CN114895829A - 基于人工智能的显示状态优化方法及系统 - Google Patents
基于人工智能的显示状态优化方法及系统 Download PDFInfo
- Publication number
- CN114895829A CN114895829A CN202210830865.5A CN202210830865A CN114895829A CN 114895829 A CN114895829 A CN 114895829A CN 202210830865 A CN202210830865 A CN 202210830865A CN 114895829 A CN114895829 A CN 114895829A
- Authority
- CN
- China
- Prior art keywords
- phrase
- visual experience
- interaction detection
- display
- information set
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
- G06F16/9577—Optimising the visualization of content, e.g. distillation of HTML documents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
- G09G5/10—Intensity circuits
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Ophthalmology & Optometry (AREA)
- Multimedia (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供的基于人工智能的显示状态优化方法及系统,获取第一显示交互检测信息集并对其进行双向状态知识提取操作,得到第一双向状态知识分布集,依据第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集并进行检测信息翻译操作,得到第一交互检测期望信息集,然后利用第一交互检测期望信息集对目标显示终端进行显示参数优化。本发明能够快速高效地实现双向状态知识层面的调节改善,从而可以结合第一交互检测期望信息集所包含的期望显示状态信息和用户的期望显示需求信息,对目标显示终端进行针对性的显示参数优化,起到智能护眼调节作用。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种基于人工智能的显示状态优化方法及系统。
背景技术
随着科学技术的不断发展,各类可视化显示终端的应用越来越广泛。然而长时间使用这类显示终端可能会导致使用者的眼部疲劳,针对这种情况,显示状态的优化必不可少,显示状态优化可以理解为根据显示内容进行显示参数的调整。当下,相关的显示状态优化技术较为生硬,难以智能化地实现显示状态的调节和优化。
发明内容
为改善相关技术中存在的技术问题,本发明提供了一种基于人工智能的显示状态优化方法及系统。
第一方面,本发明实施例提供了一种基于人工智能的显示状态优化方法,应用于显示状态优化系统,所述方法至少包括:在接收到显示状态优化指令时,获取目标显示终端对应的第一显示交互检测信息集,并对所述第一显示交互检测信息集进行双向状态知识提取操作,得到所述第一显示交互检测信息集对应的第一双向状态知识分布集;依据所述第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集;对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集;利用所述第一交互检测期望信息集对所述目标显示终端进行显示参数优化。
应用于上述实施例,通过在接收到显示状态优化指令时,获取目标显示终端对应的第一显示交互检测信息集,并对第一显示交互检测信息集进行双向状态知识提取操作,得到第一显示交互检测信息集对应的第一双向状态知识分布集,依据第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集,并对第二双向状态知识分布集进行检测信息翻译操作,得到第二双向状态知识分布集对应的第一交互检测期望信息集,然后利用第一交互检测期望信息集对目标显示终端进行显示参数优化。这样通过双向状态知识提取操作获得的第一双向状态知识分布集进行基于用户视觉的调节处理,能够快速高效地实现双向状态知识层面的调节改善,从而可以结合第一交互检测期望信息集所包含的期望显示状态信息和用户的期望显示需求信息,对目标显示终端进行针对性的显示参数优化。
对于一些可能的实施例而言,在所述得到所述第二双向状态知识分布集对应的第一交互检测期望信息集之后,所述方法还包括:依据所述第一显示交互检测信息集中的部分显示交互检测信息进行基于用户视觉的调节处理,得到第二交互检测期望信息集;依据所述第一交互检测期望信息集和所述第二交互检测期望信息集,得到第三交互检测期望信息集。
应用于上述实施例,通过依据所述第一显示交互检测信息集中的部分显示交互检测信息进行基于用户视觉的调节处理,得到第二交互检测期望信息集,并依据所述第一交互检测期望信息集和所述第二交互检测期望信息集,得到第三交互检测期望信息集,这样可以利用多样化的交互检测期望信息进行用户视觉层面和显示终端层面的显示状态调节分析,进而保障调节分析的精度和可信度。
对于一些可能的实施例而言,所述在接收到显示状态优化指令时,获取目标显示终端对应的第一显示交互检测信息集,并对所述第一显示交互检测信息集进行双向状态知识提取操作,得到所述第一显示交互检测信息集对应的第一双向状态知识分布集,包括:对获取的第一显示交互检测信息集进行知识抽取处理,得到所述第一显示交互检测信息集对应的第一初始状态知识分布集;对所述第一初始状态知识分布集进行知识变换操作,得到所述第一显示交互检测信息集对应的第一双向状态知识分布集。
应用于上述实施例,通过对第一显示交互检测信息集进行知识抽取处理和知识变换操作,能够进行知识压缩,得到轻量化的第一双向状态知识分布集用于之后的显示状态调节操作。通过对第一显示交互检测信息集进行知识抽取处理和知识变换操作进行双向状态知识提取操作,能够提高运算时效性。通过对第一显示交互检测信息集进行知识抽取处理和知识变换操作进行双向状态知识提取操作,能够尽可能减少知识提取的噪声干扰。
对于一些可能的实施例而言,所述依据所述第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集,包括:将所述第一双向状态知识分布集加载到第一状态知识调节模型,通过所述第一状态知识调节模型输出获得所述第一双向状态知识分布集对应的第二双向状态知识分布集。
应用于上述实施例,通过第一状态知识调节模型依据所述第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集,这样可以保障调节处理的效率和精度。
对于一些可能的实施例而言,所述对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集,包括:对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第二初始状态知识分布集;对所述第二初始状态知识分布集进行知识特征译码处理,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集。
应用于上述实施例,通过对第二双向状态知识分布集进行检测信息翻译操作得到第二初始状态知识分布集,并对第二初始状态知识分布集进行知识特征译码处理,能够将第二双向状态知识分布集中的各双向状态知识分布分别翻译为与第一显示交互检测信息集中的信息维度一致的交互检测期望信息。
对于一些可能的实施例而言,所述对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第二初始状态知识分布集,包括:基于设定配置的知识处理算法对所述第二双向状态知识分布集进行循环逼近操作,得到所述第二双向状态知识分布集对应的第二初始状态知识分布集。通过基于设定配置的知识处理算法对所述第二双向状态知识分布集进行循环逼近操作,可以高效获得所述第二双向状态知识分布集对应的第二初始状态知识分布集,这样可以保障用户视觉层面和显示终端层面的显示状态调节分析效率。
对于一些可能的实施例而言,所述依据所述第一显示交互检测信息集中的部分显示交互检测信息进行基于用户视觉的调节处理,得到第二交互检测期望信息集,包括:将所述第一显示交互检测信息集中的部分显示交互检测信息加载到第二状态知识调节模型,通过所述第二状态知识调节模型输出获得所述部分显示交互检测信息对应的第二交互检测期望信息集。
应用于上述实施例,通过第二状态知识调节模型对所述第一显示交互检测信息集中的部分显示交互检测信息进行处理,得到第二交互检测期望信息集,这样可以得到后续用户视觉层面和显示终端层面的显示状态调节分析所需要的交互检测期望信息。这样一来,基于第二交互检测期望信息集和第一交互检测期望信息集得到调节信息,可以进一步提高用户视觉层面和显示终端层面的显示状态调节分析的精度。
对于一些可能的实施例而言,所述部分显示交互检测信息携带所述第一显示交互检测信息集中最近获取的K个显示交互检测信息,其中,K为正整数,所述第一显示交互检测信息集中的显示交互检测信息的数目不低于K。
应用于上述实施例,通过采用第一显示交互检测信息集中最近获取的K个显示交互检测信息进行基于用户视觉的调节处理,可以提高用户视觉层面和显示终端层面的显示状态调节分析的可信度和时效性。
对于一些可能的实施例而言,所述依据所述第一交互检测期望信息集和所述第二交互检测期望信息集,得到第三交互检测期望信息集,包括:对所述第一交互检测期望信息集进行用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的第一用户视觉体验短语;对所述第二交互检测期望信息集进行用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的第二用户视觉体验短语;依据所述第一用户视觉体验短语和所述第二用户视觉体验短语进行第一整合操作,得到第一全局视觉体验短语;依据所述第一全局视觉体验短语,得到第三交互检测期望信息集。
应用于上述实施例,通过结合从第一交互检测期望信息集提取的第一用户视觉体验短语与从第二交互检测期望信息集提取的第二用户视觉体验短语,能够利用多样化的交互检测期望信息进行用户视觉层面和显示终端层面的显示状态调节分析,这样可以保障用户视觉层面和显示终端层面的显示状态调节分析的精度和针对性。
对于一些可能的实施例而言,所述依据所述第一全局视觉体验短语,得到第三交互检测期望信息集,包括:对所述第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语;依据所述第一全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集。
应用于上述实施例,通过对所述第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语,并依据所述第一全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集,这样可以尽可能减少噪声误差,进而保障用户视觉层面和显示终端层面的显示状态调节分析的精度,且通过进行噪声优化操作可以尽快保障状态知识调节模型趋于稳定。
对于一些可能的实施例而言,所述第一全局视觉体验短语包括多类个性化显示需求对应的视觉体验短语;所述依据所述第一全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集,包括:对最后一类个性化显示需求对应的第一全局视觉体验短语进行第二整合操作,得到第二全局视觉体验短语;依据所述第二全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集。
应用于上述实施例,通过对最后一类个性化显示需求对应的第一全局视觉体验短语进行第二整合操作,得到第二全局视觉体验短语,依据所述第二全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集,这样可以保障第三交互检测期望信息集的精度和完整性。
对于一些可能的实施例而言,所述第一全局视觉体验短语包括多类个性化显示需求对应的视觉体验短语;所述对所述第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语,包括:对第一类个性化显示需求对应的第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语。
应用于上述实施例,通过对第一类个性化显示需求对应的第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语,依据所述第一全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集,这样可以尽可能减少噪声误差,进而保障用户视觉层面和显示终端层面的显示状态调节分析的精度和可信度。
对于一些可能的实施例而言,所述对所述第一交互检测期望信息集进行用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的第一用户视觉体验短语,包括:对所述第一交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的多类个性化显示需求对应的第一用户视觉体验短语;所述对所述第二交互检测期望信息集进行用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的第二用户视觉体验短语,包括:对所述第二交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的多类个性化显示需求对应的第二用户视觉体验短语;所述依据所述第一用户视觉体验短语和所述第二用户视觉体验短语进行第一整合操作,得到第一全局视觉体验短语,包括:对于多类个性化显示需求中的其中一类个性化显示需求,根据该类个性化显示需求对应的第一用户视觉体验短语和该类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语。
应用于上述实施例,通过对第一交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,可以得到第一交互检测期望信息集对应的多需求的第一用户视觉体验短语;通过对第二交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,可以得到第二交互检测期望信息集对应的多需求的第二用户视觉体验短语。这样,通过对第一交互检测期望信息集和第二交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,可以获得更完整多样的交互检测期望信息。基于多需求的第一用户视觉体验短语和多需求的第二用户视觉体验短语进行第一整合操作,可以获得多需求的第一全局视觉体验短语。根据多需求的第一全局视觉体验短语,能够输出获得更完整精准的第三交互检测期望信息集。
对于一些可能的实施例而言,所述根据该类个性化显示需求对应的第一用户视觉体验短语和该类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语,包括:倘若该类个性化显示需求不为最后一类个性化显示需求,对该类个性化显示需求对应的第一用户视觉体验短语、该类个性化显示需求对应的第二用户视觉体验短语和该类个性化显示需求对应的后一层的第一全局视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语;倘若该类个性化显示需求为最后一类个性化显示需求,对该类个性化显示需求对应的第一用户视觉体验短语和该类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语。
应用于上述实施例,能够尽可能全面地考虑不同个性化显示需求的用户视觉体验短语,获得完整多样的多类个性化显示需求对应的第一全局视觉体验短语。
第二方面,本发明还提供了一种显示状态优化系统,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述所述的方法。
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,示出了符合本发明的实施例,并于说明书一起用于解释本发明的原理。
图1是本发明实施例提供的一种显示状态优化系统的硬件结构示意图。
图2是本发明实施例提供的一种基于人工智能的显示状态优化方法的流程示意图。
图3是本发明实施例提供的一种基于人工智能的显示状态优化方法的应用环境的通信架构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本发明实施例所提供的方法实施例可以在显示状态优化系统、计算机设备或者类似的运算装置中执行。以运行在显示状态优化系统上为例,图1是本发明实施例的实施一种基于人工智能的显示状态优化方法的显示状态优化系统的硬件结构框图。如图1所示,显示状态优化系统10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述显示状态优化系统还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述显示状态优化系统的结构造成限定。例如,显示状态优化系统10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种基于人工智能的显示状态优化方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至显示状态优化系统10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括显示状态优化系统10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(RadioFrequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
基于此,请参阅图2,图2是本发明实施例所提供的一种基于人工智能的显示状态优化方法的流程示意图,该方法应用于显示状态优化系统,进一步可以包括以下内容描述的技术方案。
STEP11、在接收到显示状态优化指令时,获取目标显示终端对应的第一显示交互检测信息集,并对所述第一显示交互检测信息集进行双向状态知识提取操作,得到所述第一显示交互检测信息集对应的第一双向状态知识分布集。
对于本发明实施例而言,显示状态优化指令可以是目标显示终端的使用者通过目标显示终端或者其他设备的应用程序上传的。第一显示交互检测信息集可以通过interactive information进行表示。其中,第一显示交互检测信息集包括多个显示交互检测信息。进一步地,显示交互检测信息包括用户的眼部区域状态信息(比如用户个人眼力度数信息、盯屏幕时间信息等)以及目标显示终端的显示输出信息(界面亮度、对比度等一系列信息)。“交互检测”侧重于描述该种信息的双向性,也即同时涉及用户和显示终端的相关状态信息。
对于本发明实施例而言,第一双向状态知识分布集表示对第一显示交互检测信息集进行双向状态知识提取操作后得到的分布列表的集。比如,第一显示交互检测信息集包括P个显示交互检测信息,则第一双向状态知识分布集可以包括P个双向状态知识分布,这P个双向状态知识分布与第一显示交互检测信息集中的P个显示交互检测信息逐一匹配,分别用于表征第一显示交互检测信息集中相应的显示交互检测信息的双向状态知识提取操作后的交互检测期望信息,比如,可以分别用于表征第一显示交互检测信息集中相应的显示交互检测信息的双向状态知识提取操作后的特征图,其中,P大于1。对于本发明实施例而言,第一双向状态知识分布集中任一双向状态知识分布的尺度,小于第一显示交互检测信息集中其中一个显示交互检测信息对应的分布列表的尺度,其中,第一显示交互检测信息集中任一显示交互检测信息对应的分布列表可以理解为该显示交互检测信息的分布列表记录方式。
对于一些可能的实施例而言,所述在接收到显示状态优化指令时,获取目标显示终端对应的第一显示交互检测信息集,并对所述第一显示交互检测信息集进行双向状态知识提取操作,得到所述第一显示交互检测信息集对应的第一双向状态知识分布集,包括:对获取的第一显示交互检测信息集进行知识抽取处理(比如:特征挖掘),得到所述第一显示交互检测信息集对应的第一初始状态知识分布集;对所述第一初始状态知识分布集进行知识变换操作,得到所述第一显示交互检测信息集对应的第一双向状态知识分布集。
比如,第一初始状态知识分布集可以通过Initial state knowledgedistribution表示,第一双向状态知识分布集可以通过Bidirectional state knowledgedistribution表示。
应用于上述实施例,可以采用映射处理等知识变换操作思路对第一初始状态知识分布集进行知识变换操作。比如,可以对所述第一初始状态知识分布集进行知识变换操作,得到第一双向状态知识分布集。
应用于上述实施例,通过对第一显示交互检测信息集进行知识抽取处理,能够对第一显示交互检测信息集进行缩减操作,得到比第一显示交互检测信息集的尺度低的第一初始状态知识分布集;通过对第一初始状态知识分布集进行知识变换操作,能够对第一初始状态知识分布集进行缩减操作,得到比第一初始状态知识分布集尺度低的第一双向状态知识分布集。由此,通过对第一显示交互检测信息集进行知识抽取处理和知识变换操作,能够进行知识压缩,得到轻量化的第一双向状态知识分布集用于之后的显示状态调节操作。通过对第一显示交互检测信息集进行知识抽取处理和知识变换操作进行双向状态知识提取操作,能够提高处理效率。通过对第一显示交互检测信息集进行知识抽取处理和知识变换操作进行双向状态知识提取操作,能够显著提高处理效率。
STEP12、依据所述第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集。
对于本发明实施例而言,第一双向状态知识分布集进行基于用户视觉的调节处理可以理解为对第一双向状态知识分布集进行用户视觉改善的预测处理以及显示终端的输出状态的调节处理,进而得到预测处理后的分布列表的集合(即已调节的第二双向状态知识分布集)。比如,第二双向状态知识分布集可以通过Bidirectional state knowledgedistribution*表示。
对于本发明实施例而言,通过对第一双向状态知识分布集进行基于用户视觉的调节处理,可以得到在时序层面上在第一双向状态知识分布集之后的一组或者高于一组交互检测期望信息(比如:一个或多个交互检测期望信息),每一组交互检测期望信息可以用一个双向状态知识分布来表示,即该一组或者高于一组交互检测期望信息可以用一个或多个双向状态知识分布来表示,该一个或多个双向状态知识分布组成第二双向状态知识分布集。即第二双向状态知识分布集可以包括一个或多个双向状态知识分布。第二双向状态知识分布集中的任一双向状态知识分布的尺度,可以与第一双向状态知识分布集中的任一双向状态知识分布的尺度相同。示例性的,第二双向状态知识分布集中的双向状态知识分布的尺度,也可以与第一双向状态知识分布集中的双向状态知识分布的尺度不同。
对于一些可能的实施例而言,所述依据所述第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集,包括:将所述第一双向状态知识分布集加载到第一状态知识调节模型,通过所述第一状态知识调节模型输出获得所述第一双向状态知识分布集对应的第二双向状态知识分布集。
对于本发明实施例而言,所述第一状态知识调节模型可为CNN、GCN、LSTM等,还可以是其他类别的调节模型,本发明实施例在此不作过多限制。
应用于上述实施例,通过第一状态知识调节模型依据所述第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集,这样可以保障调节处理的效率和精度。
STEP13、对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集。
对于本发明实施例而言,对第二双向状态知识分布集进行检测信息翻译操作可以理解为对第二双向状态知识分布集进行检测信息还原处理,进而得到第一交互检测期望信息集。比如,第一交互检测期望信息集可以通过interactive information*进行表示。
对于本发明实施例而言,通过对所述第二双向状态知识分布集进行检测信息翻译操作,可以将较低尺度的第二双向状态知识分布集变换为较高尺度的第一交互检测期望信息集,从而实现了交互检测期望信息翻译操作。其中,第一交互检测期望信息集中任意交互检测期望信息对应的分布列表的尺度,高于第二双向状态知识分布集中任一双向状态知识分布的尺度,其中,第一交互检测期望信息集中任一交互检测期望信息对应的分布列表可以理解为该交互检测期望信息的分布列表记录方式。第一交互检测期望信息集中任一交互检测期望信息的信息规模可以等于第一显示交互检测信息集中任一显示交互检测信息的信息规模。示例性的,第一交互检测期望信息集中的交互检测期望信息的信息规模,也可以不等于第一显示交互检测信息集中的显示交互检测信息的信息规模。
在STEP14中,利用所述第一交互检测期望信息集对所述目标显示终端进行显示参数优化。
对于本发明实施例而言,第一交互检测期望信息集包括目标显示终端的期望显示状态信息以及用户的期望显示需求信息,目标显示终端的期望显示状态信息包括亮度信息、对比度信息、锐度信息、色温信息等显示参数信息,用户的期望显示需求信息不仅包括上述显示参数信息,还包括GUI界面的排版信息等(GUI界面的排版信息可依据用户的眼力度数、屏幕注视时间以及周围环境光等因素确定),这样在进行显示参数优化的过程中,能够充分考虑用户的用眼疲劳等个性化的视觉感官因素,从而提高显示参数优化的个性化程度和智能化程度,起到智能护眼调节作用。
在一些可能的示例下,还可以依据用户个人眼力度数、盯屏幕时间、周围环境光等因素,进行目标显示终端的个性化护眼亮度调节。比如还可以对目标用户的面部区域进行全程拍摄,以此确定目标用户的眼部区域状态信息,并根据该眼部区域状态信息,确定该目标用户当前是否处于眼睛疲劳状态和该目标用户的实时学习效率,以此适应性地调整该目标用户当前使用的学习终端的显示状态,该护眼方法能够自动地和智能地判断目标用户的用眼程度,并适应性的显示状态调整以及对学生进行及时的提醒,从而有效地提高对目标用户进行视力保护的准确性和可靠性。因此,在一些示例下,显示交互检测信息也可以包括上述的眼部区域状态信息。
对于本发明实施例而言,通过在接收到显示状态优化指令时,获取目标显示终端对应的第一显示交互检测信息集,并对所述第一显示交互检测信息集进行双向状态知识提取操作,得到所述第一显示交互检测信息集对应的第一双向状态知识分布集,依据所述第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集,并对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集,这样通过双向状态知识提取操作获得的第一双向状态知识分布集进行基于用户视觉的调节处理,能够快速高效地实现双向状态知识层面的调节改善,从而可以结合第一交互检测期望信息集所包含的期望显示状态信息和用户的期望显示需求信息,对目标显示终端进行针对性的显示参数优化。鉴于此,本发明实施例不仅适用于对小规模的显示交互检测信息进行用户视觉层面和显示终端层面的显示状态调节分析,还能够适用于对大规模的显示交互检测信息进行用户视觉层面和显示终端层面的显示状态调节分析。
举例而言,双向状态知识分布可以理解为用户侧和显示终端侧的各类状态特征的特征图。
对于一些可能的实施例而言,所述对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集,可以包括如下内容:对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第二初始状态知识分布集;对所述第二初始状态知识分布集进行知识特征译码处理,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集。
对于本发明实施例而言,所述第二双向状态知识分布集可以是依据所述第一双向状态知识分布集进行输出获得的,进一步地,所述第一双向状态知识分布集可以是通过对第一显示交互检测信息集进行知识抽取处理和知识变换操作得到的。
应用于上述实施例,通过对第二双向状态知识分布集进行检测信息翻译操作得到第二初始状态知识分布集,并对第二初始状态知识分布集进行知识特征译码处理,能够将第二双向状态知识分布集中的各双向状态知识分布分别翻译为与第一显示交互检测信息集中的信息尺度相同的交互检测期望信息。
对于一些可能的实施例而言,所述对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第二初始状态知识分布集,可以包括如下内容:基于设定配置的知识处理算法对所述第二双向状态知识分布集进行循环逼近操作,得到所述第二双向状态知识分布集对应的第二初始状态知识分布集。
如此一来,通过基于设定配置的知识处理算法对所述第二双向状态知识分布集进行循环逼近操作(比如:迭代处理),可以高效获得所述第二双向状态知识分布集对应的第二初始状态知识分布集,这样可以保障用户视觉层面和显示终端层面的显示状态调节分析效率。
在另一些可能的实施例中,还可以采用相关的交互检测期望信息重构思路或者交互检测期望信息翻译操作思路对所述第二双向状态知识分布集进行检测信息翻译操作(比如特征还原),得到所述第二双向状态知识分布集对应的第一交互检测期望信息集。
对于一些可能的实施例而言,在所述得到所述第二双向状态知识分布集对应的第一交互检测期望信息集之后,所述方法还可以包括如下内容:依据所述第一显示交互检测信息集中的部分显示交互检测信息进行基于用户视觉的调节处理,得到第二交互检测期望信息集;依据所述第一交互检测期望信息集和所述第二交互检测期望信息集,得到第三交互检测期望信息集。
对于本发明实施例而言,第三交互检测期望信息集可以包括至少一个交互检测期望信息。第三交互检测期望信息集中的交互检测期望信息的信息规模,可以与第一显示交互检测信息集中的显示交互检测信息的信息规模相同。同理,第三交互检测期望信息集中的交互检测期望信息的信息规模,也可以与第一显示交互检测信息集中的显示交互检测信息的信息规模不同。
应用于上述实施例,通过依据所述第一显示交互检测信息集中的部分显示交互检测信息进行基于用户视觉的调节处理,得到第二交互检测期望信息集,并依据所述第一交互检测期望信息集和所述第二交互检测期望信息集,得到第三交互检测期望信息集,这样可以利用多样化的交互检测期望信息进行用户视觉层面和显示终端层面的显示状态调节分析,进而保障调节分析的精度和可信度。
对于一些可能的实施例而言,所述依据所述第一显示交互检测信息集中的部分显示交互检测信息进行基于用户视觉的调节处理,得到第二交互检测期望信息集,可以包括如下内容:将所述第一显示交互检测信息集中的部分显示交互检测信息加载到第二状态知识调节模型,通过所述第二状态知识调节模型输出获得所述部分显示交互检测信息对应的第二交互检测期望信息集。
对于本发明实施例而言,所述第二状态知识调节模型可以是基于聚焦式的AI模型,也可以是其他AI模型,本发明实施例在此不作过多限制。部分显示交互检测信息可以理解为第一显示交互检测信息集中的至少部分显示交互检测信息。
进一步地,通过第二状态知识调节模型对所述第一显示交互检测信息集中的部分显示交互检测信息进行处理,得到第二交互检测期望信息集,这样可以得到之后用户视觉层面和显示终端层面的显示状态调节分析所需要的交互检测期望信息。由此,基于第二交互检测期望信息集和第一交互检测期望信息集得到调节信息,可以进一步提高用户视觉层面和显示终端层面的显示状态调节分析的精度。
对于一些可能的实施例而言,所述部分显示交互检测信息携带所述第一显示交互检测信息集中最近获取的K个显示交互检测信息,其中,K为正整数,所述第一显示交互检测信息集中的显示交互检测信息的数目不低于K。比如,M大于1。在本发明实施例中,通过采用第一显示交互检测信息集中最近获取的K个显示交互检测信息进行基于用户视觉的调节处理,可以提高用户视觉层面和显示终端层面的显示状态调节分析的精度。
可以理解的是,所述部分显示交互检测信息还可以携带所述第一显示交互检测信息集中的任意K个显示交互检测信息。
对于一些可能的实施例而言,所述依据所述第一交互检测期望信息集和所述第二交互检测期望信息集,得到第三交互检测期望信息集,可以包括如下内容:对所述第一交互检测期望信息集进行用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的第一用户视觉体验短语;对所述第二交互检测期望信息集进行用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的第二用户视觉体验短语;依据所述第一用户视觉体验短语和所述第二用户视觉体验短语进行第一整合操作,得到第一全局视觉体验短语;依据所述第一全局视觉体验短语,得到第三交互检测期望信息集。
对于本发明实施例而言,可以通过拼接或者加权等思路进行第一整合操作(比如:融合处理),本发明实施例在此不作过多限制。其中,第一全局视觉体验短语表示依据所述第一用户视觉体验短语和所述第二用户视觉体验短语进行第一整合操作得到的全局视觉体验短语(融合特征)。
对于本发明实施例而言,对第一交互检测期望信息集进行用户视觉体验短语识别可以理解为对第一交互检测期望信息集进行用户视觉体验特征提取。
如此一来,通过结合从第一交互检测期望信息集提取的第一用户视觉体验短语与从第二交互检测期望信息集提取的第二用户视觉体验短语,能够利用多样化的交互检测期望信息进行用户视觉层面和显示终端层面的显示状态调节分析,这样可以保障用户视觉层面和显示终端层面的显示状态调节分析的精度。
对于一些可能的实施例而言,所述对所述第一交互检测期望信息集进行用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的第一用户视觉体验短语,可以包括如下内容:对所述第一交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的多类个性化显示需求对应的第一用户视觉体验短语;所述对所述第二交互检测期望信息集进行用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的第二用户视觉体验短语,可以包括如下内容:对所述第二交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的多类个性化显示需求对应的第二用户视觉体验短语;所述依据所述第一用户视觉体验短语和所述第二用户视觉体验短语进行第一整合操作,得到第一全局视觉体验短语,可以包括如下内容:对于多类个性化显示需求中的其中一类个性化显示需求,根据该类个性化显示需求对应的第一用户视觉体验短语和该类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语。
比如,可以对所述第一交互检测期望信息集进行三类用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的第一类个性化显示需求对应的第一用户视觉体验短语、第二类个性化显示需求对应的第一用户视觉体验短语和第三类个性化显示需求对应的第一用户视觉体验短语;对第二交互检测期望信息集进行三类用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的第一类个性化显示需求对应的第二用户视觉体验短语、第二类个性化显示需求对应的第二用户视觉体验短语和第三类个性化显示需求对应的第二用户视觉体验短语;根据第一类个性化显示需求对应的第一用户视觉体验短语和第一类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到第一类个性化显示需求对应的第一全局视觉体验短语;根据第二类个性化显示需求对应的第一用户视觉体验短语和第二类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到第二类个性化显示需求对应的第一全局视觉体验短语;根据第三类个性化显示需求对应的第一用户视觉体验短语和第三类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到第三类个性化显示需求对应的第一全局视觉体验短语。
比如,可以通过涵盖若干特征提取单元的第三状态知识调节模型对第一交互检测期望信息集进行基于 多类个性化显示需求的用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的多类个性化显示需求对应的第一用户视觉体验短语;可以通过涵盖若干特征提取单元的第四状态知识调节模型对第二交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的多类个性化显示需求对应的第二用户视觉体验短语。可以理解的是,第三状态知识调节模型和第四状态知识调节模型还可以包括其他类别的模型单元,比如:触发单元、降维单元等,本发明实施例在此不作过多限制。
进一步地,对于多类个性化显示需求中的其中一类个性化显示需求,可以根据该类个性化显示需求对应的第一用户视觉体验短语和该类个性化显示需求对应的第二用户视觉体验短语进行连接处理,得到该类个性化显示需求对应的第一全局视觉体验短语。
在本发明实施例中,通过对第一交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,可以得到第一交互检测期望信息集对应的多需求的第一用户视觉体验短语;通过对第二交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,可以得到第二交互检测期望信息集对应的多需求的第二用户视觉体验短语。鉴于此,通过对第一交互检测期望信息集和第二交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,可以获得更完整多样的交互检测期望信息。利用多需求的第一用户视觉体验短语和多需求的第二用户视觉体验短语进行第一整合操作,可以获得多需求的第一全局视觉体验短语。根据多需求的第一全局视觉体验短语,能够输出获得更完整精准的第三交互检测期望信息集。
对于一些可能的实施例而言,所述根据该类个性化显示需求对应的第一用户视觉体验短语和该类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语,可以包括:倘若该类个性化显示需求不为最后一类个性化显示需求,对该类个性化显示需求对应的第一用户视觉体验短语、该类个性化显示需求对应的第二用户视觉体验短语和该类个性化显示需求对应的后一层的第一全局视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语;和/或,倘若该类个性化显示需求为最后一类个性化显示需求,对该类个性化显示需求对应的第一用户视觉体验短语和该类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语。
比如,对于三类中的第三类,可以对第三类个性化显示需求对应的第一用户视觉体验短语和第三类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到第三类个性化显示需求对应的第一全局视觉体验短语;对于三类中的第二类,可以对第二类个性化显示需求对应的第一用户视觉体验短语、第二类个性化显示需求对应的第二用户视觉体验短语和第三类个性化显示需求对应的第一全局视觉体验短语进行体验短语整合,得到第二类个性化显示需求对应的第一全局视觉体验短语;对于三类中的第一类,可以对第一类个性化显示需求对应的第一用户视觉体验短语、第一类个性化显示需求对应的第二用户视觉体验短语和第二类个性化显示需求对应的第一全局视觉体验短语进行体验短语整合,得到第一类个性化显示需求对应的第一全局视觉体验短语。
如此一来,能够尽可能全面地考虑不同个性化显示需求的用户视觉体验短语,获得完整多样的多类个性化显示需求对应的第一全局视觉体验短语。
对于一些可能的实施例而言,所述依据所述第一全局视觉体验短语,得到第三交互检测期望信息集,可以包括如下内容:对所述第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语;依据所述第一全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集。
在本发明实施例中,可以通过噪声优化模块(可以理解为残差网络)或者噪声优化算法等对所述第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语。
如此一来,通过对所述第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语,并依据所述第一全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集,这样可以尽可能减少噪声误差,进而保障用户视觉层面和显示终端层面的显示状态调节分析的精度。此外,在模型调试过程中,通过进行噪声优化操作可以尽快保障状态知识调节模型趋于稳定。
对于一些可能的实施例而言,所述第一全局视觉体验短语包括多类个性化显示需求对应的视觉体验短语;所述对所述第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语,可以包括:对第一类个性化显示需求对应的第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语。
比如,可以将第一类个性化显示需求对应的第一全局视觉体验短语加载到第五状态知识调节模型,通过第五状态知识调节模型输出已优化视觉体验短语。
如此一来,通过对第一类个性化显示需求对应的第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语,依据所述第一全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集,这样可以尽可能减少噪声误差,进而保障用户视觉层面和显示终端层面的显示状态调节分析的精度。
在一种可能的实施例中,可以对多层第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语。进一步地,所述第一全局视觉体验短语可以只涵盖一层。
对于一些可能的实施例而言,所述第一全局视觉体验短语包括多类个性化显示需求对应的视觉体验短语;所述依据所述第一全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集,可以包括:对最后一类个性化显示需求对应的第一全局视觉体验短语进行第二整合操作,得到第二全局视觉体验短语;依据所述第二全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集。
如此一来,通过对最后一类个性化显示需求对应的第一全局视觉体验短语进行第二整合操作,得到第二全局视觉体验短语,依据所述第二全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集,这样可以提高所第三交互检测期望信息集的准确性。
在本发明实施例中,第二全局视觉体验短语表示对最后一类个性化显示需求对应的第一全局视觉体验短语进行第二整合操作得到的全局视觉体验短语。
在本发明实施例中,可以将最后一类个性化显示需求对应的第一全局视觉体验短语(比如:第三类个性化显示需求对应的第一全局视觉体验短语)加载到包括若干个特征提取单元的第六状态知识调节模型,通过第六状态知识调节模型对最后一类个性化显示需求对应的第一全局视觉体验短语进行第二整合操作,得到第二全局视觉体验短语。比如,第六状态知识调节模型可以包括三个特征提取单元。进一步地,第六状态知识调节模型还可以包括其他类别的模型单元,比如:触发单元(激活层)、降维单元(池化层)等,本发明实施例在此不作过多限制。
在一些可能的实施例中,可以对所述第二全局视觉体验短语和所述已优化视觉体验短语进行窗口化过滤,得到第三交互检测期望信息集。比如,可以对所述第二全局视觉体验短语和所述已优化视觉体验短语进行多层窗口化过滤,得到第三交互检测期望信息集。比如,可以将所述第二全局视觉体验短语和所述已优化视觉体验短语加载到第七状态知识调节模型,通过所述第七状态知识调节模型得到第三交互检测期望信息集。其中,第七状态知识调节模型可以包括多个特征逆向提取单元,通过多个特征逆向提取单元进行窗口化过滤,可以得到第三交互检测期望信息集。进一步地,第七状态知识调节模型还可以包括其他类别的模型单元,比如:降维单元、分类单元(全连接层)等,本发明实施例在此不作过多限制。
在一些可能的实施例中,所述AI模型可以理解为长短期记忆网络(LSTM)。所述AI模型可以涵盖2个单元,分别是期望挖掘单元和特征优化单元。进一步地,所述期望挖掘单元的输入可以是第一显示交互检测信息集,输出可以是第一交互检测期望信息集;所述特征优化单元的输入可以是第一交互检测期望信息集和第一显示交互检测信息集中最近获取的K个显示交互检测信息,输出可以是第三交互检测期望信息集。对于本发明实施例而言,可以通过期望挖掘单元挖掘第一显示交互检测信息集中的低热力信息,通过特征优化单元提取第一显示交互检测信息集中的高热力信息,这样可以保障AI模型的鲁棒性。本发明实施例提供的AI模型的参数规模较低,从而能够削弱处理难度,同时能够显著提高处理效率。
在本发明实施例中,期望挖掘单元的输入可以是第一显示交互检测信息集interactive information,输出可以是第一交互检测期望信息集interactiveinformation*。进一步地,期望挖掘单元可以包括知识抽取单元、用户视觉调节单元和循环逼近单元。进一步地,知识抽取单元可以用于对第一显示交互检测信息集进行知识抽取处理,得到第一初始状态知识分布集,对第一初始状态知识分布集进行知识变换操作,得到第一双向状态知识分布集。用户视觉调节单元可以用于通过GCN对所述第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集。比如,用户视觉调节单元可以通过上述的第一状态知识调节模型来实施。循环逼近单元可以用于通过迭代算法等思路对第二双向状态知识分布集进行循环逼近操作,得到所述第二双向状态知识分布集对应的第二初始状态知识分布集,对所述第二初始状态知识分布集进行知识特征译码处理,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集。
可以理解的是,特征优化单元可以包括视觉调节单元、短语识别单元、向量提取单元、噪声优化单元、短语整合单元和信息导出单元。比如,视觉调节单元可以通过上述的第二状态知识调节模型来实施,短语识别单元可以通过上述的第三状态知识调节模型来实施,向量提取单元可以通过上述的第四状态知识调节模型来实施,噪声优化单元可以通过上述的第五状态知识调节模型来实施,短语整合单元可以通过上述的第六状态知识调节模型来实施,信息导出单元可以通过上述的第七状态知识调节模型来实施。
进一步地,视觉调节单元可以用于根据第一显示交互检测信息集中最近获取的K个显示交互检测信息进行基于用户视觉的调节处理,得到第二交互检测期望信息集。短语识别单元可以用于对期望挖掘单元输出的第一交互检测期望信息集进行三类用户视觉体验短语识别,得到第一交互检测期望信息集对应的第一类个性化显示需求对应的第一用户视觉体验短语、第二类个性化显示需求对应的第一用户视觉体验短语和第三类个性化显示需求对应的第一用户视觉体验短语;向量提取单元可以用于对第二交互检测期望信息集进行用户视觉体验短语识别,得到第二交互检测期望信息集对应的第一类个性化显示需求对应的第二用户视觉体验短语、第二类个性化显示需求对应的第二用户视觉体验短语和第三类个性化显示需求对应的第二用户视觉体验短语。可以对第三类个性化显示需求对应的第一用户视觉体验短语和第三类个性化显示需求对应的第二用户视觉体验短语进行连接处理,得到第三类个性化显示需求对应的第一全局视觉体验短语;对第二类个性化显示需求对应的第一用户视觉体验短语、第二类个性化显示需求对应的第二用户视觉体验短语和第三类个性化显示需求对应的第一全局视觉体验短语进行连接处理,得到第二类个性化显示需求对应的第一全局视觉体验短语;对第一类个性化显示需求对应的第一用户视觉体验短语、第一类个性化显示需求对应的第二用户视觉体验短语和第二类个性化显示需求对应的第一全局视觉体验短语进行连接处理,得到第一类个性化显示需求对应的第一全局视觉体验短语。短语整合单元可以用于对第三类个性化显示需求对应的第一全局视觉体验短语进行第二整合操作,得到第二全局视觉体验短语;噪声优化单元可以用于对第一类个性化显示需求对应的第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语。将第二全局视觉体验短语和已优化视觉体验短语加载到信息导出单元,可以得到第三交互检测期望信息集。
基于上述相同或相似的发明构思,请参阅图3,本实施例还提供了一种基于人工智能的显示状态优化方法的应用环境的架构示意图,包括互相之间通信的显示状态优化系统10和目标显示终端20,显示状态优化系统10和目标显示终端20在运行时实现或者部分实现上述方法实施例所描述的技术方案。
进一步地,本实施例还提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的方法。
在本发明实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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、程序段或代码的一部分,所述模块、程序段或代码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。也应当注意,在有些作为替换的实现方式中,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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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介质中。基于这样的理解,本发明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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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)
1.一种基于人工智能的显示状态优化方法,其特征在于,应用于显示状态优化系统,所述方法至少包括:
在接收到显示状态优化指令时,获取目标显示终端对应的第一显示交互检测信息集,并对所述第一显示交互检测信息集进行双向状态知识提取操作,得到所述第一显示交互检测信息集对应的第一双向状态知识分布集,包括:
对获取的第一显示交互检测信息集进行知识抽取处理,得到所述第一显示交互检测信息集对应的第一初始状态知识分布集;
对所述第一初始状态知识分布集进行知识变换操作,得到所述第一显示交互检测信息集对应的第一双向状态知识分布集;
依据所述第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集;对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集;
利用所述第一交互检测期望信息集对所述目标显示终端进行显示参数优化。
2.根据权利要求1所述的方法,其特征在于,所述依据所述第一双向状态知识分布集进行基于用户视觉的调节处理,得到已调节的第二双向状态知识分布集,包括:将所述第一双向状态知识分布集加载到第一状态知识调节模型,通过所述第一状态知识调节模型输出获得所述第一双向状态知识分布集对应的第二双向状态知识分布集。
3.根据权利要求2所述的方法,其特征在于,所述对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集,包括:对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第二初始状态知识分布集;对所述第二初始状态知识分布集进行知识特征译码处理,得到所述第二双向状态知识分布集对应的第一交互检测期望信息集;
其中,所述对所述第二双向状态知识分布集进行检测信息翻译操作,得到所述第二双向状态知识分布集对应的第二初始状态知识分布集,包括:基于设定配置的知识处理算法对所述第二双向状态知识分布集进行循环逼近操作,得到所述第二双向状态知识分布集对应的第二初始状态知识分布集。
4.根据权利要求1所述的方法,其特征在于,在所述得到所述第二双向状态知识分布集对应的第一交互检测期望信息集之后,所述方法还包括:
依据所述第一显示交互检测信息集中的部分显示交互检测信息进行基于用户视觉的调节处理,得到第二交互检测期望信息集;
依据所述第一交互检测期望信息集和所述第二交互检测期望信息集,得到第三交互检测期望信息集。
5.根据权利要求4所述的方法,其特征在于,所述依据所述第一显示交互检测信息集中的部分显示交互检测信息进行基于用户视觉的调节处理,得到第二交互检测期望信息集,包括:将所述第一显示交互检测信息集中的部分显示交互检测信息加载到第二状态知识调节模型,通过所述第二状态知识调节模型输出获得所述部分显示交互检测信息对应的第二交互检测期望信息集;
其中,所述部分显示交互检测信息携带所述第一显示交互检测信息集中最近获取的K个显示交互检测信息,其中,K为正整数,所述第一显示交互检测信息集中的显示交互检测信息的数目不低于K;
其中,所述依据所述第一交互检测期望信息集和所述第二交互检测期望信息集,得到第三交互检测期望信息集,包括:对所述第一交互检测期望信息集进行用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的第一用户视觉体验短语;对所述第二交互检测期望信息集进行用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的第二用户视觉体验短语;依据所述第一用户视觉体验短语和所述第二用户视觉体验短语进行第一整合操作,得到第一全局视觉体验短语;依据所述第一全局视觉体验短语,得到第三交互检测期望信息集;
其中,所述依据所述第一全局视觉体验短语,得到第三交互检测期望信息集,包括:对所述第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语;依据所述第一全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集。
6.根据权利要求5所述的方法,其特征在于,所述第一全局视觉体验短语包括多类个性化显示需求对应的视觉体验短语;所述依据所述第一全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集,包括:
对最后一类个性化显示需求对应的第一全局视觉体验短语进行第二整合操作,得到第二全局视觉体验短语;
依据所述第二全局视觉体验短语和所述已优化视觉体验短语,得到第三交互检测期望信息集。
7.根据权利要求5所述的方法,其特征在于,所述第一全局视觉体验短语包括多类个性化显示需求对应的视觉体验短语;所述对所述第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语,包括:对第一类个性化显示需求对应的第一全局视觉体验短语进行噪声优化操作,得到已优化视觉体验短语。
8.根据权利要求5所述的方法,其特征在于,所述对所述第一交互检测期望信息集进行用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的第一用户视觉体验短语,包括:对所述第一交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,得到所述第一交互检测期望信息集对应的多类个性化显示需求对应的第一用户视觉体验短语;
所述对所述第二交互检测期望信息集进行用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的第二用户视觉体验短语,包括:对所述第二交互检测期望信息集进行基于多类个性化显示需求的用户视觉体验短语识别,得到所述第二交互检测期望信息集对应的多类个性化显示需求对应的第二用户视觉体验短语;
所述依据所述第一用户视觉体验短语和所述第二用户视觉体验短语进行第一整合操作,得到第一全局视觉体验短语,包括:对于多类个性化显示需求中的其中一类个性化显示需求,根据该类个性化显示需求对应的第一用户视觉体验短语和该类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语;
其中,所述根据该类个性化显示需求对应的第一用户视觉体验短语和该类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语,包括:倘若该类个性化显示需求不为最后一类个性化显示需求,对该类个性化显示需求对应的第一用户视觉体验短语、该类个性化显示需求对应的第二用户视觉体验短语和该类个性化显示需求对应的后一层的第一全局视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语;倘若该类个性化显示需求为最后一类个性化显示需求,对该类个性化显示需求对应的第一用户视觉体验短语和该类个性化显示需求对应的第二用户视觉体验短语进行体验短语整合,得到该类个性化显示需求对应的第一全局视觉体验短语。
9.一种显示状态优化系统,其特征在于,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210830865.5A CN114895829B (zh) | 2022-07-15 | 2022-07-15 | 基于人工智能的显示状态优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210830865.5A CN114895829B (zh) | 2022-07-15 | 2022-07-15 | 基于人工智能的显示状态优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114895829A true CN114895829A (zh) | 2022-08-12 |
CN114895829B CN114895829B (zh) | 2022-09-27 |
Family
ID=82729723
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210830865.5A Active CN114895829B (zh) | 2022-07-15 | 2022-07-15 | 基于人工智能的显示状态优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114895829B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011176822A (ja) * | 2010-01-28 | 2011-09-08 | Toshiba Corp | 画像処理装置、立体表示装置及び画像処理方法 |
CN111767883A (zh) * | 2020-07-07 | 2020-10-13 | 北京猿力未来科技有限公司 | 一种题目批改方法及装置 |
CN112560785A (zh) * | 2020-12-28 | 2021-03-26 | 宋彦震 | 基于人工智能的面部追踪调整多屏亮度的控制方法 |
CN112799508A (zh) * | 2021-01-18 | 2021-05-14 | Oppo广东移动通信有限公司 | 显示方法与装置、电子设备及存储介质 |
CN113240112A (zh) * | 2021-06-01 | 2021-08-10 | Oppo广东移动通信有限公司 | 屏幕显示的调节方法、装置、电子设备及存储介质 |
-
2022
- 2022-07-15 CN CN202210830865.5A patent/CN114895829B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011176822A (ja) * | 2010-01-28 | 2011-09-08 | Toshiba Corp | 画像処理装置、立体表示装置及び画像処理方法 |
CN111767883A (zh) * | 2020-07-07 | 2020-10-13 | 北京猿力未来科技有限公司 | 一种题目批改方法及装置 |
CN112560785A (zh) * | 2020-12-28 | 2021-03-26 | 宋彦震 | 基于人工智能的面部追踪调整多屏亮度的控制方法 |
CN112799508A (zh) * | 2021-01-18 | 2021-05-14 | Oppo广东移动通信有限公司 | 显示方法与装置、电子设备及存储介质 |
CN113240112A (zh) * | 2021-06-01 | 2021-08-10 | Oppo广东移动通信有限公司 | 屏幕显示的调节方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114895829B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110033083B (zh) | 卷积神经网络模型压缩方法和装置、存储介质及电子装置 | |
CN107291867B (zh) | 基于人工智能的对话处理方法、装置、设备及计算机可读存储介质 | |
CN110210513B (zh) | 数据分类方法、装置及终端设备 | |
CN110956202B (zh) | 基于分布式学习的图像训练方法、系统、介质及智能设备 | |
US11741398B2 (en) | Multi-layered machine learning system to support ensemble learning | |
CN104899579A (zh) | 人脸识别方法和装置 | |
CN109990790A (zh) | 一种无人机路径规划方法及装置 | |
US11775806B2 (en) | Method of compressing neural network model and electronic apparatus for performing the same | |
CN110866469A (zh) | 一种人脸五官识别方法、装置、设备及介质 | |
CN113673260A (zh) | 模型处理方法、装置、存储介质和处理器 | |
CN110298912B (zh) | 三维场景的复现方法、系统、电子装置及存储介质 | |
CN112418082A (zh) | 基于度量学习和深度特征学习的植物叶片识别系统及方法 | |
CN114972944A (zh) | 视觉问答模型的训练方法及装置、问答方法、介质、设备 | |
CN114360018B (zh) | 三维人脸表情的渲染方法及装置、存储介质及电子装置 | |
CN114895829B (zh) | 基于人工智能的显示状态优化方法及系统 | |
CN111199540A (zh) | 图像质量评价方法、装置、电子设备及存储介质 | |
CN104205101A (zh) | 用于使用眼动跟踪来取回所观察到的信息和相关具体上下文的系统、方法和计算机程序产品 | |
CN110399912A (zh) | 一种字符识别的方法、系统、设备及计算机可读存储介质 | |
CN112364828B (zh) | 人脸识别方法及金融系统 | |
CN107729885B (zh) | 一种基于多重残差学习的人脸增强方法 | |
CN110135428A (zh) | 图像分割处理方法和装置 | |
CN103942554A (zh) | 一种图像识别方法及装置 | |
CN111626058B (zh) | 基于cr2神经网络的图像-文本双编码实现方法及系统 | |
CN113052025A (zh) | 图像融合模型的训练方法、图像融合方法及电子设备 | |
CN115690592B (zh) | 图像处理方法和模型训练方法 |
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 |