形；
训练语义识别网络：利用语义识别网络训练集中的建筑纹理贴图和对应的标签数据，通过监督学习的方式对语义识别网络进行训练，训练后的语义识别网络可以对输入的建筑立面贴图进行分语义的识别理解，并用矩形在建筑立面贴图上标出不同语义的对应位置。
步骤（4）：通过语义识别网络自动识别原始纹理贴图中的不同的第二语义，得到对应的第二语义标签图，该语义标签图区分了原始纹理贴图中的门、窗、墙等多个构件的语义信息。
步骤（5）：通过第二语义标签图将原始纹理贴图对应第二语义区域自动裁剪出来，得到对应于三维模型不同部位的特定语义的裁剪贴图，也就是对应的只包含一种第二语义的裁剪贴图，如门的纹理贴图、窗户的纹理贴图、墙面的纹理贴图等。
步骤（6）：为了快速地从对应的纹理贴图库中检索到最相似的纹理贴图，需要用到自动检索的网络，因此，需要构造用于检索建筑立面对应语义纹理的训练集：收集十万个样本，每个样本是一个图片对，每个图片对由两张图片构成，包括需要检索的纹理贴图和纹理库中的纹理贴图，每一张图片的大小都是1024*1024；
训练自动检索网络：利用检索建筑立面对应语义纹理的训练集，用不同语义的训练数据对训练不同的网络模型，训练后的自动检索网络在对应第一语义的纹理贴图库中检索到与输入的只包含一种第二语义的建筑立面裁剪贴图对应的一张建筑立面构件纹理贴图，也就是与建筑立面裁剪贴图最相似的一张建筑立面构件纹理贴图。
步骤（7）：在纹理贴图库中通过自动检索网络检索出与裁剪贴图对应的纹理贴图，也就是与裁剪贴图最相似的纹理贴图，进行替换。
步骤（8）：将对应于三维模型不同部位纹理贴图贴回到建筑的三维模型上，得到完整的带纹理的三维建筑。
实施例二
参见图2，一种基于语义理解的建筑立面纹理快速生成系统，包括:采集模块，用于根据不同实物构件进行扫描以获取实物构件的原始图像；处理模块，基于原始图像以配置对应的参数库生成构件贴图；写入模块，基于构件贴图并在构件贴图的第一属性值中写入对应的第一语义；纹理贴图库，用于将具有不同的第一语义的构件贴图在对应的存储单元中进行存储以形成纹理贴图库；识别模块，用于提取三维模型立面的原始纹理贴图，并识别原始纹理贴图的第二语义；标签模块，用于基于原始纹理贴图的第二语义在原始纹理贴图的第二属性值中写入标签表达以得到每一原始纹理贴图对应的第二语义标签图；裁剪模块，用于基于第二语义标签图裁剪原始纹理贴图，得到对应于三维模型不同部位的特定语义的裁剪贴图；置换模块，用于基于写入的标签表达与第一语义的比对，在纹理贴图库中检索出与裁剪贴图对应的纹理贴图，采用纹理贴图替换裁剪贴图；纹理模型生成模块，用于通过将对应于三维模型不同部位的纹理贴图贴回到三维模型上，得到完整的带纹理的三维模型。
该系统还包括：机器学习系统，该机器学习系统具有：语义识别网络和自动检索网络，语义识别网络用于利用语义识别网络训练集中的建筑纹理贴图和对应的标签数据，通过监督学习的方式对语义识别网络进行训练，训练后的语义识别网络可以对输入的建筑立面贴图进行分语义的识别理解，并用矩形在建筑立面贴图上标出不同语义的对应位置；语义识别网络训练集通过如下的方法构造：收集若干个样本，每个样本均是一张正视的建筑立面图和对应的标签数据，对应的标签数据是在建筑立面图上对应的第二语义处。自动检索网络利用检索建筑立面对应语义纹理的训练集，用不同语义的训练数据对训练不同的网络模型，训练后的自动检索网络在对应第一语义的纹理贴图库中检索到与输入的只包含一种第二语义的建筑立面裁剪贴图对应的一张建筑立面构件纹理贴图。
值得说明的是，在本发明中，通过基于语义理解的和自动检索的方法，在门、窗、墙等语义解析的基础上，在纹理库中检索最相似的纹理，进行替换，从而构建具有高相似度、高真实感的立面纹理，解决了人工修补自动三维重建模型贴图效率低、时间长的问题。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于语义理解的建筑立面纹理快速生成方法，其特征在于，所述方法包括：
S1：构建包含不同的第一语义的构件贴图的纹理贴图库；
S2：提取三维模型立面的原始纹理贴图；
S3：识别所述原始纹理贴图的第二语义，得到对应的第二语义标签图；
S4：通过所述第二语义标签图裁剪所述原始纹理贴图，得到对应于三维模型不同部位的特定语义的裁剪贴图；
S5：在所述纹理贴图库中检索出与所述裁剪贴图对应的纹理贴图，采用所述纹理贴图替换所述裁剪贴图；
S6：将对应于三维模型不同部位所述纹理贴图贴回到三维模型上，得到完整的带纹理的三维模型。
2.根据权利要求1所述的一种基于语义理解的建筑立面纹理快速生成方法，其特征在于，所述S3中，通过语义识别网络识别所述原始纹理贴图中的不同的第二语义。
3.根据权利要求2所述的一种基于语义理解的建筑立面纹理快速生成方法，其特征在于，所述S3之前还包括：
构造语义识别网络训练集：收集若干个样本，每个样本均是一张正视的建筑立面图和对应的标签数据，对应的所述标签数据是在所述建筑立面图上对应的第二语义处；
训练所述语义识别网络：利用所述语义识别网络训练集中的建筑纹理贴图和对应的标签数据，通过监督学习的方式对所述语义识别网络进行训练，训练后的所述语义识别网络可以对输入的建筑立面贴图进行分语义的识别理解，并用矩形在建筑立面贴图上标出不同语义的对应位置。
4.根据权利要求1所述的一种基于语义理解的建筑立面纹理快速生成方法，其特征在于，所述S5中，通过自动检索网络在所述纹理贴图库中检索出与所述裁剪贴图最相似的纹理贴图。
5.根据权利要求4所述的一种基于语义理解的建筑立面纹理快速生成方法，其特征在于，所述S5之前还包括：
构造用于检索建筑立面对应语义纹理的训练集：收集若干个样本，每个样本均是一个图片对，每个图片对由两张图片构成，包括需要检索的纹理贴图和纹理库中的纹理贴图；
训练所述自动检索网络：利用检索建筑立面对应语义纹理的训练集，用不同语义的训练数据对训练不同的网络模型，训练后的自动检索网络在对应第一语义的纹理贴图库中检索到与输入的只包含一种第二语义的建筑立面裁剪贴图对应的一张建筑立面构件纹理贴图。
6.一种基于语义理解的建筑立面纹理快速生成系统，其特征在于，所述系统包括:
采集模块，用于根据不同实物构件进行扫描以获取实物构件的原始图像；
处理模块，基于原始图像以配置对应的参数库生成构件贴图；
写入模块，基于构件贴图并在构件贴图的第一属性值中写入对应的第一语义；
纹理贴图库，用于将具有不同的第一语义的构件贴图在对应的存储单元中进行存储以形成所述纹理贴图库；
识别模块，用于提取三维模型立面的原始纹理贴图，并识别所述原始纹理贴图的第二语义；
标签模块，用于基于所述原始纹理贴图的第二语义在所述原始纹理贴图的第二属性值中写入标签表达以得到每一所述原始纹理贴图对应的第二语义标签图；
裁剪模块，用于基于所述第二语义标签图裁剪所述原始纹理贴图，得到对应于三维模型不同部位的特定语义的裁剪贴图；
置换模块，用于基于写入的标签表达与第一语义的比对，在所述纹理贴图库中检索出与所述裁剪贴图对应的纹理贴图，采用所述纹理贴图替换所述裁剪贴图；
纹理模型生成模块，用于通过将对应于三维模型不同部位的所述纹理贴图贴回到三维模型上，得到完整的带纹理的三维模型。
7.根据权利要求6所述的一种基于语义理解的建筑立面纹理快速生成系统，其特征在于，所述系统还包括机器学习系统，该机器学习系统具有：
语义识别网络，语义识别网络用于利用语义识别网络训练集中的建筑纹理贴图和对应的标签数据，通过监督学习的方式对所述语义识别网络进行训练，训练后的所述语义识别网络可以对输入的建筑立面贴图进行分语义的识别理解，并用矩形在建筑立面贴图上标出不同语义的对应位置；
自动检索网络，自动检索网络利用检索建筑立面对应语义纹理的训练集，用不同语义的训练数据对训练不同的网络模型，训练后的自动检索网络在对应第一语义的纹理贴图库中检索到与输入的只包含一种第二语义的建筑立面裁剪贴图对应的一张建筑立面构件纹理贴图。
8.根据权利要求7所述的一种基于语义理解的建筑立面纹理快速生成系统，其特征在于，所述语义识别网络训练集通过如下的方法构造：
收集若干个样本，每个样本均是一张正视的建筑立面图和对应的标签数据，对应的所述标签数据是在所述建筑立面图上对应的第二语义处。
9.根据权利要求7所述的一种基于语义理解的建筑立面纹理快速生成系统，其特征在于，所述检索建筑立面对应语义纹理的训练集通过如下的方法构造：
收集若干个样本，每个样本均是一个图片对，每个图片对由两张图片构成，包括需要检索的纹理贴图和纹理库中的纹理贴图。
CN202210297755.7A 2022-03-25 2022-03-25 一种基于语义理解的建筑立面纹理快速生成方法及系统 Active CN114399604B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210297755.7A CN114399604B (zh) 2022-03-25 2022-03-25 一种基于语义理解的建筑立面纹理快速生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210297755.7A CN114399604B (zh) 2022-03-25 2022-03-25 一种基于语义理解的建筑立面纹理快速生成方法及系统

Publications (2)

Publication Number Publication Date
CN114399604A CN114399604A (zh) 2022-04-26
CN114399604B true CN114399604B (zh) 2022-05-27

Family

ID=81234927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210297755.7A Active CN114399604B (zh) 2022-03-25 2022-03-25 一种基于语义理解的建筑立面纹理快速生成方法及系统

Country Status (1)

Country Link
CN (1) CN114399604B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115546379A (zh) * 2022-11-29 2022-12-30 思看科技(杭州)股份有限公司 一种数据处理方法、装置和计算机设备
CN117058297B (zh) * 2023-07-26 2024-02-20 泰瑞数创科技(北京)股份有限公司 一种利用多光谱图像自动生成材质方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106952330A (zh) * 2017-03-20 2017-07-14 南京师范大学 一种基于地理语义的移动端三维城市动态建模方法
CN107832335A (zh) * 2017-10-10 2018-03-23 西安电子科技大学 一种基于上下文深度语义信息的图像检索方法
CN110310353A (zh) * 2019-07-02 2019-10-08 北京飞渡科技有限公司 一种bim模型数据的优化方法及系统
CN113496507A (zh) * 2020-03-20 2021-10-12 华为技术有限公司 一种人体三维模型重建方法
CN114067041A (zh) * 2022-01-14 2022-02-18 深圳大学 三维模型的材质生成方法、装置、计算机设备和存储介质
CN114202629A (zh) * 2020-08-27 2022-03-18 北京陌陌信息技术有限公司 一种人体模型的建立方法、系统、设备和存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10810782B1 (en) * 2019-04-01 2020-10-20 Snap Inc. Semantic texture mapping system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106952330A (zh) * 2017-03-20 2017-07-14 南京师范大学 一种基于地理语义的移动端三维城市动态建模方法
CN107832335A (zh) * 2017-10-10 2018-03-23 西安电子科技大学 一种基于上下文深度语义信息的图像检索方法
CN110310353A (zh) * 2019-07-02 2019-10-08 北京飞渡科技有限公司 一种bim模型数据的优化方法及系统
CN113496507A (zh) * 2020-03-20 2021-10-12 华为技术有限公司 一种人体三维模型重建方法
CN114202629A (zh) * 2020-08-27 2022-03-18 北京陌陌信息技术有限公司 一种人体模型的建立方法、系统、设备和存储介质
CN114067041A (zh) * 2022-01-14 2022-02-18 深圳大学 三维模型的材质生成方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN114399604A (zh) 2022-04-26

Similar Documents

Publication Publication Date Title
CN114399604B (zh) 一种基于语义理解的建筑立面纹理快速生成方法及系统
CN108537269B (zh) 一种弱交互式的物体检测深度学习方法及其系统
CN111476284A (zh) 图像识别模型训练及图像识别方法、装置、电子设备
CN112070135A (zh) 电力设备图像检测方法、装置、电力设备及存储介质
CN113010711B (zh) 一种基于深度学习的影视海报自动生成方法与系统
CN111709941B (zh) 一种面向病理图像的轻量级自动化深度学习系统及方法
CN112307180A (zh) 一种基于标签对象的快速检索方法及设备
CN115937887A (zh) 文档结构化信息的提取方法及装置、电子设备、存储介质
CN113343012B (zh) 一种新闻配图方法、装置、设备及存储介质
CN112052332A (zh) 检索方法、装置、电子设备及可读存储介质
CN111178083A (zh) 一种bim和gis的语义匹配方法及装置
CN112861861B (zh) 识别数码管文本的方法、装置及电子设备
CN114979705A (zh) 一种基于深度学习、自注意力机制与符号推理的自动剪辑方法
CN113221930A (zh) 一种基于深度学习的图像处理方法
KR20220102816A (ko) 전통 문화 유산에 대한 텍스트 데이터를 이용한 속성 추출 방법 및 속성 추출 장치
CN113553874A (zh) 一种复杂环境下快递条码检测方法
CN112559739A (zh) 电力设备绝缘状态数据处理方法
CN112580696A (zh) 一种基于视频理解的广告标签分类方法、系统及设备
Lu et al. Complementary pseudolabel based on global-and-channel information for unsupervised person reidentification
CN111858978B (zh) 一种自动制作网络课件图标的方法及系统
CN116912867B (zh) 结合自动标注和召回补全的教材结构提取方法和装置
CN110633312B (zh) 一种基于Mongodb和HanLP的电商舆情分析方法及系统
CN113705728B (zh) 一种分类分级清单智能打标方法
CN112115949B (zh) 一种烟草证件以及订单的光学文字识别方法
CN113887567B (zh) 一种蔬菜质量检测方法、系统、介质及设备

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
CP03 Change of name, title or address

Address after: Room Y579, 3rd Floor, Building 3, No. 9 Keyuan Road, Daxing District Economic Development Zone, Beijing 102600

Patentee after: Beijing Feidu Technology Co.,Ltd.

Address before: 102600 608, floor 6, building 1, courtyard 15, Xinya street, Daxing District, Beijing

Patentee before: Beijing Feidu Technology Co.,Ltd.

CP03 Change of name, title or address