CN114860972B - 一种小程序开发数据传输优化存储方法 - Google Patents
一种小程序开发数据传输优化存储方法 Download PDFInfo
- Publication number
- CN114860972B CN114860972B CN202210791382.9A CN202210791382A CN114860972B CN 114860972 B CN114860972 B CN 114860972B CN 202210791382 A CN202210791382 A CN 202210791382A CN 114860972 B CN114860972 B CN 114860972B
- Authority
- CN
- China
- Prior art keywords
- instruction
- similarity
- images
- image
- user
- 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
Images
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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种小程序开发数据传输优化存储方法,主要包括:将同一指令对应的各图像中相似度大于预设相似度阈值的图片组成相似图片序列;根据用户的使用习惯以及第二指令对应的相似图像序列中图像的相似度均值,确定对第二指令对应的各图像的压缩率,从而对第二指令对应的各图像进行压缩获得压缩图像集并储存在云端;将指令对应的代码进行霍夫曼编码为编码数据并储存在云端;当用户在小程序执行指令后,小程序从云端接收该指令对应的代码的编码数据以及压缩图像集,并将编码数据解压成代码供小程序运行,以从压缩图像集中调用图像呈现在小程序界面。本发明实施例能够减少小程序运行过程所需的加载时长。
Description
技术领域
本申请涉及图像识别领域,具体涉及一种小程序开发数据传输优化存储方法。
背景技术
在移动通信发达的今天,基于各种应用的小程序层出不穷,同时小程序因其不用安装客户端且使用方便,备受广大用户的喜爱。小程序的数据分为两个方面:代码数据和用户使用界面的数据。代码数据为小程序的事件触发层次,主要表现为包括字母及符号在内的文本信息;用户使用界面体现在用户视觉中的界面,例如使用界面或加载界面,具体表现形式为图像信息。
然而,小程序加载速度与小程序的存储大小有着正相关,即数据所需要的存储越大,加载所需要的时间越长,使得用户的体验越差,且小程序所依附的应用对于小程序的数据大小有着明确的要求。故需要对小程序开发和使用过程中的数据存储进行优化处理。
发明内容
针对上述技术问题,本发明提供了一种小程序开发数据传输优化存储方法,能够根据用户对不同指令的使用习惯以及同一指令中各图像的相似度,对不同指令所对应的图像进行不同程度的压缩,同时将小程序的代码数据以及图像分开储存在云端,当使用时再进行调用,能够减少本地所需的存储量,从而减少加载所需的时长。
本发明实施例提出了一种小程序开发数据传输优化存储方法,包括:
对同一指令对应的各图像之间进行相似度计算,将相似度大于预设相似度阈值的图片组成相似图片序列。
根据用户对各指令的历史使用习惯,确定出用户在执行当前的第一指令后执行第二指令的概率,所述第一指令或所述第二指令为小程序中供用户执行的任一指令。
根据第二指令对应的相似图像序列中图像的相似度的均值,以及用户在执行当前的第一指令后执行第二指令的概率,确定对第二指令对应的各图像的压缩率,并采用所确定出的压缩率分别对第二指令对应的各图像进行压缩获得压缩图像集。
将指令对应的代码进行霍夫曼编码为编码数据并储存在云端,并将指令对应的压缩图像集存储在云端。
当用户在小程序执行任一指令后,小程序分别从云端接收该指令对应的代码的编码数据以及指令对应的压缩图像集,并将编码数据解压成代码供小程序运行,以利用代码从该指令对应的压缩图像集中调用图像呈现在小程序界面。
进一步的,一种小程序开发数据传输优化存储方法中,对同一指令对应的各图像之间进行相似度计算,包括:
分别对同一指令对应的各图像中任意两张图像进行灰度化,获得第一灰度图像及第二灰度图像。
计算第一灰度图像的灰度直方图与第二灰度图像的灰度直方图的巴氏系数,将巴氏系数作为该任意两张图像之间的相似度。
进一步的,一种小程序开发数据传输优化存储方法中,将巴氏系数作为该任意两张图像之间的相似度后,所述方法还包括:
计算第一灰度图像的灰度直方图与第二灰度图像的灰度直方图的余弦相似度,在余弦相似度大于所述相似度的情况下,将余弦相似度作为该任意两张图像之间的相似度。
进一步的,一种小程序开发数据传输优化存储方法中,根据用户对各指令的历史使用习惯,确定出用户在执行当前的第一指令后执行第二指令的概率,包括:
进一步的,一种小程序开发数据传输优化存储方法中,根据第二指令对应的相似图像序列中图像的相似度的均值,以及用户在执行当前的第一指令后执行第二指令的概率,确定对第二指令对应的各图像的压缩率,包括:
进一步的,一种小程序开发数据传输优化存储方法中,预设相似度阈值的取值在0.75至0.9之间。
本发明实施例提供了一种小程序开发数据传输优化存储方法,相比于现有技术,本发明实施例的有益效果在于:能够根据用户对不同指令的使用习惯以及同一指令中各图像的相似度,对不同指令所对应的图像进行不同程度的压缩,同时将小程序的代码数据以及图像分开储存在云端,当使用时再进行调用,能够减少本地所需的存储量,从而减少加载所需的时长。
附图说明
为了更清楚地说明本发明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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种小程序开发数据传输优化存储方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。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。
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征;在本实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在移动通信发达的今天,基于各种应用的小程序层出不穷,同时小程序因其不用安装客户端且使用方便,备受广大用户的喜爱。小程序的数据分为两个方面:代码数据和用户使用界面的数据。代码数据为小程序的事件触发层次,主要表现为包括字母及符号在内的文本信息;用户使用界面体现在用户视觉中的界面,例如使用界面或加载界面,具体表现形式为图像信息。
然而,小程序加载速度与小程序的存储大小有着正相关,即数据越大,加载所需要的时间越长,使得用户的体验越差,且小程序所依附的应用对于小程序的数据大小有着明确的要求。故需要对小程序开发和使用过程中的数据存储进行优化处理。
本发明实施例提供了一种小程序开发数据传输优化存储方法,如图1所示,包括:
步骤S101、对同一指令对应的各图像之间进行相似度计算,将相似度大于预设相似度阈值的图片组成相似图片序列。
步骤S102、根据用户对各指令的历史使用习惯,确定出用户在执行当前的第一指令后执行第二指令的概率,所述第一指令或所述第二指令为小程序中供用户执行的任一指令。
步骤S103、根据第二指令对应的相似图像序列中图像的相似度的均值,以及用户在执行当前的第一指令后执行第二指令的概率,确定对第二指令对应的各图像的压缩率,并采用所确定出的压缩率分别对第二指令对应的各图像进行压缩获得压缩图像集。
步骤S104、将指令对应的代码进行霍夫曼编码为编码数据并储存在云端,并将指令对应的压缩图像集存储在云端。
步骤S105、当用户在小程序执行任一指令后,小程序分别从云端接收该指令对应的代码的编码数据以及指令对应的压缩图像集,并将编码数据解压成代码供小程序运行,以利用代码从该指令对应的压缩图像集中调用图像呈现在小程序界面。
本发明实施例在对小程序进行数据分析的基础上,利用数据压缩技术对小程序开发和使用的过程中的数据传输和存储过程进行优化。
进一步的,步骤S101、对同一指令对应的各图像之间进行相似度计算,将相似度大于预设相似度阈值的图片组成相似图片序列。
为实现图像数据的压缩,首先要根据代码逻辑进行图像数据划分,而后对图像数据的特征分别进行相似度以及图像间的跳转概率的计算,以根据计算结果对不同特征的图像进行压缩。
小程序在使用的过程中,用户使用界面呈动态转换,为了实现更好的可视效果,往往需要用到大量的按钮点击辅助实现场景的动态化。而代码信息中有着相对应的逻辑对用户的操作作出相应处理。例如:当名称为“开始游戏”的指令被用户执行后,小程序中的代码通过调用函数使小程序界面的图像发生变化,使小程序界面变为与“开始游戏”相对应的界面。
首先,对同一指令对应的各图像之间进行相似度计算。由于同一指令对应的各图像间具有一定的相似度,故其存在一定的图像数据冗余,因此,可以通过对同一指令对应的各图像间的相似度进行计算,从而筛选出其中相似度较高的图像,以便后续对图像进行压缩。
具体的,本发明实施例中相似度的计算过程包括:
分别对同一指令对应的各图像中任意两张图像进行灰度化,获得第一灰度图像及第二灰度图像,其中第一灰度图像及第二灰度图像分别为该任意两张图像对应的灰度图像。
对第一图像的灰度直方图进行归一化,并对第二灰度图像的灰度直方图进行归一化。需要说明的是,归一化后的灰度直方图中各灰度对应的数据之和为1。
计算第一灰度图像的归一化后的灰度直方图与第二灰度图像的归一化后的灰度直方图的巴氏系数,将巴氏系数作为该任意两张图像之间的相似度。
其次,将相似度大于预设相似度阈值的图片组成相似图片序列。分别计算同一指令对应的各图像中任意两图片的相似度,并将其中相似度大于预设相似度阈值的图片组成相似图片序列,由于原有的同一指令对应的各图像本身就具有一定的相似性,通过该方法可以将相似的图片筛选出来,同时避免相似度较低的图片的干扰。
需要说明的是,本发明实施例中预设相似度阈值的取值在0.75至0.9之间。实施者可以根据自己的实际需求,对相似度阈值的具体取值进行确定。
进一步的,步骤S102、根据用户对各指令的历史使用习惯,确定出用户在执行当前的第一指令后执行第二指令的概率,所述第一指令或所述第二指令为小程序中供用户执行的任一指令。
由于不同的用户存在着不同的使用习惯,具体表现为对各指令执行的先后顺序不同。因此可以根据用户使用习惯,确定用户在执行当前的第一指令后执行第二指令的概率,其中第一指令或所述第二指令为小程序中供用户执行的任一指令。
用户在执行当前的第一指令后执行第二指令的概率的获得过程包括:,其中,为用户在执行当前的第一指令后执行第二指令的概率,表示用户的历史使用习惯中执行第一指令后执行第一指令以外的指令的总次数,为用户的历史使用习惯中执行第一指令后执行第二指令的总次数。
用户在执行当前指令后执行第二指令的概率越高,说明该第二指令的各图像在该用户对小程序的使用过程中关注度越高,为提升用户使用体验,可以在后续过程中对指令对应的各图像以较小压缩率进行压缩,使得失真率低,图像细节保留得相对完整;用户在执行当前指令后执行第二指令的概率越低,说明该第二指令的各图像在该用户对小程序的使用过程中关注度越高,故后续压缩中对该组图像序列以较大压缩率进行压缩,虽然失真率较高,但是图像的细节有所保留。
进一步的,步骤S103、根据第二指令对应的相似图像序列中图像的相似度的均值,以及用户在执行当前的第一指令后执行第二指令的概率,确定对第二指令对应的各图像的压缩率,并采用所确定出的压缩率分别对第二指令对应的各图像进行压缩获得压缩图像集。
对第二指令对应的各图像的压缩率的获得过程包括: 其中,为对第二指令所对应的各图像的压缩率,为第二指令对应的相似图像序列中图像的相似度的均值,为超参数,为自然常数,为用户在执行当前的第一指令后执行第二指令的概率。
如此,能够使得具有较高相似度的图像序列被高度压缩,减少信息冗余。
进一步的,步骤S104、将指令对应的代码进行霍夫曼编码为编码数据并储存在云端,并将指令对应的压缩图像集存储在云端。
本发明实施例需要实现对小程序的开发和使用过程中所产生的数据的存储过程优化,所以需要根据小程序的数据的特征对数据进行压缩。其中代码数据冗余度较低,故可以使用霍夫曼编码对其进行压缩,具体方式为:统计代码中各个文本的出现频率;根据文本出现频率作为权重构建最优二叉树;根据不同类型的文本所对应的概率选择相应的路径作为该文本的编码,依次对所有代码进行编码。
完成对代码的编码后,可以将其储存在云端从而减少本地缓存,同时将指令对应的压缩图像集存储在云端,使得存储数据能够具有更高的读取效率和容错性。
进一步的,步骤S105、当用户在小程序执行任一指令后,小程序分别从云端接收该指令对应的代码的编码数据以及指令对应的压缩图像集,并将编码数据解压成代码供小程序运行,以利用代码从该指令对应的压缩图像集中调用图像呈现在小程序。
在用户在小程序中执行相应的指令时,小程序会发出数据请求,下载小程序的代码数据和图像数据,而后在使用界面进行事件触发之后,通过组件层的数据交互调用代码数据做出事件响应,响应信息通过组件层的数据交互之后调用手机组件根据图像数据反映在用户的操作界面之上,完成一个基础指令的数据传输。
综上所述,能够根据用户对不同指令的使用习惯以及同一指令中各图像的相似度,对不同指令所对应的图像进行不同程度的压缩,同时将小程序的代码数据以及图像分开储存在云端,当使用时再进行调用,能够减少本地所需的存储量,从而减少加载所需的时长。
本发明中涉及诸如“包括”、“包含”、“具有”等等的词语是开放性词汇,指“包括但不限于”,且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”,且可与其互换使用,除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”,且可与其互换使用。
还需要指出的是,在本发明的方法和系统中,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
上述实施例仅仅是为清楚地说明所做的举例,并不构成对本发明的保护范围的限制。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无需也无法对所有的实施方式予以穷举。凡是与本发明相同或相似的设计均属于本发明的保护范围之内。
Claims (5)
1.一种小程序开发数据传输优化存储方法,其特征在于,包括:
对同一指令对应的各图像之间进行相似度计算,将相似度大于预设相似度阈值的图片组成相似图片序列;
根据用户对各指令的历史使用习惯,确定出用户在执行当前的第一指令后执行第二指令的概率,所述第一指令或所述第二指令为小程序中供用户执行的任一指令;
根据第二指令对应的相似图像序列中图像的相似度的均值,以及用户在执行当前的第一指令后执行第二指令的概率,确定对第二指令对应的各图像的压缩率,并采用所确定出的压缩率分别对第二指令对应的各图像进行压缩获得压缩图像集;
将指令对应的代码进行霍夫曼编码为编码数据并储存在云端,并将指令对应的压缩图像集存储在云端;
当用户在小程序执行任一指令后,小程序分别从云端接收该指令对应的代码的编码数据以及指令对应的压缩图像集,并将编码数据解压成代码供小程序运行,以利用代码从该指令对应的压缩图像集中调用图像呈现在小程序界面;
其中,根据第二指令对应的相似图像序列中图像的相似度的均值,以及用户在执行当前的第一指令后执行第二指令的概率,确定对第二指令对应的各图像的压缩率,包括:
2.根据权利要求1所述的一种小程序开发数据传输优化存储方法,其特征在于,对同一指令对应的各图像之间进行相似度计算,包括:
分别对同一指令对应的各图像中任意两张图像进行灰度化,获得第一灰度图像及第二灰度图像;
计算第一灰度图像的灰度直方图与第二灰度图像的灰度直方图的巴氏系数,将巴氏系数作为该任意两张图像之间的相似度。
3.根据权利要求2所述的一种小程序开发数据传输优化存储方法,其特征在于,将巴氏系数作为该任意两张图像之间的相似度后,还包括:
计算第一灰度图像的灰度直方图与第二灰度图像的灰度直方图的余弦相似度,在余弦相似度大于所述相似度的情况下,将余弦相似度作为该任意两张图像之间的相似度。
5.根据权利要求1所述的一种小程序开发数据传输优化存储方法,其特征在于,预设相似度阈值的取值在0.75至0.9之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210791382.9A CN114860972B (zh) | 2022-07-07 | 2022-07-07 | 一种小程序开发数据传输优化存储方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210791382.9A CN114860972B (zh) | 2022-07-07 | 2022-07-07 | 一种小程序开发数据传输优化存储方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114860972A CN114860972A (zh) | 2022-08-05 |
CN114860972B true CN114860972B (zh) | 2022-09-20 |
Family
ID=82626793
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210791382.9A Active CN114860972B (zh) | 2022-07-07 | 2022-07-07 | 一种小程序开发数据传输优化存储方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114860972B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917352A (zh) * | 2010-06-12 | 2010-12-15 | 盈世信息科技(北京)有限公司 | 识别图片垃圾邮件的方法及系统 |
CN103873886A (zh) * | 2012-12-14 | 2014-06-18 | 华为技术有限公司 | 一种处理图像信息的方法、装置及系统 |
CN105407353A (zh) * | 2014-09-11 | 2016-03-16 | 腾讯科技(深圳)有限公司 | 一种图像压缩方法,及装置 |
WO2018233481A1 (en) * | 2017-06-21 | 2018-12-27 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | METHOD OF PROCESSING DATA AND RELATED PRODUCTS |
CN114586359A (zh) * | 2020-09-30 | 2022-06-03 | 华为技术有限公司 | 一种图像处理方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108122238A (zh) * | 2018-01-30 | 2018-06-05 | 百度在线网络技术(北京)有限公司 | 图像处理方法、装置、设备及计算机可读存储介质 |
-
2022
- 2022-07-07 CN CN202210791382.9A patent/CN114860972B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101917352A (zh) * | 2010-06-12 | 2010-12-15 | 盈世信息科技(北京)有限公司 | 识别图片垃圾邮件的方法及系统 |
CN103873886A (zh) * | 2012-12-14 | 2014-06-18 | 华为技术有限公司 | 一种处理图像信息的方法、装置及系统 |
CN105407353A (zh) * | 2014-09-11 | 2016-03-16 | 腾讯科技(深圳)有限公司 | 一种图像压缩方法,及装置 |
WO2018233481A1 (en) * | 2017-06-21 | 2018-12-27 | Guangdong Oppo Mobile Telecommunications Corp., Ltd. | METHOD OF PROCESSING DATA AND RELATED PRODUCTS |
CN114586359A (zh) * | 2020-09-30 | 2022-06-03 | 华为技术有限公司 | 一种图像处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
ENTROFORMER: A TRANSFORMER-BASED ENTROPY MODEL FOR LEARNED IMAGE COMPRESSION;Yichen Qian等;《https://arxiv.org/abs/2202.05492》;20220314;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114860972A (zh) | 2022-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20070233477A1 (en) | Lossless Data Compression Using Adaptive Context Modeling | |
CN110765031B (zh) | 数据存储方法、装置、移动终端及存储介质 | |
CN110764906B (zh) | 内存回收处理方法、装置、电子设备以及存储介质 | |
CN111369430B (zh) | 基于移动深度学习引擎的移动端人像智能背景替换方法 | |
CN111182332B (zh) | 视频处理方法、装置、服务器及存储介质 | |
CN112488060A (zh) | 目标检测方法、装置、设备、介质和程序产品 | |
CN114860972B (zh) | 一种小程序开发数据传输优化存储方法 | |
CN113225554B (zh) | 一种基于神经网络的图像编解码方法、装置、存储介质及终端 | |
CN111683189B (zh) | 图片压缩方法、系统、终端、及存储介质 | |
CN113256744B (zh) | 一种图像编码、解码方法及系统 | |
CN115983349A (zh) | 卷积神经网络的量化方法及装置、电子设备和存储介质 | |
CN107832341B (zh) | Agnss用户去重统计方法 | |
CN113742304B (zh) | 一种混合云的数据存储方法 | |
CN111405293B (zh) | 一种视频传输方法及装置 | |
CN113810058A (zh) | 数据压缩方法、数据解压缩方法、装置及电子设备 | |
CN108810537B (zh) | 一种图片转码方法、装置及图像处理设备 | |
CN117459727B (zh) | 一种图像处理方法、装置、系统、电子设备及存储介质 | |
CN113255689B (zh) | 一种文本行图片的识别方法、装置和设备 | |
CN117375631B (zh) | 一种基于哈夫曼编码的快速编码方法 | |
CN115549688A (zh) | 内存压缩方法、装置以及电子设备 | |
CN113347432B (zh) | 一种视频编解码方法、装置、计算机设备及存储介质 | |
CN115114024A (zh) | 一种数据处理的控制方法及相关装置 | |
CN113362403A (zh) | 图像处理模型的训练方法及装置 | |
CN113965206A (zh) | 压缩方法、装置、电子设备以及存储介质 | |
CN115037937A (zh) | 图像压缩方法、装置、设备及介质 |
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 |