CN115098449A - 一种文件清理方法及电子设备 - Google Patents
一种文件清理方法及电子设备 Download PDFInfo
- Publication number
- CN115098449A CN115098449A CN202211033890.7A CN202211033890A CN115098449A CN 115098449 A CN115098449 A CN 115098449A CN 202211033890 A CN202211033890 A CN 202211033890A CN 115098449 A CN115098449 A CN 115098449A
- Authority
- CN
- China
- Prior art keywords
- file
- processed
- image
- label
- determining
- 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 90
- 238000004140 cleaning Methods 0.000 title claims abstract description 65
- 238000012217 deletion Methods 0.000 claims abstract description 10
- 230000037430 deletion Effects 0.000 claims abstract description 10
- 238000012790 confirmation Methods 0.000 claims abstract description 6
- 230000015654 memory Effects 0.000 claims description 21
- 238000000605 extraction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004927 fusion Effects 0.000 claims description 9
- 239000000203 mixture Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 12
- 239000010410 layer Substances 0.000 description 48
- 238000012545 processing Methods 0.000 description 27
- 238000012549 training Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 18
- 238000004891 communication Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 238000010295 mobile communication Methods 0.000 description 9
- 239000013598 vector Substances 0.000 description 8
- 238000007726 management method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 229920001621 AMOLED Polymers 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 101150054987 ChAT gene Proteins 0.000 description 1
- 101100203187 Mus musculus Sh2d3c gene Proteins 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000012792 core layer Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
- G06F16/162—Delete operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/16—File or folder operations, e.g. details of user interfaces specifically adapted to file systems
-
- 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
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/65—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/75—Clustering; Classification
-
- 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
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0602—Interfaces specially adapted for storage systems specifically adapted to achieve a particular effect
- G06F3/0604—Improving or facilitating administration, e.g. storage management
- G06F3/0607—Improving or facilitating administration, e.g. storage management by facilitating the process of upgrading existing storage systems, e.g. for improving compatibility between host and storage device
-
- 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
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0638—Organizing or formatting or addressing of data
- G06F3/0643—Management of files
-
- 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
- G06F3/06—Digital input from, or digital output to, record carriers, e.g. RAID, emulated record carriers or networked record carriers
- G06F3/0601—Interfaces specially adapted for storage systems
- G06F3/0628—Interfaces specially adapted for storage systems making use of a particular technique
- G06F3/0646—Horizontal data movement in storage systems, i.e. moving data in between storage devices or systems
- G06F3/0652—Erasing, e.g. deleting, data cleaning, moving of data to a wastebasket
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种文件清理方法及电子设备,该方法包括:接收用户针对至少一个待处理文件的文件清理请求;响应于文件清理请求,确定每个待处理文件的文件类型;若文件类型是图像类型,则获取待处理文件的第一参数并基于第一参数确定待处理文件的分类标签,第一参数包括图像清晰度评分、图像存储状态和图像美学评分;若文件类型是音频类型,则获取待处理文件的音频特征并基于音频特征确定待处理文件中是否有声音,基于是否有声音确定待处理文件的分类标签;展示无价值标签的待处理文件的列表,并提示用户是否删除;若检测到用户的确认删除操作,则删除无价值标签的待处理文件。本申请可以简化文件清理时用户的操作流程,提高文件清理效率。
Description
技术领域
本申请实施例涉及计算机技术领域,尤其涉及一种文件清理方法及电子设备。
背景技术
由于终端设备和云端设备的存储空间有限,用户常需要对这些设备的存储空间进行清理,以确保其能够正常使用。
目前,用户清理存储空间时要求用户自行遍历存储空间中每个文件,并确定每个文件的重要性,以此来对重要性较低的文件进行删除操作。这个过程要求用户执行繁琐的文件筛选工作,导致文件清理效率较低。因此,如何简化文件清理时用户的操作流程,提高文件清理效率成为亟待解决的问题。
发明内容
本申请提供了一种文件清理方法及电子设备,可以简化文件清理时用户的操作流程,提高文件清理效率。
第一方面,本申请实施例提供了一种文件清理方法,该方法包括:接收用户针对至少一个待处理文件的文件清理请求;响应于文件清理请求,确定每个待处理文件的文件类型;若待处理文件的文件类型是图像类型,则获取待处理文件的第一参数,并基于待处理文件的第一参数确定待处理文件的分类标签,第一参数包括图像清晰度评分、图像存储状态和图像美学评分,分类标签分为有价值标签和无价值标签,图像存储状态分为临时存储状态和非临时存储状态;若待处理文件的文件类型是音频类型,则获取待处理文件的音频特征,并基于待处理文件的音频特征确定待处理文件中是否有声音,基于待处理文件中是否有声音确定待处理文件的分类标签;展示分类标签为无价值标签的待处理文件的列表,并提示用户是否删除无价值标签的待处理文件;若检测到用户的确认删除操作,则删除分类标签为无价值标签的待处理文件。
基于第一方面所描述的方法,本申请可以对图像类型和音频类型的待处理文件的分类标签进行确定,并根据分类标签决定是否对待处理文件执行删除操作。相较于由用户自行遍历文件的方式,本申请可以简化文件清理时用户的操作流程,从而提高文件清理效率。
在一种可能的实现方式中,获取待处理文件的第一参数之前,上述方法还包括:
确定待处理文件的分类标签是否已被确定为有价值标签;若待处理文件的分类标签未被确定为有价值标签,则获取用户针对待处理文件的第一历史操作次数;若第一历史操作次数小于预设次数阈值,则执行获取待处理文件的第一参数的步骤。
基于该方式,可以在确定待处理文件的分类标签之前,基于待处理文件的分类标签是否被确定为有价值标签和第一历史操作次数对待处理文件进行预筛选,该方式可以减少需确定分类标签的待处理文件的数量,进而提高文件清理效率。
在一种可能的实现方式中,基于待处理文件的第一参数确定待处理文件的分类标签,包括:确定待处理文件的图像清晰度评分是否小于第一阈值;若待处理文件的图像清晰度评分大于或等于第一阈值,则确定待处理文件的图像存储状态是否为临时存储状态;若待处理文件的图像存储状态不为临时存储状态,则确定待处理文件的图像美学评分是否小于第二阈值;若待处理文件的图像美学评分小于第二阈值,则确定待处理文件的分类标签为无价值标签;若待处理文件的图像美学评分大于或等于第二阈值,则确定待处理文件的分类标签为有价值标签。
基于该方式,可以从图像清晰度评分、图像存储状态和图像美学评分这多个维度,共同确定图像类型的待处理文件的分类标签,该方式可以提高分类标签确定的准确率。
在一种可能的实现方式中,获取待处理文件的图像清晰度评分,包括:将待处理文件输入清晰度评分模型;获取清晰度评分模型输出的图像清晰度评分。
在一种可能的实现方式中,获取待处理文件的图像存储状态,包括:将待处理文件输入存储状态识别模型;获取存储状态识别模型输出的图像存储状态。
在一种可能的实现方式中,获取待处理文件的图像美学评分,包括:将待处理文件输入图像美学评分模型的特征提取层,得到特征提取层输出的待处理文件的场景特征和美学特征,美学特征包括构图特征、色彩特征、光线特征、曝光特征、立意特征中的一项或者多项;将场景特征和美学特征输入图像美学评分模型的全连接层,得到全连接层输出的待处理文件的融合特征;将融合特征输入图像美学评分模型的输出层,得到输出层输出的待处理文件的图像美学评分。
基于该方式,可以从图像的场景特征和图像的美学特征这多个维度,来共同确定待处理文件的图像美学评分。该方式使得确定出的图像美学评分更为准确,更加符合用户对图像的审美标准。
在一种可能的实现方式中,若待处理文件的文件类型是图像类型中的视频类型,上述方法还包括:对待处理文件所包含的视频内容进行采样,得到一个或者多个关键图像;上述获取待处理文件的第一参数,包括:获取每个关键图像的图像清晰度评分、图像存储状态和图像美学评分;将一个或者多个关键图像的图像清晰度评分的平均值,确定为待处理文件的图像清晰度评分;将一个或者多个关键图像的图像美学评分的平均值,确定为待处理文件的图像美学评分;统计一个或者多个关键图像中图像存储状态为临时存储状态的第一数量,以及图像存储状态为非临时存储状态的第二数量;基于第一数量和第二数量,确定待处理文件的图像存储状态。
基于该方式,可以从待处理文件的视频内容中确定出一个或者多个关键图像,并基于各个关键图像的图像清晰度评分、图像存储状态和图像美学评分确定待处理文件的第一参数。相较于根据待处理文件中的所有图像确定第一参数,该方式可以有效减少分类标签确定时的工作量,进而提高文件清理效率。
在一种可能的实现方式中,获取待处理文件的音频特征之前,上述方法还包括:确定待处理文件的分类标签是否已被确定为有价值标签;若待处理文件的分类标签未被确定为有价值标签,则获取用户针对待处理文件的第二历史操作次数;若第二历史操作次数小于预设次数阈值,则执行获取待处理文件的音频特征的步骤。
基于该方式,可以在确定待处理文件的分类标签之前,可以先基于待处理文件的分类标签是否已被确定为有价值标签和第二历史操作次数,对待处理文件进行筛选,该方式可以减少需确定分类标签的待处理文件的数量,进而提高文件清理效率。
在一种可能的实现方式中,获取待处理文件的音频特征,并基于待处理文件的音频特征确定待处理文件中是否有声音,包括:确定待处理文件对应的音频频谱图;基于待处理文件对应的音频频谱图,确定待处理文件的音频特征;若待处理文件的音频特征满足预设条件,则确定待处理文件中有声音;若待处理文件的音频特征不满足预设条件,则确定待处理文件中无声音。
基于该方式,能够通过待处理文件的音频特征判断待处理文件中是否有声音。
在一种可能的实现方式中,基于待处理文件中是否有声音确定待处理文件的分类标签,包括:若待处理文件中无声音,则确定待处理文件的分类标签为无价值标签;若待处理文件中有声音,则确定待处理文件中有声音部分的时间长度;若待处理文件中有声音部分的时间长度小于时长阈值,则确定待处理文件的分类标签为无价值标签;若待处理文件中有声音部分的时间长度大于或等于时长阈值,则确定待处理文件的分类标签为有价值标签。
基于该方式,可以直接将无声音的待处理文件的分类标签确定为无价值标签;同时,针对有声音的待处理文件,可以基于有声音部分的时间长度对待处理文件的分类标签进一步确定,可以提高分类标签确定的准确率。
在一种可能的实现方式中,在确定待处理文件的分类标签之后,上述方法还包括:显示待处理文件的分类标签;接收用户针对待处理文件的分类标签的更新请求;响应于更新请求,若待处理文件的分类标签为无价值标签,则将待处理文件的分类标签由无价值标签更新为有价值标签;若待处理文件的分类标签为有价值标签,则将待处理文件的分类标签由有价值标签更新为无价值标签。
基于该方式,可以在删除无价值标签的待处理文件之前,接收用户对于已确定的分类标签的更新,以便后续可以依据更新后的分类标签对待处理文件进行清理。该方式可以提高文件清理的准确率,防止误删或者漏删待处理文件。
第二方面,本申请实施例提供了一种文件清理装置,该装置包括接收单元和处理单元,其中:该接收单元,用于接收用户针对至少一个待处理文件的文件清理请求;该处理单元,用于响应于文件清理请求,确定每个待处理文件的文件类型;若待处理文件的文件类型是图像类型,则该处理单元,还用于获取待处理文件的第一参数,并基于待处理文件的第一参数确定待处理文件的分类标签,第一参数包括图像清晰度评分、图像存储状态和图像美学评分,分类标签分为有价值标签和无价值标签,图像存储状态分为临时存储状态和非临时存储状态;若待处理文件的文件类型是音频类型,则该处理单元,还用于获取待处理文件的音频特征,并基于待处理文件的音频特征确定待处理文件中是否有声音,基于待处理文件中是否有声音确定待处理文件的分类标签;该处理单元,还用于展示分类标签为无价值标签的待处理文件的列表,并提示用户是否删除无价值标签的待处理文件;若该处理单元检测到用户的确认删除操作,则该处理单元,还用于删除分类标签为无价值标签的待处理文件。
在一种可能的实现方式中,该处理单元在获取待处理文件的第一参数之前,还用于:确定待处理文件的分类标签是否已被确定为有价值标签;若待处理文件的分类标签未被确定为有价值标签,则获取用户针对待处理文件的第一历史操作次数;若第一历史操作次数小于预设次数阈值,则执行获取待处理文件的第一参数的步骤。
在一种可能的实现方式中,该处理单元在基于待处理文件的第一参数确定待处理文件的分类标签时,具体用于:确定待处理文件的图像清晰度评分是否小于第一阈值;若待处理文件的图像清晰度评分大于或等于第一阈值,则确定待处理文件的图像存储状态是否为临时存储状态;若待处理文件的图像存储状态不为临时存储状态,则确定待处理文件的图像美学评分是否小于第二阈值;若待处理文件的图像美学评分小于第二阈值,则确定待处理文件的分类标签为无价值标签;若待处理文件的图像美学评分大于或等于第二阈值,则确定待处理文件的分类标签为有价值标签。
在一种可能的实现方式中,该处理单元在获取待处理文件的图像清晰度评分时,具体用于:将待处理文件输入清晰度评分模型;获取清晰度评分模型输出的图像清晰度评分。
在一种可能的实现方式中,该处理单元在获取待处理文件的图像存储状态时,具体用于:将待处理文件输入存储状态识别模型;获取存储状态识别模型输出的图像存储状态。
在一种可能的实现方式中,该处理单元在获取待处理文件的图像美学评分时,具体用于:将待处理文件输入图像美学评分模型的特征提取层,得到特征提取层输出的待处理文件的场景特征和美学特征,美学特征包括构图特征、色彩特征、光线特征、曝光特征、立意特征中的一项或者多项;将场景特征和美学特征输入图像美学评分模型的全连接层,得到全连接层输出的待处理文件的融合特征;将融合特征输入图像美学评分模型的输出层,得到输出层输出的待处理文件的图像美学评分。
在一种可能的实现方式中,若待处理文件的文件类型是图像类型中的视频类型,则该处理单元还用于对待处理文件所包含的视频内容进行采样,得到一个或者多个关键图像;该处理单元在获取待处理文件的第一参数时,具体用于:获取每个关键图像的图像清晰度评分、图像存储状态和图像美学评分;将一个或者多个关键图像的图像清晰度评分的平均值,确定为待处理文件的图像清晰度评分;将一个或者多个关键图像的图像美学评分的平均值,确定为待处理文件的图像美学评分;统计一个或者多个关键图像中图像存储状态为临时存储状态的第一数量,以及图像存储状态为非临时存储状态的第二数量;基于第一数量和第二数量,确定待处理文件的图像存储状态。
在一种可能的实现方式中,该处理单元在获取待处理文件的音频特征之前,还用于:确定待处理文件的分类标签是否已被确定为有价值标签;若待处理文件的分类标签未被确定为有价值标签,则获取用户针对待处理文件的第二历史操作次数;若第二历史操作次数小于预设次数阈值,则执行获取待处理文件的音频特征的步骤。
在一种可能的实现方式中,该处理单元在获取待处理文件的音频特征,并基于待处理文件的音频特征确定待处理文件中是否有声音时,具体用于:确定待处理文件对应的音频频谱图;基于待处理文件对应的音频频谱图,确定待处理文件的音频特征;若待处理文件的音频特征满足预设条件,则确定待处理文件中有声音;若待处理文件的音频特征不满足预设条件,则确定待处理文件中无声音。
在一种可能的实现方式中,该处理单元在基于待处理文件中是否有声音确定待处理文件的分类标签时,具体用于:若待处理文件中无声音,则确定待处理文件的分类标签为无价值标签;若待处理文件中有声音,则确定待处理文件中有声音部分的时间长度;若待处理文件中有声音部分的时间长度小于时长阈值,则确定待处理文件的分类标签为无价值标签;若待处理文件中有声音部分的时间长度大于或等于时长阈值,则确定待处理文件的分类标签为有价值标签。
在一种可能的实现方式中,该处理单元在确定待处理文件的分类标签之后,还用于:显示待处理文件的分类标签;接收用户针对待处理文件的分类标签的更新请求;响应于更新请求,若待处理文件的分类标签为无价值标签,则将待处理文件的分类标签由无价值标签更新为有价值标签;若待处理文件的分类标签为有价值标签,则将待处理文件的分类标签由有价值标签更新为无价值标签。
第三方面,本申请实施例提供了一种电子设备,电子设备包括存储器和一个或多个处理器;存储器与一个或多个处理器耦合,用于存储计算机程序代码,计算机程序代码包括计算机指令,当一个或多个处理器执行计算机指令时,使得电子设备执行如第一方面或第一方面下的任意一种可能的实现方式所描述的方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,包括计算机指令,当计算机指令在电子设备上运行时,使得电子设备执行如第一方面或第一方面下的任意一种可能的实现方式所描述的方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行如第一方面或第一方面下的任意一种可能的实现方式所描述的方法。
附图说明
图1是本申请实施例提供的一种电子设备的硬件结构示意图;
图2是本申请实施例提供的一种电子设备的软件结构示意图;
图3是本申请实施例提供的一种文件清理方法的流程示意图;
图4是本申请实施例提供的一种页面示意图;
图5是本申请实施例提供的一种图像美学评分模型的结构示意图;
图6是本申请实施例提供的一种模型训练流程示意图;
图7A是本申请实施例提供的另一种页面示意图;
图7B是本申请实施例提供的又一种页面示意图;
图8是本申请实施例提供的另一种文件清理方法的流程示意图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、详尽地描述。其中,在本申请实施例的描述中,除非另有说明,“/”表示或的意思,例如,A/B可以表示A或B;文本中的“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,在本申请实施例的描述中,“多个”是指两个或多于两个。
以下,术语“第一”、“第二”仅用于描述目的,而不能理解为暗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,在本申请实施例的描述中,除非另有说明,“多个”的含义是两个或两个以上。
为了简化用户的文件清理操作流程,提高文件清理效率,本申请提出了一种文件清理方法及电子设备。该电子设备可以为终端设备,例如智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、智能车载等,但并不局限于此。该电子设备也可以为服务器,例如可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。本申请实施例对电子设备的类型不作限定。
下面分别对电子设备的硬件结构和软件结构进行举例说明。
请参见图1,图1是本申请提出的一种电子设备的硬件结构示意图。需要说明的是,本申请在具体应用时,电子设备可以具有比图1中所示的更多的或者更少的部件,可以组合两个或多个的部件,或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
如图1所示,电子设备100可以包括:处理器110、存储器120、显示屏130、传感器模块140、移动通信模块150、无线通信模块160、天线1和天线2。其中传感器模块140可以包括指纹传感器140A和触摸传感器140B。
其中,处理器110可以包括一个或多个处理单元,例如:处理器110可以包括应用处理器(applicationprocessor,AP)、调制解调处理器、图形处理器(graphics processingunit,GPU)、图像信号处理器(image signal processor,ISP)、控制器、视频编解码器、数字信号处理器(digital signal processor,DSP)、基带处理器、和/或神经网络处理器(neural-network processing unit,NPU)等。不同的处理单元可以是独立的器件,也可以集成在一个或多个处理器中。
在一些实施例中,处理器110中还可以设置存储器,用于存储指令和数据。在一些实施例中,处理器110中的存储器为高速缓冲存储器。该存储器可以保存处理器110刚用过或循环使用的指令或数据。如果处理器110需要再次使用该指令或数据,可从存储器中直接调用。避免了重复存取,减少了处理器110的等待时间,因而提高了系统的效率。
在一些实施例中,处理器110可以包括一个或多个接口。接口可以包括集成电路(inter-integrated circuit,I2C)接口、集成电路内置音频(inter-integrated circuitsound,I2S)接口、脉冲编码调制(pulse code modulation,PCM)接口、通用异步收发传输器(universal asynchronous receiver/transmitter,UART)接口、移动产业处理器接口(mobile industry processor interface,MIPI)、通用输入输出(general-purposeinput/output,GPIO)接口、用户标识模块(subscriber identity module,SIM)接口、和/或通用串行总线(universal serial bus,USB)接口等。
存储器120可以包括一个或多个随机存取存储器(random access memory,RAM)和一个或多个非易失性存储器(non-volatile memory,NVM)。随机存取存储器可以包括静态随机存储器(static random-access memory,SRAM)、动态随机存储器(dynamic randomaccess memory,DRAM)、同步动态随机存储器(synchronous dynamic random accessmemory, SDRAM)、双倍资料率同步动态随机存取存储器(double data rate synchronousdynamic random access memory,DDR SDRAM)等,例如第五代DDR SDRAM一般称为DDR5SDRAM;非易失性存储器可以包括磁盘存储器件和快闪存储器(flash memory)。
存储器120可以存有指令,该指令可在处理器110上被运行,使得电子设备执行下述方法实施例中描述的方法。
显示屏130用于显示图像、视频、操作页面等。显示屏130包括显示面板。显示面板可以采用液晶显示屏(liquid crystal display,LCD)、有机发光二极管(organic light-emitting diode,OLED)、有源矩阵有机发光二极体或主动矩阵有机发光二极体(active-matrix organic light emitting diode,AMOLED)、柔性发光二极管(flex light-emitting diode,FLED)、Miniled、MicroLed、量子点发光二极管(quantum dot lightemitting diodes,QLED)等。在一些实施例中,电子设备100可以包括1个或N个显示屏130,N为大于1的正整数。
指纹传感器140A用于采集指纹。电子设备100可以利用采集的指纹特性实现指纹确认文件删除、指纹解锁、访问应用锁、指纹拍照、指纹接听来电等。
触摸传感器140B,也称“触控器件”。触摸传感器140B可以设置于显示屏130,由触摸传感器140B与显示屏130组成触摸屏,也称“触控屏”。触摸传感器140B用于检测作用于其上或附近的触摸操作。触摸传感器可以将检测到的触摸操作传递给应用处理器,以确定触摸事件类型。可以通过显示屏130提供与触摸操作相关的视觉输出。在另一些实施例中,触摸传感器140B也可以设置于电子设备100的表面,与显示屏130所处的位置不同。
天线1和天线2用于发射和接收电磁波信号。天线1和天线2可用于覆盖单个或多个通信频带。或者,天线1和天线2还可以复用,以提高天线的利用率。例如:可以将天线1复用为无线局域网的分集天线。在另外一些实施例中,天线可以和调谐开关结合使用。
移动通信模块150可以提供应用在终端设备上的包括2G/3G/4G/5G等无线通信的解决方案。移动通信模块150可以包括至少一个滤波器、开关、功率放大器和低噪声放大器(low noise amplifier,LNA)等。移动通信模块150可以由天线1接收电磁波,并对接收的电磁波进行滤波,放大等处理,传送至调制解调处理器进行解调。移动通信模块150还可以对经调制解调处理器调制后的信号放大,经天线1转为电磁波辐射出去。在一些实施例中,移动通信模块150的至少部分功能模块可以被设置于处理器110中。在一些实施例中,移动通信模块150的至少部分功能模块可以与处理器110的至少部分模块被设置在同一个器件中。
无线通信模块160可以提供应用在电子设备上的包括无线局域网(wirelesslocal area networks,WLAN)(如Wi-Fi网络)、蓝牙(bluetooth,BT)、BLE广播、全球导航卫星系统(global navigation satellite system,GNSS),调频(frequency modulation,FM),近距离无线通信技术(near field communication,NFC)、红外技术(infrared,IR)等无线通信的解决方案。无线通信模块160可以是集成至少一个通信处理模块的一个或多个器件。无线通信模块160经由天线2接收电磁波,将电磁波信号调频以及滤波处理,将处理后的信号发送到处理器110。无线通信模块160还可以从处理器110接收待发送的信号,对其进行调频、放大,经天线2转为电磁波辐射出去。
在一些实施例中,终端设备的天线1和移动通信模块150耦合,天线2和无线通信模块160耦合,使得终端设备可以通过无线通信技术与网络以及其他设备通信。无线通信技术可以包括全球移动通讯系统(global system for mobile communications,GSM)、通用分组无线服务(general packet radio service,GPRS)、码分多址接入(code divisionmultiple access,CDMA)、宽带码分多址(wideband code division multiple access,WCDMA)、时分码分多址(time-division code division multiple access,TD-SCDMA)、长期演进(long term evolution,LTE)、BT、GNSS、WLAN、NFC、FM、和/或IR技术等。GNSS可以包括全球卫星定位系统(global positioning system,GPS)、全球导航卫星系统(globalnavigation satellite system,GLONASS)、北斗卫星导航系统(beidou navigationsatellite system,BDS)、准天顶卫星系统(quasi-zenith satellite system,QZSS)和/或星基增强系统(satellite based augmentation systems,SBAS)。
请参见图2,图2是本申请提出的一种电子设备的软件结构示意图。分层架构将软件分成若干个层,每一层都有清晰的角色和分工。层与层之间通过软件接口通信。在一些实施例中,将Android系统分为四层,从上至下分别为应用程序层,应用程序框架层,安卓运行时(Android runtime)和系统库,以及内核层。
应用程序层可以包括一系列应用程序包。如图2所示,应用程序包可以包括相机,图库,日历,通话,地图,导航,WLAN,蓝牙,音乐,视频,短信息等应用程序(也可以称为应用)。
应用程序框架层为应用程序层的应用程序提供应用编程接口(applicationprogramming interface,API)和编程框架。应用程序框架层包括一些预先定义的函数。如图2所示,应用程序框架层可以包括窗口管理器,内容提供器,视图系统,电话管理器,资源管理器,通知管理器等。其中,窗口管理器用于管理窗口程序。窗口管理器可以获取显示屏大小,判断是否有状态栏,锁定屏幕,截取屏幕等。内容提供器用来存放和获取数据,并使这些数据可以被应用程序访问。这些数据可以包括视频,图像,音频,拨打和接听的电话,浏览历史和书签,电话簿等。视图系统包括可视控件,例如显示文字的控件,显示图片的控件等。视图系统可用于构建应用程序。显示界面可以由一个或多个视图组成的。例如,包括短信通知图标的显示界面,可以包括显示文字的视图以及显示图片的视图。电话管理器用于提供电子设备100的通信功能。例如通话状态的管理(包括接通,挂断等)。资源管理器为应用程序提供各种资源,比如本地化字符串,图标,图片,布局文件,视频文件等等。通知管理器使应用程序可以在状态栏中显示通知信息,可以用于传达告知类型的消息,可以短暂停留后自动消失,无需用户交互。比如通知管理器被用于告知下载完成,消息提醒等。通知管理器还可以是以图表或者滚动条文本形式出现在系统顶部状态栏的通知,例如后台运行的应用程序的通知,还可以是以对话界面形式出现在屏幕上的通知。例如在状态栏提示文本信息,发出提示音,电子设备振动,指示灯闪烁等。
Android runtime包括核心库和虚拟机。Android runtime负责安卓系统的调度和管理。
核心库包含两部分:一部分是java语言需要调用的功能函数,另一部分是安卓的核心库。
应用程序层和应用程序框架层运行在虚拟机中。虚拟机将应用程序层和应用程序框架层的java文件执行为二进制文件。虚拟机用于执行对象生命周期的管理,堆栈管理,线程管理,安全和异常的管理,以及垃圾回收等功能。
系统库可以包括多个功能模块。例如:表面管理器(surface manager),媒体库(Media Libraries),三维图形处理库(例如:OpenGL ES),2D图形引擎(例如:SGL)等。表面管理器用于对显示子系统进行管理,并且为多个应用程序提供了2D和3D图层的融合。媒体库支持多种常用的音频,视频格式回放和录制,以及静态图像文件等。媒体库可以支持多种音视频编码格式,例如: MPEG4,H.264,MP3,AAC,AMR,JPG,PNG等。三维图形处理库用于实现三维图形绘图,图像渲染,合成,和图层处理等。2D图形引擎是2D绘图的绘图引擎。
内核层是硬件和软件之间的层。内核层至少包含显示驱动,摄像头驱动,音频驱动,传感器驱动。
下面对本申请实施例提供的一种文件清理方法进一步详细说明。
请参见图3,图3是本申请实施例提供的一种文件清理方法的流程示意图,该方法包括步骤301~步骤305。图3所示的方法的执行主语可以为电子设备,或电子设备中的芯片。下面以电子设备为方法的执行主体为例进行说明。其中:
301、电子设备接收用户针对至少一个待处理文件的文件清理请求。
在本申请实施例中,至少一个待处理文件是指需要确定是否进行删除的文件。可选的,至少一个待处理文件可以是电子设备中的所有文件,或者,用户选中的文件夹中的文件,或者,用户选中的磁盘中的文件,或者,用户手动选取的一些文件。
在本申请实施例中,针对至少一个待处理文件的文件清理请求可以通过用户的手势操作输入。例如,手势操作可以为预设时长的按压操作,双击操作,向预设方向的滑动操作,或点击文件清理功能按钮等。或者,针对至少一个待处理文件的文件清理请求可以通过用户的语音操作输入。
例如,如果用户在电子设备进行预设时长的按压操作,则电子设备可接收到针对电子设备中的所有文件的文件清理请求。再如,用户可以先选中一个或多个文件夹,然后点击文件清理功能按钮。用户点击文件清理功能按钮之后,电子设备接收到用户针对该一个或多个文件夹中的文件的文件清理请求。再如,用户可以选中一个或多个磁盘,然后点击文件清理功能按钮。用户点击文件清理功能按钮之后,电子设备接收到用户针对该一个或多个磁盘中的文件的文件清理请求。再如,用户可逐个选取待处理文件,用户选取一个或多个待处理文件之后,点击文件清理功能按钮。用户点击文件清理功能按钮之后,电子设备接收到用户针对该一个或多个待处理文件的文件清理请求。
示例地,图4是本申请实施例提供的一种页面示意图。如图4所示,该页面包括文件列表区域401和文件清理按钮402,文件清理按钮402可以以可移动悬浮球或固定控件的形式显示于该页面中。文件列表区域401包括文件A~文件E共五个文件,当用户从这五个文件中选择了文件A、文件B、文件D、文件E之后,可以点击文件清理按钮402。电子设备检测到用户点击文件清理按钮402时,接收到用户针对这四个文件的文件清理请求。
302、电子设备响应于文件清理请求,确定每个待处理文件的文件类型。
在本申请实施例中,待处理文件的文件类型可以是图像类型或音频类型。可选的,图像类型可以包括图片类型和视频类型。
在具体实现时,待处理文件的文件类型可以基于待处理文件在电子设备中的存储格式来确定。存储格式可根据待处理文件的名称信息的拓展名确定。示例地,若文件B和文件C的名称信息的拓展名为“awb”和“mp4”,则文件B的存储格式为真实铃声格式(truetones,AWB),文件C的存储格式为动态图像专家组格式(moving picture experts group,MPEG)格式,因此,文件B的文件类型为音频类型,文件C的文件类型为图像类型。
基于此,电子设备可以通过提取每个待处理文件的名称信息的拓展名对每个待处理文件的文件类型进行判断确定。或者,本申请还可以读取待处理文件的文件头字符确定待处理文件的存储格式,进而确定待处理文件的文件类型。例如图片类型的文件的存储格式为便携式网络图形(portable network graphics,PNG),PNG格式对应的文件头字符为“89504E47 ”,本申请对确定文件类型的方法不作限定。
示例地,图像类型的待处理文件的存储格式还可以是联合图像专家组格式(jointphotographic experts group,JPEG)、音频视频交错格式(audio video interleaved,AVI)等,音频类型的待处理文件的存储格式还可以是高级音频编码格式(advanced audiocoding,AAC)等。
在电子设备确定出每个待处理文件的文件类型之后,可以根据各个待处理文件的文件类型对各个待处理文件的分类标签进行确定,其中,待处理文件的分类标签可用于指示待处理文件是否具有价值,分类标签分为有价值标签和无价值标签,有价值标签表示待处理文件是对用户而言有价值的文件,无价值标签表示待处理文件是对用户而言无价值的文件。每个待处理文件的分类标签均可以按照下述步骤303~步骤304进行确定,下面以一个待处理文件为例,对确定这一个待处理文件的分类标签的过程进行说明。
303、若待处理文件的文件类型是图像类型,则电子设备获取待处理文件的第一参数,并基于待处理文件的第一参数确定待处理文件的分类标签。
其中,第一参数包括图像清晰度评分、图像存储状态和图像美学评分。图像清晰度评分用于指示待处理文件所包含的图像在显示时的清晰程度;图像存储状态分为临时存储状态和非临时存储状态。图像存储状态用于指示待处理文件是否是用户使用电子设备时所产生的缓存文件,也即是临时存储文件;图像美学评分用于指示待处理文件所包含的图像具有的美学观赏程度,例如,图像美学评分可以反映图像的画面、色彩、光影等的适配度和协调性。
下面先对如何获取待处理文件的图像清晰度评分、图像存储状态和图像美学评分的可能的实现方式进行说明。
在一种可能的实现方式中,电子设备获取待处理文件的图像清晰度评分的具体方式,包括:将待处理文件输入清晰度评分模型;获取清晰度评分模型输出的图像清晰度评分。
其中,清晰度评分模型可以是根据不同清晰度的图像训练样本训练得到的,清晰度评分模型可以对任意输入的待处理文件所包含的图像进行清晰度预测,输出图像清晰度评分。
示例地,该清晰度评分模型可以是采用HyperIQA算法构建的超网络架构,由图像内容理解模块,感知规则学习模块和清晰度预测模块组成。图像内容理解模块用于提取图像所包含的各种语义,如语义X包括像素、分辨率等等,感知规则学习模块用于确定图像所包含的语义与清晰度之间的映射关系f(),清晰度预测模块用于根据图像所包含的语义X和映射关系f(),得到图像清晰度评分Y=f(X)。
在一种可能的实现方式中,电子设备获取待处理文件的图像存储状态的具体方式,包括:将待处理文件输入存储状态识别模型;获取存储状态识别模型输出的图像存储状态。
其中,图像存储状态分为临时存储状态和非临时存储状态,对于用户而言,临时存储状态的文件是用户使用电子设备时产生的额外文件,这些额外文件通常是为了减少重新加载时间,便于用户再次查看而进行存储的文件。另外,临时存储状态的文件可能是图像清晰度足够的文件,因此在确定这些文件的图像清晰度评分之后,还可以调用存储状态识别模型将临时存储状态的文件识别出来。
例如,存储状态识别模型可以是根据不同存储状态的图像训练样本训练得到的神经网络模型,不同存储状态的图像训练样本的图像内容不同。图像训练样本的图像存储状态分为临时存储状态和非临时存储状态。示例地,临时存储状态的图像训练样本可以是用户与好友聊天交互过程中,电子设备所显示的好友发送的表情包、短视频,或者,是用户在视频播放平台观看视频时,由视频播放平台生成的缓存视频等,非临时存储状态的图像训练样本可以是用户拍摄的图像、或者从平台上下载的图像。存储状态识别模型可以采用深度残差网络(deep residual network50,ResNet50)等的网络架构,本申请对此不作限制。
本申请基于存储状态识别模型,可以对任意输入的待处理文件所包含的图像内容进行确定,并基于确定的图像内容进行存储状态的识别,输出待处理文件的图像存储状态。该方式可以有效区分出待处理文件是否是缓存文件,有利于后续可基于图像存储状态确定待处理文件的分类标签。
在一种可能的实现方式中,电子设备获取待处理文件的图像美学评分的具体方式,包括:将待处理文件输入图像美学评分模型的特征提取层,得到特征提取层输出的待处理文件的场景特征和美学特征,美学特征包括构图特征、色彩特征、光线特征、曝光特征、立意特征中的一项或者多项;将场景特征和美学特征输入图像美学评分模型的全连接层,得到全连接层输出的待处理文件的融合特征;将融合特征输入图像美学评分模型的输出层,得到输出层输出的待处理文件的图像美学评分。
其中,场景特征用于指示待处理文件包含的图像所显示的场景,如场景可以包括人物、美食、风景、建筑等,美学特征用于指示图像的画面、色彩、光影等的适配度和协调性。
示例地,请参见图5,图5是本申请实施例提供的一种图像美学评分模型的结构示意图。如图5所示,电子设备首先将待处理文件所对应的图像向量输入特征提取层,该图像向量的维度可以统一为224*224*3;接着,特征提取层对图像向量中的场景特征和美学特征进行提取,并将得到的两个特征对应的向量输入到全连接层;全连接层将场景特征和美学特征所对应的向量进行融合,得到融合特征所对应的向量,并输出到输出层;输出层采用softmax()函数,将融合特征向量映射成图像美学评分。
可选的,在特征提取层对场景特征和美学特征进行提取时,可以分别提取这两个特征,或者,可以先提取出场景特征,再提取场景特征所对应的场景的美学特征。例如,若待处理文件所包含的图像具有人物以及风景,风景为人物周围的环境且风景所占的区域远小于人物所占的区域,则特征提取层在提取美学特征时,可以只对图像中人物的美学特征进行提取。当然,若特征提取层提取出场景特征包含多种场景,也可以分别以各个场景为提取对象,提取各个场景所对应的美学特征,将所有的美学特征一并输入到全连接层。
在一种可能的实现方式中,图像美学评分模型可以由图6所示的方法训练得到。其中,首先,采集图像训练样本,为保证模型训练的效果,本申请所采集的图像训练样本是场景类型均有涉及、且数量分布较为均匀的样本,并且每个图像训练样本均具有人工标注的真实美学评分;然后,针对每个采集到的图像训练样本,先提取出场景特征,此处对场景特征的提取可以理解为根据图像所包含的内容对图像显示的场景进行分类,因此提取出的场景特征可以理解为图像场景的分类结果;接着,再提取美学特征,提取美学特征时可以进行独立提取,或参考已提取出的场景特征进行关联提取,提取出的美学特征可以包含用于指示构图、色彩、光线、曝光、立意中一项或多项的特征;进一步地,依据提取出的美学特征和场景特征先得到一个图像美学评分的评分等级,再在评分等级对应的评分区间内得到图像训练样本的综合评分(也即是图像美学评分);最后,根据真实美学评分和确定出的图像美学评分得到模型训练的损失函数的取值,并根据损失函数的取值训练得到图像美学评分模型。
需要说明的是,在训练得到图像美学评分时,模型输出的是图像训练样本的图像美学评分是某一个分值的概率,例如模型先确定图像训练样本对应的评分区间是(80,90],再得到图像美学评分是82的概率为30%,是84的概率是40%,是87的概率是30%。因此,在得到损失函数的取值时,可以参考下述公式进行计算:
其中,M表示图像训练样本的数量,x m 和C分别表示任一图像训练样本的模型输出的图像美学评分和真实美学评分;P(x m ∈C)所对应的运算表示:当x m和C相同,P(x m∈C)取值为1;同理,1-P(x m∈C)所对应的运算表示:当x m和C不同,1-P(x m ∈C)取值为1;t n 和(1-t n )则分别表示图像美学评分x m 和C相同和不同的概率。基于此,当L的取值越小时,说明模型预测得到的图像美学评分和真实美学评分越接近,模型的训练效果越好,且当L的取值小于预设的损失值阈值时,模型训练完成,得到图像美学评分模型。
需要说明的是,上述损失函数的形式仅为举例,在具体实现时还可以有其余形式,本申请对此不作限定。同时,在本申请使用上述图像美学评分模型时,模型在输出层也可以先输出图像美学评分是各个分值的概率,再将最大概率的数值确定为待处理文件的图像美学评分。
另外,若待处理文件的文件类型是图像类型中的视频类型,则电子设备在确定待处理文件的第一参数时,还可以按照下述流程实现:对待处理文件所包含的视频内容进行采样,得到一个或者多个关键图像;获取待处理文件的第一参数,包括:获取每个关键图像的图像清晰度评分、图像存储状态和图像美学评分;将一个或者多个关键图像的图像清晰度评分的平均值,确定为待处理文件的图像清晰度评分;将一个或者多个关键图像的图像美学评分的平均值,确定为待处理文件的图像美学评分;统计一个或者多个关键图像中图像存储状态为临时存储状态的第一数量,以及图像存储状态为非临时存储状态的第二数量,基于第一数量和第二数量,确定待处理文件的图像存储状态。
其中,基于第一数量和第二数量,确定待处理文件的图像存储状态是指若第一数量大于第二数量,则确定待处理文件的图像存储状态是临时存储状态,反之则确定待处理文件的图像存储状态是非临时存储状态。
示例地,若电子设备确定出五个关键图像,且按照上述流程、确定这五个关键图像的图像清晰度评分分别是80、90、95、60、50,四个关键图像不是临时存储状态、一个关键图像是临时存储状态,五个关键图像的图像美学评分分别是80、83、82、90、80。则待处理文件的图像清晰度评分为(80+90+95+60+50)/5=75,图像存储状态是非临时存储状态,图像美学评分(80+83+82+90+80)/5=77。
基于该方式,可以从待处理文件的视频内容中确定出一个或者多个关键图像,并基于各个关键图像的图像清晰度评分、图像存储状态和图像美学评分确定待处理文件的第一参数。相较于根据待处理文件中的所有图像确定第一参数,该方式可以有效减少分类标签确定时的工作量,进而提高文件清理效率。
进一步地,电子设备可以根据上述方式确定出的图像清晰度评分、图像存储状态和图像美学评分,从多个维度判断待处理文件是否具有价值,得到待处理文件的分类标签。该部分的具体实现方式可以参见下述图8对应的实施例的相关描述,在此不赘述。
304、若待处理文件的文件类型是音频类型,则电子设备获取待处理文件的音频特征,并基于待处理文件的音频特征确定待处理文件中是否有声音,基于待处理文件中是否有声音确定待处理文件的分类标签。
其中,本申请中的声音包括但不限于人声、音乐等等,音频特征是指可用于区分待处理文件中是否有声音的特征,例如,音频特征包括但不限于短时能量、短时过零率等。
在一种可能的实现方式中,电子设备获取待处理文件的音频特征,包括:确定待处理文件对应的音频频谱图;基于待处理文件对应的音频频谱图,确定待处理文件的音频特征。示例地,电子设备可以基于快速傅里叶变换(fast fourier transformation,FFT)得到待处理文件的音频频谱图,再基于音频频谱图得到待处理文件的短时能量、短时过零率等。
进一步地,本申请可以通过音频特征有效区分出待处理文件中是否有声音,并根据待处理文件中是否有声音确定待处理文件是否具有价值,得到待处理文件的分类标签,该部分的具体实现方式可以参见下述图8对应的实施例的相应描述,在此不赘述。
305、电子设备展示分类标签为无价值标签的待处理文件的列表,并提示用户是否删除无价值标签的待处理文件;若电子设备检测到用户的确认删除操作,则删除分类标签为无价值标签的待处理文件。
其中,在电子设备基于上述步骤301~步骤304中的一项或多项确定出待处理文件的分类标签之后,电子设备可以将分类标签被确定为无价值标签的待处理文件以列表的形式展示给用户,同时电子设备还提示用户是否删除展示的列表中的待处理文件,用户可以依据电子设备的提示,决定是否对该列表中的待处理文件进行确认删除。
示例地,电子设备在显示分类标签为无价值标签的待处理文件的列表时,显示针对该列表的“确认删除/取消删除”的按钮。当电子设备检测到用户针对“确认删除”按钮的点击操作后,电子设备删除该列表中的待处理文件;当电子设备接收到用户针对“取消删除”按钮的点击操作后,电子设备保留该列表中的待处理文件。
可选的,电子设备还可以对本次分类标签的确定结果进行存储,例如,存储有价值标签的确定结果。该方式可以使得在下一次确定分类标签时,无需对有价值标签的待处理文件进行分类标签的重复确定,进而提高处理效率。
或者,在另一种可能的实现方式中,电子设备在展示分类标签为无价值标签的待处理文件的列表之前,还执行下述操作:显示待处理文件的分类标签;接收用户针对待处理文件的分类标签的更新请求;响应于更新请求,若待处理文件的分类标签为无价值标签,则将待处理文件的分类标签由无价值标签更新为有价值标签;若待处理文件的分类标签为有价值标签,则将待处理文件的分类标签由有价值标签更新为无价值标签。
示例地,请参见图7A~图7B,如图7A所示,电子设备显示的页面包括文件A、文件B、文件D、文件E的分类标签确定结果,以及对分类标签确定结果进行再次确认的控件702。各个文件的分类标签确定结果可以以控件的方式进行显示。例如,文件B的分类标签以控件701的方式进行显示,该控件中除了显示文件B的分类标签为无价值以外(图7A中的加粗显示),还显示有有价值(图7A中的未加粗显示),该控件701可以接收用户的更新操作,生成更新请求,以对文件B的分类标签进行更新。例如,用户可以通过点击控件701中的有价值时,生成针对文件B的分类标签的更新请求,电子设备响应于该更新请求,将文件B的分类标签由无价值更改为有价值,并显示如图7B对应的页面。进一步地,用户点击控件702对更新后的分类标签确定结果进行确认,电子设备在检测到用户的确认操作后,可以删除分类标签为无价值标签的文件D。
基于该方式,可以在电子设备展示分类标签为无价值标签的待处理文件的列表之前,接收用户对于已确定的分类标签的更新,以便后续可以依据更新后的分类标签对待处理文件进行清理。该方式可以提高文件清理的准确率,防止误删或者漏删待处理文件。
基于图3所描述的实施例,本申请可以对图像类型和音频类型的待处理文件的分类标签进行确定,并根据分类标签决定是否对待处理文件执行删除操作。相较于由用户自行遍历文件的方式,本申请可以简化文件清理时用户的操作流程,从而提高文件清理效率。
请参见图8,图8是本申请实施例提供的另一种文件清理方法的流程示意图,该方法包括步骤801~步骤813。图8所示的方法的执行主语可以为电子设备,或电子设备中的芯片。下面以电子设备为方法的执行主体为例进行说明。其中:
801、电子设备接收用户针对至少一个待处理文件的文件清理请求。
802、电子设备响应于文件清理请求,确定每个待处理文件的文件类型。
其中,电子设备执行步骤801~步骤802的具体实现方式可以参见上述图3对应的实施例中步骤301和步骤302的相应描述,在此不赘述。
803、若待处理文件的文件类型是图像类型,则电子设备获取待处理文件的图像清晰度评分、图像存储状态、图像美学评分。
可选的,在电子设备在执行步骤803中获取待处理文件的图像清晰度评分、图像存储状态、图像美学评分的操作之前,还可以先通过下述方式对图像类型的待处理文件进行预筛选,预筛选的过程具体包括:确定待处理文件是否被确定为有价值标签;若待处理文件未被确定为有价值标签,则获取用户针对待处理文件的第一历史操作次数;若第一历史操作次数小于预设次数阈值,则执行获取待处理文件的第一参数的步骤。
其中,电子设备确定待处理文件是否被确定为有价值标签,是指待处理文件是否在历史时间内已被确定为有价值标签。若待处理文件在历史时间内已被确定为有价值标签,说明用户已确认待处理文件是有价值的文件,因此,本申请在对分类标签确定时,将已被确定为有价值的待处理文件排除在外,不再对已被确定为有价值的待处理文件的分类标签进行重复确定,可以减少需确定分类标签的待处理文件的数量。
第一历史操作次数是指用户在预设的历史时间内,针对图像类型的待处理文件的操作的次数。示例地,预设的历史时间可以是近三天、近一周、近一月,针对图像类型的待处理文件的操作可以包括点击待处理文件、放大待处理文件的图像、拖动待处理文件的视频进度、调整待处理文件的显示参数等等。若用户针对待处理文件的第一历史操作次数大于或等于预设次数阈值,则说明用户仍具有与待处理文件进行操作交互的可能,电子设备可确定待处理文件的分类标签是有价值标签;反之,若第一历史操作次数小于预设次数阈值,例如用户已经一个月未播放过待处理文件所包含的视频,则说明待处理文件有可能为无价值文件,电子设备可以通过获取待处理文件的第一参数,进一步对待处理文件的价值进行确定。
基于该可能实现方式,可以避免重复确定有价值文件的分类标签,减少需确定分类标签的待处理文件的数量,进而提高文件清理效率。
804、电子设备确定图像清晰度评分是否小于第一阈值。
其中,若电子设备确定图像清晰度评分小于第一阈值,即说明待处理文件所包含的图像较为模糊,则电子设备执行步骤811。若电子设备确定出图像清晰度评分不小于第一阈值,即说明待处理文件所包含的图像清晰度高,则电子设备执行步骤805,根据待处理文件的图像存储状态进一步判断待处理文件是否具有价值。
805、电子设备确定图像存储状态是否为临时存储状态。
其中,若电子设备确定图像存储状态为临时存储状态,即说明待处理文件属于缓存文件,则电子设备执行步骤811。若电子设备确定图像存储状态不为临时存储状态,即说明待处理文件不属于缓存文件,则电子设备执行步骤806,根据待处理文件的图像美学评分进一步判断待处理文件是否具有价值。
806、电子设备确定图像美学评分是否小于第二阈值。
其中,若电子设备确定图像美学评分小于第二阈值,即说明待处理文件的图像美学欣赏度不高,则电子设备执行步骤811。若电子设备确定图像美学评分不小于第二阈值,即说明待处理文件的图像美学欣赏度较高,则电子设备执行步骤812。
基于上述步骤804~步骤806,本申请可以通过级联的方式,依次根据图像清晰度评分、图像存储状态和图像美学评分对待处理文件的分类标签进行确定,该方式可以从多个维度判断待处理文件是否有价值,有效提高了分类标签确定的准确率。
需要说明的是,在根据图像清晰度评分、图像存储状态和图像美学评分,确定待处理文件的分类标签时,还可以调整级联的顺序进行确定。例如,按照图像存储状态、图像清晰度评分和图像美学评分的顺序进行判断。或者,可以不采用级联的方式,分别根据图像存储状态、图像清晰度评分和图像美学评分得到三个判断结果,若三个判断结果中任意两个判断结果满足有价值的条件,则将其分类标签确定有有价值标签,等等。
807、若待处理文件的文件类型是音频类型,则电子设备获取待处理文件的音频特征。
其中,电子设备执行步骤807的具体实现方式可以参见上述图3对应的实施例中步骤304的相应描述,在此不赘述。
可选的,在电子设备在执行步骤807中获取待处理文件的音频特征的操作之前,还可以先通过下述方式对音频类型的待处理文件进行预筛选,预筛选的过程具体包括:确定待处理文件是否被确定为有价值标签;若待处理文件未被确定为有价值标签,则获取用户针对待处理文件的第二历史操作次数;若第二历史操作次数小于预设次数阈值,则执行获取待处理文件的音频特征的步骤。
其中,第二历史操作次数是指用户在预设的历史时间内,针对音频类型的待处理文件的操作的次数。示例地,预设的历史时间可以是近三天、近一周、近一月,针对音频类型的待处理文件的操作可以包括播放待处理文件、拖动待处理文件的音频进度、调整待处理文件的播放参数等等。若第二历史操作次数大于或等于预设次数阈值,则确定待处理文件的分类标签为有价值标签,反之则执行获取待处理文件的音频特征的操作。基于该方式可以减少需确定分类标签的待处理文件的数量,进而提高文件清理效率。
808、电子设备基于待处理文件的音频特征确定待处理文件中是否有声音。
在一种可能的实现方式中,电子设备可以根据音频特征是否满足预设条件确定待处理文件中是否有声音,包括;若待处理文件的音频特征满足预设条件,则确定待处理文件中有声音;若待处理文件的音频特征不满足预设条件,则确定待处理文件中无声音。
其中,预设条件是与音频特征相匹配的,可以根据音频特征区分待处理文件中是否有声音的条件。示例地,当音频特征为短时能量时,短时能量越小,说明待处理文件中越不可能有声音;当音频特征为短时过零率时,短时过零率越小,说明待处理文件中越有可能有声音。本申请对音频特征和预设条件的内容不作限制。
当电子设备确定待处理文件中无声音,则电子设备执行步骤811;当电子设备确定待处理文件中有声音,则电子设备执行步骤809,进一步根据待处理文件中有声音部分的时间长度对待处理文件是否有价值进行确定。
809、电子设备确定待处理文件中有声音部分的时间长度。
810、电子设备确定有声音部分的时间长度是否小于时长阈值。
其中,若电子设备确定有声音部分的时间长度小于时长阈值,即说明待处理文件中虽包含声音,但包含的声音过短,则电子设备执行步骤811。若电子设备确定有声音部分的时间长度不小于时长阈值,即说明待处理文件中包含声音且包含的声音不短,则电子设备执行步骤812。
可选的,在具体实施时,电子设备还可以统计无声音部分的时间长度,并基于有声音部分的时间长度和无声音部分的时间长度的比值来共同确定待处理文件的分类标签。该方式可以进一步提升分类标签确定的准确率。
811、电子设备确定待处理文件的分类标签为无价值标签。
812、电子设备确定待处理文件的分类标签为有价值标签。
813、电子设备展示分类标签为无价值标签的待处理文件的列表,并提示用户是否删除无价值标签的待处理文件;若电子设备检测到用户的确认删除操作,则删除分类标签为无价值标签的待处理文件。
电子设备执行步骤813的具体实现方式可以参见上述图3对应的实施例中步骤305的相应描述,在此不赘述。
基于图8所描述的实施例,本申请可以在对图像类型的待处理文件的分类标签进行确定时,通过级联的方式,依次基于图像清晰度评分、图像存储状态、图像美学评分对分类标签进行确定,该方式可以从多个维度对待处理文件是否有价值进行判断。并且,在对图像类型的待处理文件的分类标签进行确定时,先确定待处理文件中是否有声音,再基于有声音部分的时间长度进一步判断待处理文件是否有价值。由此可见,本申请可以提高分类标签确定的准确率,进而提升文件清理的效果。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机指令,当其在电子设备或处理器上运行时,使得电子设备或处理器执行上述任一个方法中的一个或多个步骤。
本申请实施例还提供了一种包含指令的计算机程序产品。当该计算机程序产品在电子设备或处理器上运行时,使得电子设备或处理器执行上述任一个方法中的一个或多个步骤。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例所描述的流程或功能。本申请中的计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者通过计算机可读存储介质进行传输。计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,该流程可以由计算机程序来指令相关的硬件完成,该程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法实施例的流程。而前述的存储介质包括:ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。
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。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (14)
1.一种文件清理方法,其特征在于,所述方法包括:
接收用户针对至少一个待处理文件的文件清理请求;
响应于所述文件清理请求,确定每个所述待处理文件的文件类型;
若所述待处理文件的文件类型是图像类型,则获取所述待处理文件的第一参数,并基于所述待处理文件的第一参数确定所述待处理文件的分类标签,所述第一参数包括图像清晰度评分、图像存储状态和图像美学评分,所述分类标签分为有价值标签和无价值标签,所述图像存储状态分为临时存储状态和非临时存储状态;
若所述待处理文件的文件类型是音频类型,则获取所述待处理文件的音频特征,并基于所述待处理文件的音频特征确定所述待处理文件中是否有声音,基于所述待处理文件中是否有声音确定所述待处理文件的分类标签;
展示分类标签为无价值标签的待处理文件的列表,并提示所述用户是否删除无价值标签的待处理文件;
若检测到所述用户的确认删除操作,则删除所述分类标签为无价值标签的待处理文件。
2.根据权利要求1所述的方法,其特征在于,所述获取所述待处理文件的第一参数之前,所述方法还包括:
确定所述待处理文件的分类标签是否已被确定为有价值标签;
若所述待处理文件的分类标签未被确定为有价值标签,则获取所述用户针对所述待处理文件的第一历史操作次数;
若所述第一历史操作次数小于预设次数阈值,则执行所述获取所述待处理文件的第一参数的步骤。
3.根据权利要求2所述的方法,其特征在于,所述基于所述待处理文件的第一参数确定所述待处理文件的分类标签,包括:
确定所述待处理文件的图像清晰度评分是否小于第一阈值;
若所述待处理文件的图像清晰度评分大于或等于所述第一阈值,则确定所述待处理文件的图像存储状态是否为临时存储状态;
若所述待处理文件的图像存储状态不为临时存储状态,则确定所述待处理文件的图像美学评分是否小于第二阈值;
若所述待处理文件的图像美学评分小于所述第二阈值,则确定所述待处理文件的分类标签为无价值标签;
若所述待处理文件的图像美学评分大于或等于所述第二阈值,则确定所述待处理文件的分类标签为有价值标签。
4.根据权利要求1~3中任意一项所述的方法,其特征在于,获取所述待处理文件的图像清晰度评分,包括:
将所述待处理文件输入清晰度评分模型;
获取所述清晰度评分模型输出的图像清晰度评分。
5.根据权利要求1~3中任意一项所述的方法,其特征在于,获取所述待处理文件的图像存储状态,包括:
将所述待处理文件输入存储状态识别模型;
获取所述存储状态识别模型输出的图像存储状态。
6.根据权利要求1~3中任意一项所述的方法,其特征在于,获取所述待处理文件的图像美学评分,包括:
将所述待处理文件输入图像美学评分模型的特征提取层,得到所述特征提取层输出的所述待处理文件的场景特征和美学特征,所述美学特征包括构图特征、色彩特征、光线特征、曝光特征、立意特征中的一项或者多项;
将所述场景特征和所述美学特征输入所述图像美学评分模型的全连接层,得到所述全连接层输出的所述待处理文件的融合特征;
将所述融合特征输入所述图像美学评分模型的输出层,得到所述输出层输出的所述待处理文件的图像美学评分。
7.根据权利要求1~3中任意一项所述的方法,其特征在于,若所述待处理文件的文件类型是图像类型中的视频类型,所述方法还包括:
对所述待处理文件所包含的视频内容进行采样,得到一个或者多个关键图像;
所述获取所述待处理文件的第一参数,包括:
获取每个所述关键图像的图像清晰度评分、图像存储状态和图像美学评分;
将所述一个或者多个关键图像的图像清晰度评分的平均值,确定为所述待处理文件的图像清晰度评分;
将所述一个或者多个关键图像的图像美学评分的平均值,确定为所述待处理文件的图像美学评分;
统计所述一个或者多个关键图像中图像存储状态为临时存储状态的第一数量,以及图像存储状态为非临时存储状态的第二数量;
基于所述第一数量和所述第二数量,确定所述待处理文件的图像存储状态。
8.根据权利要求1~3中任意一项所述的方法,其特征在于,所述获取所述待处理文件的音频特征之前,所述方法还包括:
确定所述待处理文件的分类标签是否已被确定为有价值标签;
若所述待处理文件的分类标签未被确定为有价值标签,则获取所述用户针对所述待处理文件的第二历史操作次数;
若所述第二历史操作次数小于预设次数阈值,则执行所述获取所述待处理文件的音频特征的步骤。
9.根据权利要求8所述的方法,其特征在于,所述获取所述待处理文件的音频特征,并基于所述待处理文件的音频特征确定所述待处理文件中是否有声音,包括:
确定所述待处理文件对应的音频频谱图;
基于所述待处理文件对应的音频频谱图,确定所述待处理文件的音频特征;
若所述待处理文件的音频特征满足预设条件,则确定所述待处理文件中有声音;
若所述待处理文件的音频特征不满足预设条件,则确定所述待处理文件中无声音。
10.根据权利要求9所述的方法,其特征在于,所述基于所述待处理文件中是否有声音确定所述待处理文件的分类标签,包括:
若所述待处理文件中无声音,则确定所述待处理文件的分类标签为无价值标签;
若所述待处理文件中有声音,则确定所述待处理文件中有声音部分的时间长度;
若所述待处理文件中有声音部分的时间长度小于时长阈值,则确定所述待处理文件的分类标签为无价值标签;
若所述待处理文件中有声音部分的时间长度大于或等于所述时长阈值,则确定所述待处理文件的分类标签为有价值标签。
11.根据权利要求1所述的方法,其特征在于,在所述确定所述待处理文件的分类标签之后,所述方法还包括:
显示所述待处理文件的分类标签;
接收所述用户针对所述待处理文件的分类标签的更新请求;
响应于所述更新请求,若所述待处理文件的分类标签为无价值标签,则将所述待处理文件的分类标签由无价值标签更新为有价值标签;若所述待处理文件的分类标签为有价值标签,则将所述待处理文件的分类标签由有价值标签更新为无价值标签。
12.一种电子设备,其特征在于,包括存储器和一个或多个处理器;所述存储器与所述一个或多个处理器耦合,用于存储计算机程序代码,所述计算机程序代码包括计算机指令,当所述一个或多个处理器执行所述计算机指令时,使得所述电子设备执行如权利要求1-11中任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,包括计算机指令,当所述计算机指令在电子设备上运行时,使得所述电子设备执行如权利要求1-11中任一项所述的方法。
14.一种计算机程序产品,其特征在于,当所述计算机程序产品在电子设备上运行时,使得所述电子设备执行如权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211033890.7A CN115098449B (zh) | 2022-08-26 | 2022-08-26 | 一种文件清理方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211033890.7A CN115098449B (zh) | 2022-08-26 | 2022-08-26 | 一种文件清理方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115098449A true CN115098449A (zh) | 2022-09-23 |
CN115098449B CN115098449B (zh) | 2023-07-07 |
Family
ID=83301580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211033890.7A Active CN115098449B (zh) | 2022-08-26 | 2022-08-26 | 一种文件清理方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115098449B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116662222A (zh) * | 2022-11-22 | 2023-08-29 | 荣耀终端有限公司 | 缓存管理方法及相关设备 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130188866A1 (en) * | 2012-01-24 | 2013-07-25 | Telefonica, S.A. | Method to assess aesthetic quality of photographs |
CN104268220A (zh) * | 2014-09-25 | 2015-01-07 | 北京金山安全软件有限公司 | 音视频类应用垃圾文件的清理方法及装置 |
CN106294560A (zh) * | 2016-07-26 | 2017-01-04 | 乐视控股(北京)有限公司 | 一种清理音频文件的方法、装置及其智能终端 |
CN106453794A (zh) * | 2016-08-29 | 2017-02-22 | 珠海格力电器股份有限公司 | 一种通话记录处理方法及装置、通话录音方法及系统 |
CN107153838A (zh) * | 2017-04-19 | 2017-09-12 | 中国电子科技集团公司电子科学研究院 | 一种照片自动分级方法及装置 |
CN108304477A (zh) * | 2017-12-28 | 2018-07-20 | 维沃移动通信有限公司 | 一种文件处理方法及装置 |
CN108345619A (zh) * | 2017-01-24 | 2018-07-31 | 中兴通讯股份有限公司 | 一种数据删除方法、终端及服务器 |
CN110119479A (zh) * | 2019-05-16 | 2019-08-13 | 苏州大学 | 一种餐馆推荐方法、装置、设备及可读存储介质 |
CN110543451A (zh) * | 2019-07-30 | 2019-12-06 | 华为技术有限公司 | 一种高效清理设备文件的方法及装置 |
WO2020073317A1 (zh) * | 2018-10-12 | 2020-04-16 | 华为技术有限公司 | 文件管理方法及电子设备 |
CN111950655A (zh) * | 2020-08-25 | 2020-11-17 | 福州大学 | 一种基于多领域知识驱动的图像美学质量评价方法 |
CN113806311A (zh) * | 2021-09-17 | 2021-12-17 | 平安普惠企业管理有限公司 | 基于深度学习的文件分类方法、装置、电子设备及介质 |
CN114139014A (zh) * | 2021-10-18 | 2022-03-04 | 西北工业大学 | 一种环境声音数据库的创建方法及装置 |
-
2022
- 2022-08-26 CN CN202211033890.7A patent/CN115098449B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130188866A1 (en) * | 2012-01-24 | 2013-07-25 | Telefonica, S.A. | Method to assess aesthetic quality of photographs |
CN104268220A (zh) * | 2014-09-25 | 2015-01-07 | 北京金山安全软件有限公司 | 音视频类应用垃圾文件的清理方法及装置 |
CN106294560A (zh) * | 2016-07-26 | 2017-01-04 | 乐视控股(北京)有限公司 | 一种清理音频文件的方法、装置及其智能终端 |
CN106453794A (zh) * | 2016-08-29 | 2017-02-22 | 珠海格力电器股份有限公司 | 一种通话记录处理方法及装置、通话录音方法及系统 |
CN108345619A (zh) * | 2017-01-24 | 2018-07-31 | 中兴通讯股份有限公司 | 一种数据删除方法、终端及服务器 |
CN107153838A (zh) * | 2017-04-19 | 2017-09-12 | 中国电子科技集团公司电子科学研究院 | 一种照片自动分级方法及装置 |
CN108304477A (zh) * | 2017-12-28 | 2018-07-20 | 维沃移动通信有限公司 | 一种文件处理方法及装置 |
WO2020073317A1 (zh) * | 2018-10-12 | 2020-04-16 | 华为技术有限公司 | 文件管理方法及电子设备 |
CN110119479A (zh) * | 2019-05-16 | 2019-08-13 | 苏州大学 | 一种餐馆推荐方法、装置、设备及可读存储介质 |
CN110543451A (zh) * | 2019-07-30 | 2019-12-06 | 华为技术有限公司 | 一种高效清理设备文件的方法及装置 |
CN111950655A (zh) * | 2020-08-25 | 2020-11-17 | 福州大学 | 一种基于多领域知识驱动的图像美学质量评价方法 |
CN113806311A (zh) * | 2021-09-17 | 2021-12-17 | 平安普惠企业管理有限公司 | 基于深度学习的文件分类方法、装置、电子设备及介质 |
CN114139014A (zh) * | 2021-10-18 | 2022-03-04 | 西北工业大学 | 一种环境声音数据库的创建方法及装置 |
Non-Patent Citations (2)
Title |
---|
X. FU 等: "Image Aesthetics Assessment Using Composite Features from off-the-Shelf Deep Models", 《2018 25TH IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP)》 * |
温坤哲 等: "深度卷积神经网络在图像美学评价的应用综述", 《计算机工程与应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116662222A (zh) * | 2022-11-22 | 2023-08-29 | 荣耀终端有限公司 | 缓存管理方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115098449B (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102196486B1 (ko) | 콘텐츠 모음 네비게이션 및 오토포워딩 | |
CN108496150B (zh) | 一种屏幕截图和读取的方法及终端 | |
WO2021017932A1 (zh) | 一种图像显示方法与电子设备 | |
CN107925799B (zh) | 用于生成视频内容的方法和设备 | |
WO2021000841A1 (zh) | 一种生成用户头像的方法及电子设备 | |
CN112783379A (zh) | 一种选择图片的方法和电子设备 | |
CN111881315A (zh) | 图像信息输入方法、电子设备及计算机可读存储介质 | |
CN114741213B (zh) | 通知处理方法、芯片、电子设备及计算机可读存储介质 | |
WO2022078295A1 (zh) | 一种设备推荐方法及电子设备 | |
CN112130714A (zh) | 可进行学习的关键词搜索方法和电子设备 | |
CN115422480B (zh) | 事件发生地区域的确定方法、设备及存储介质 | |
CN116095413B (zh) | 视频处理方法及电子设备 | |
CN114116085A (zh) | 一种通知消息管理方法及电子设备 | |
CN115098449B (zh) | 一种文件清理方法及电子设备 | |
CN111176766A (zh) | 一种通信终端及组件显示方法 | |
WO2021042881A1 (zh) | 消息通知方法及电子设备 | |
CN114465975B (zh) | 一种内容推送方法、装置、存储介质和芯片系统 | |
CN116527805A (zh) | 卡片显示方法、电子设备及计算机可读存储介质 | |
CN115543496A (zh) | 消息处理方法及相关装置 | |
CN116089368B (zh) | 文件搜索方法和相关装置 | |
WO2023061298A1 (zh) | 一种图片备份系统、方法与设备 | |
CN116033344B (zh) | 地理围栏的确定方法、设备及存储介质 | |
CN113835582B (zh) | 一种终端设备、信息显示方法和存储介质 | |
WO2023165225A9 (zh) | 多任务场景下的悬浮球处理方法和电子设备 | |
WO2023185967A1 (zh) | 富媒体信息处理方法、系统及相关装置 |
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 |