CN116302294A - 一种界面化自动识别组件属性的方法及系统 - Google Patents
一种界面化自动识别组件属性的方法及系统 Download PDFInfo
- Publication number
- CN116302294A CN116302294A CN202310560535.3A CN202310560535A CN116302294A CN 116302294 A CN116302294 A CN 116302294A CN 202310560535 A CN202310560535 A CN 202310560535A CN 116302294 A CN116302294 A CN 116302294A
- Authority
- CN
- China
- Prior art keywords
- data
- component
- attribute
- event
- server
- 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 20
- 238000003062 neural network model Methods 0.000 claims abstract description 22
- 230000000007 visual effect Effects 0.000 claims description 13
- 238000009877 rendering Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 8
- 244000035744 Hura crepitans Species 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Human Computer Interaction (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种界面化自动识别组件属性的方法及系统,包括输入模块、服务器、前端,所述服务器包括组件识别神经网络模型模块和数据输出模块,服务器接收到待识别组件文件后通过组件识别神经网络模型去执行代码分析,通过技术栈/框架识别到属性/事件,并根据属性/事件进一步识别属性扩展化数据,进而得到属性/事件相应的数据;将识别到的属性/事件相应的数据按所定义的数据结构输出;服务器将所输出的数据返回到前端,前端在收到数据后结合数据结构将组件渲染并将组件属性以可视化方式呈现。本发明不仅减少开发人员去构造数据并对接的时间,而且能够提高所使用的组件属性的健壮性。
Description
技术领域
本发明涉及一种界面化自动识别组件属性的方法及系统,属于组件识别技术领域。
背景技术
现有的界面化自动识别为图片识别技术,如图1所示为,图片转为网页代码方法,通过添加图片,分析图片并以HTML标签代码输出,其所针对的是将图片如何转换成网页代码,可运用人工智能不断学习去分析图片如何转换成不同的标签内容,从而进一步输出为一个网页代码。
但对于技术栈组件来说,上述图片转网页代码方法确不适用。
发明内容
发明目的:为了能够提取出技术栈组件的数据化内容,本发明提供一种界面化自动识别组件属性的方法及系统。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种界面化自动识别组件属性的方法,包括以下步骤:
步骤1,将待识别组件文件上传。
步骤2,服务器接收到待识别组件文件后通过组件识别神经网络模型去执行代码分析,通过技术栈/框架识别到属性/事件,并根据属性/事件进一步识别属性扩展化数据,进而得到属性/事件相应的数据。
步骤3,将识别到的属性/事件相应的数据按所定义的数据结构输出。
步骤4,服务器将所输出的数据返回到前端,前端在收到数据后结合数据结构将组件渲染并将组件属性以可视化方式呈现。
优选的:组件识别神经网络模型用于训练分析不同组件代码数据样本,首先解析文件流,提取代码数据识别是否为有效的已编译组件文件,并识别出所属框架。基于所属框架进一步对代码数据分析,提炼出组件的属性和事件,结合属性和事件再对代码数据分析数据类型、语义、可选值以及限制边界,从而获取到属性及事件相应的数据内容。
优选的:前端首先接收到服务器返回的所输出的数据,将所输出的数据中的属性数据以树形表格的形式呈现,将所输出的数据中的事件以列表表格的形式呈现便于直观查看,并依托于所输出的数据将属性和事件转换为可视化配置面板供实时应用查看组件渲染效果。同时以沙箱的方式异步渲染组件并展示。
优选的:属性/事件相应的数据包括数据类型、语义、可选值、限制边界。
一种界面化自动识别组件属性的系统,采用上述界面化自动识别组件属性的方法,包括输入模块、服务器、前端,所述服务器包括组件识别神经网络模型模块和数据输出模块,其中:
所述输入模块用于将待识别组件文件上传。
所述组件识别神经网络模型模块用于对待识别组件文件进行代码分析,通过技术栈/框架识别到属性/事件,并根据属性/事件进一步识别属性扩展化数据,进而得到属性/事件相应的数据。
所述数据输出模块用于将识别到的属性/事件相应的数据按所定义的数据结构输出给前端。
所述前端用于在收到数据后结合数据结构将组件渲染并将组件属性以可视化方式呈现。
优选的:所述组件识别神经网络模型模块用于训练分析不同组件代码数据样本,首先解析文件流,提取代码数据识别是否为有效的已编译组件文件,并识别出所属框架。基于所属框架进一步对代码数据分析,提炼出组件的属性和事件,结合属性和事件再对代码数据分析数据类型、语义、可选值以及限制边界,从而获取到属性及事件相应的数据内容。
优选的:前端首先接收到服务器返回的所输出的数据,将所输出的数据中的属性数据以树形表格的形式呈现,将所输出的数据中的事件以列表表格的形式呈现便于直观查看,并依托于所输出的数据将属性和事件转换为可视化配置面板供实时应用查看组件渲染效果。同时以沙箱的方式异步渲染组件并展示。
本发明相比现有技术,具有以下有益效果:
1. 本发明通过机器学习跨技术栈组件,有效的减少开发人员对技术栈的学习成本和维护成本。
2. 通过自动识别组件属性,可以将开发人员所开发的组件分析出精准的数据,并将这些数据对接到其他相关系统,如组件化搭建平台等。从而减少开发人员去构造数据并对接的时间。
3. 在使用本发明所得到的属性数据,可以行之有效的了解到该组件的安全边界,从而在使用中可以预判一些可发生的问题,提高所使用的健壮性。
附图说明
图1为现有技术中图片转为网页代码方法。
图2为本发明的流程图。
图3为组件识别神经网络模型示意图。
图4为组件识别神经网络模型识别流程图。
图5为界面化展示流程图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
一种界面化自动识别组件属性的方法,如图2-5所示,包括以下步骤:
步骤1,将待识别组件文件上传。
提供一个界面化上传入口,可以上传任意组件文件(*.js),然后将组件文件上传至服务器。
步骤2,如图3、4所示,服务器接收到待识别组件文件后通过组件识别神经网络模型去执行代码分析,通过技术栈/框架识别到属性/事件,并根据属性/事件进一步识别属性扩展化数据,进而得到属性/事件相应的数据。属性/事件相应的数据包括数据类型、语义、可选值、限制边界。
组件识别神经网络模型用于训练分析不同组件代码数据样本,首先解析文件流,提取代码数据识别是否为有效的已编译组件文件,并识别出所属框架。基于所属框架进一步对代码数据分析,提炼出组件的属性和事件,结合属性和事件再对代码数据分析数据类型、语义、可选值以及限制边界,从而获取到属性及事件相应的数据内容。
首先识别框架,将代码文件解析,并结合框架(vue/react/angular)的各个特性和关键字去匹配所属框架。其次识别属性和事件,根据识别的框架不同,识别属性和事件的方式也有差异。以vue举例,反编译代码文件,将代码文件转化为vue组件实例结构,并将其属性和事件对象提取出。再逐个带入代码内部,通过查找使用位置的上下文,结合属性在上下文的使用方式判断数据类型和可选值以及限制边界。再根据上下文、注释、命名等分析其语义(属性或事件的意义描述)。
首先用pytorch组建一个神经网络模型(含有基础的数据集),基于此模型训练分析不同组件代码数据样本,从而达到对于新的组件代码数据分析上表现出色。模型训练完成后提供接口给服务器调用,服务器在获取到待分析的组件代码文件后,将代码文件通过该接口传输,告知其开始分析。
接收到组件代码文件后,首先解析文件流,提取代码数据识别是否为有效的已编译组件文件,并识别出所属框架(vue/react/angular)。基于所属框架进一步对代码数据分析,提炼出组件的属性和事件,结合属性和事件再对代码数据分析其出现场景、数据类型、可选值以及限制边界等等,从而获取到属性及事件相应的数据内容(名称、语义说明、类型、可选值、预设值等等)。
神经网络模型使用pytorch库,基于torch.nn定义模型,将模型分为三部分,输入层、隐藏层(分为三个块,每个块中分为三层)、输出层。基于此结构以及torch.nn模块的方法,结合整理的数据集样本开始对其进行训练。输入层接收的文件初步分析,并将数据依据识别框架于不同的块中进一步分析,分析所得数据于输出层进行整合处理输出。
步骤3,将识别到的属性/事件相应的数据按所定义的数据结构输出。
数据结构示例:
{
"name": "componentName",
"fileUrl": "/file/component/test@1.0.0.js",
"framework": {
"type": "Vue",
"version": "2.6.10"
},
"props": {
"title": {
"name": "title",
"dataType": "String",
"defaultValue": "标题",
"description": "标题名称",
"options": [],
"childrenProps": {}
},
"listData": {
"name": "listData",
"dataType": "Array",
"defaultValue": [],
"description": "组件内列表数据",
"options": [],
"childrenProps": {
"name": {
"name": "name",
"dataType": "String",
"defaultValue": "名称",
"description": "列表项名称",
"options": [],
"childrenProps": {}
},
...
}
},
...
},
"events": {
"rowClick": {
"description": "行点击事件",
"params": [
{
"dataType": "Number",
"description": "点击行位置"
}
]
}
}
}
步骤4,如图5所示,服务器将所输出的数据返回到前端,前端在收到数据后结合数据结构将组件渲染并将组件属性以可视化方式呈现。
前端首先接收到服务器返回的所输出的数据,将所输出的数据中的属性数据以树形表格的形式呈现,将所输出的数据中的事件以列表表格的形式呈现便于直观查看,并依托于所输出的数据将属性和事件转换为可视化配置面板供实时应用查看组件渲染效果。同时以沙箱的方式异步渲染组件并展示。
一种界面化自动识别组件属性的系统,采用上述界面化自动识别组件属性的方法,包括输入模块、服务器、前端,所述服务器包括组件识别神经网络模型模块和数据输出模块,其中:
所述输入模块用于将待识别组件文件上传。
所述组件识别神经网络模型模块用于对待识别组件文件进行代码分析,通过技术栈/框架识别到属性/事件,并根据属性/事件进一步识别属性扩展化数据,进而得到属性/事件相应的数据。
所述组件识别神经网络模型模块用于训练分析不同组件代码数据样本,首先解析文件流,提取代码数据识别是否为有效的已编译组件文件,并识别出所属框架。基于所属框架进一步对代码数据分析,提炼出组件的属性和事件,结合属性和事件再对代码数据分析数据类型、语义、可选值以及限制边界,从而获取到属性及事件相应的数据内容。所述数据输出模块用于将识别到的属性/事件相应的数据按所定义的数据结构输出给前端。
所述前端用于在收到数据后结合数据结构将组件渲染并将组件属性以可视化方式呈现。
前端首先接收到服务器返回的所输出的数据,将所输出的数据中的属性数据以树形表格的形式呈现,将所输出的数据中的事件以列表表格的形式呈现便于直观查看,并依托于所输出的数据将属性和事件转换为可视化配置面板供实时应用查看组件渲染效果。同时以沙箱的方式异步渲染组件并展示。
本发明与图片转网页代码方法不同之处有:
1.业务方向不同,图片转网页代码方法是通过人工智能将图片转换成普通的HTML代码,而本发明是通过人工智能将技术栈组件深入挖掘并分析出其属性以及属性的使用方式。
2.技术实现不同,图片转网页代码方法是学习分析图片,依赖于所定义的模型去输出HTML代码,而本发明是学习分析技术栈组件,通过所定义的基础模型并不断的学习从而更有效的分析组件内部实现,提炼出数据化内容。
本发明通过自动识别组件属性有效的打通了组件开发同组件使用人员的信息屏障。本发明通过人工智能方式可以不断的自我学习,适配不同技术栈、不同版本的组件,减少迭代维护成本。本发明实现了跨技术栈的组件识别技术。本发明通过界面化、可视化的方式直观的呈现组件及其属性等数据,提高了易用性。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种界面化自动识别组件属性的方法,其特征在于,包括以下步骤:
步骤1,将待识别组件文件上传;
步骤2,服务器接收到待识别组件文件后通过组件识别神经网络模型去执行代码分析,通过技术栈/框架识别到属性/事件,并根据属性/事件进一步识别属性扩展化数据,进而得到属性/事件相应的数据;
步骤3,将识别到的属性/事件相应的数据按所定义的数据结构输出;
步骤4,服务器将所输出的数据返回到前端,前端在收到数据后结合数据结构将组件渲染并将组件属性以可视化方式呈现。
2.根据权利要求1所述界面化自动识别组件属性的方法,其特征在于:组件识别神经网络模型用于训练分析不同组件代码数据样本,首先解析文件流,提取代码数据识别是否为有效的已编译组件文件,并识别出所属框架;基于所属框架进一步对代码数据分析,提炼出组件的属性和事件,结合属性和事件再对代码数据分析数据类型、语义、可选值以及限制边界,从而获取到属性及事件相应的数据内容。
3.根据权利要求2所述界面化自动识别组件属性的方法,其特征在于:前端首先接收到服务器返回的所输出的数据,将所输出的数据中的属性数据以树形表格的形式呈现,将所输出的数据中的事件以列表表格的形式呈现便于直观查看,并依托于所输出的数据将属性和事件转换为可视化配置面板供实时应用查看组件渲染效果;同时以沙箱的方式异步渲染组件并展示。
4.根据权利要求3所述界面化自动识别组件属性的方法,其特征在于:属性/事件相应的数据包括数据类型、语义、可选值、限制边界。
5.一种界面化自动识别组件属性的系统,其特征在于,采用权利要求1所述界面化自动识别组件属性的方法,包括输入模块、服务器、前端,所述服务器包括组件识别神经网络模型模块和数据输出模块,其中:
所述输入模块用于将待识别组件文件上传;
所述组件识别神经网络模型模块用于对待识别组件文件进行代码分析,通过技术栈/框架识别到属性/事件,并根据属性/事件进一步识别属性扩展化数据,进而得到属性/事件相应的数据;
所述数据输出模块用于将识别到的属性/事件相应的数据按所定义的数据结构输出给前端;
所述前端用于在收到数据后结合数据结构将组件渲染并将组件属性以可视化方式呈现。
6.根据权利要求5所述界面化自动识别组件属性的系统,其特征在于:所述组件识别神经网络模型模块用于训练分析不同组件代码数据样本,首先解析文件流,提取代码数据识别是否为有效的已编译组件文件,并识别出所属框架;基于所属框架进一步对代码数据分析,提炼出组件的属性和事件,结合属性和事件再对代码数据分析数据类型、语义、可选值以及限制边界,从而获取到属性及事件相应的数据内容。
7.根据权利要求5所述界面化自动识别组件属性的系统,其特征在于:前端首先接收到服务器返回的所输出的数据,将所输出的数据中的属性数据以树形表格的形式呈现,将所输出的数据中的事件以列表表格的形式呈现便于直观查看,并依托于所输出的数据将属性和事件转换为可视化配置面板供实时应用查看组件渲染效果;同时以沙箱的方式异步渲染组件并展示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310560535.3A CN116302294B (zh) | 2023-05-18 | 2023-05-18 | 一种界面化自动识别组件属性的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310560535.3A CN116302294B (zh) | 2023-05-18 | 2023-05-18 | 一种界面化自动识别组件属性的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116302294A true CN116302294A (zh) | 2023-06-23 |
CN116302294B CN116302294B (zh) | 2023-09-01 |
Family
ID=86798166
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310560535.3A Active CN116302294B (zh) | 2023-05-18 | 2023-05-18 | 一种界面化自动识别组件属性的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116302294B (zh) |
Citations (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104199647A (zh) * | 2014-08-18 | 2014-12-10 | 中国建设银行股份有限公司 | 一种基于ibm主机的可视化系统及实现方法 |
US20150304157A1 (en) * | 2014-04-16 | 2015-10-22 | Belkin International, Inc. | Modular interface framework for network devices |
US20160103593A1 (en) * | 2014-10-11 | 2016-04-14 | Rogers-O'Brien Construction Company | Map-like interface for an electronic design representation |
CN105787366A (zh) * | 2016-02-16 | 2016-07-20 | 上海交通大学 | 基于组件关系的安卓软件可视化安全分析方法 |
CN107394894A (zh) * | 2017-08-06 | 2017-11-24 | 俞秋芳 | 一种基于自动化设备虚连接的故障定位和可视化展示装置 |
CN107766532A (zh) * | 2017-10-27 | 2018-03-06 | 深圳市行云易通科技有限公司 | 一种前端Node.js自动化正静态方法 |
CN107844781A (zh) * | 2017-11-28 | 2018-03-27 | 腾讯科技(深圳)有限公司 | 人脸属性识别方法及装置、电子设备及存储介质 |
US20180119972A1 (en) * | 2016-10-27 | 2018-05-03 | Johnson Controls Technology Company | Hvac device controller with network integration capabilities |
CN108229268A (zh) * | 2016-12-31 | 2018-06-29 | 商汤集团有限公司 | 表情识别及卷积神经网络模型训练方法、装置和电子设备 |
CN108334387A (zh) * | 2017-01-20 | 2018-07-27 | 阿里巴巴集团控股有限公司 | 动态界面渲染方法及装置 |
CN108614898A (zh) * | 2018-05-10 | 2018-10-02 | 爱因互动科技发展(北京)有限公司 | 文档解析方法与装置 |
CN109359538A (zh) * | 2018-09-14 | 2019-02-19 | 广州杰赛科技股份有限公司 | 卷积神经网络的训练方法、手势识别方法、装置及设备 |
CN109472894A (zh) * | 2018-10-24 | 2019-03-15 | 常熟理工学院 | 基于卷积神经网络的分布式人脸识别门锁系统 |
US20190089616A1 (en) * | 2017-09-15 | 2019-03-21 | Hewlett Packard Enterprise Development Lp | Path-synchronous performance monitoring of interconnection networks based on source code attribution |
CN109598298A (zh) * | 2018-11-29 | 2019-04-09 | 上海皓桦科技股份有限公司 | 图像物体识别方法和系统 |
CN109710914A (zh) * | 2017-10-26 | 2019-05-03 | 饶竹一 | 基于业务模型的语义训练系统及其方法 |
CN110083426A (zh) * | 2019-04-28 | 2019-08-02 | 无线生活(杭州)信息科技有限公司 | 一种应用界面渲染方法及装置 |
CN110147709A (zh) * | 2018-11-02 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 车辆属性模型的训练方法、装置、终端及存储介质 |
CN110164455A (zh) * | 2018-02-14 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 用户身份识别的装置、方法和存储介质 |
CN110275867A (zh) * | 2019-05-24 | 2019-09-24 | 北京指掌易科技有限公司 | 一种提取解析安卓手机文件的方法 |
CN110515606A (zh) * | 2019-08-30 | 2019-11-29 | 南京焦点领动云计算技术有限公司 | 一种基于区块的组件开发方法 |
CN110716767A (zh) * | 2018-07-13 | 2020-01-21 | 阿里巴巴集团控股有限公司 | 模型组件调用、生成方法、装置和存储介质 |
CN110799995A (zh) * | 2017-06-29 | 2020-02-14 | 首选网络株式会社 | 数据识别器训练方法、数据识别器训练装置、程序及训练方法 |
CN110895935A (zh) * | 2018-09-13 | 2020-03-20 | 阿里巴巴集团控股有限公司 | 语音识别方法、系统、设备和介质 |
CN111027490A (zh) * | 2019-12-12 | 2020-04-17 | 腾讯科技(深圳)有限公司 | 人脸属性识别方法及装置、存储介质 |
CN111161390A (zh) * | 2019-12-31 | 2020-05-15 | 北京恒华伟业科技股份有限公司 | 一种基于BIM模型和WebGL的渲染方法及装置 |
CN111401491A (zh) * | 2020-03-06 | 2020-07-10 | Oppo(重庆)智能科技有限公司 | 组件管控方法、装置、存储介质及终端 |
US20200250174A1 (en) * | 2019-01-31 | 2020-08-06 | Salesforce.Com, Inc. | Systems, methods, and apparatuses for implementing efficient storage and validation of data and metadata within a blockchain using distributed ledger technology (dlt) |
CN111563430A (zh) * | 2020-04-24 | 2020-08-21 | 浙江省公益林和国有林场管理总站 | 一种基于卷积神经的公益林地类图像智能识别方法及系统 |
CN111613215A (zh) * | 2019-02-22 | 2020-09-01 | 浙江大学 | 一种语音识别的方法及其装置 |
CN111652208A (zh) * | 2020-04-17 | 2020-09-11 | 北京三快在线科技有限公司 | 用户界面组件的识别方法、装置、电子设备及存储介质 |
CN112014404A (zh) * | 2020-08-27 | 2020-12-01 | Oppo(重庆)智能科技有限公司 | 组件检测方法、装置、系统、电子设备及存储介质 |
CN112051997A (zh) * | 2020-08-20 | 2020-12-08 | 湖南新航动力信息科技有限公司 | 组件化和参数化的模型架构的建立方法、设备及存储介质 |
US20200413283A1 (en) * | 2019-06-27 | 2020-12-31 | Cisco Technology, Inc. | Congestion Avoidance with Adaptive QoS policy enforcement from SD-WAN Controller in SD-WAN Networks |
CN112286614A (zh) * | 2020-10-30 | 2021-01-29 | 维沃移动通信有限公司 | 用户界面的显示方法和装置、电子设备及存储介质 |
CN112396083A (zh) * | 2019-08-19 | 2021-02-23 | 阿里巴巴集团控股有限公司 | 图像识别、模型训练与构建、检测方法、系统及设备 |
US20210103931A1 (en) * | 2019-10-04 | 2021-04-08 | The Toronto-Dominion Bank | Authorization control network and method of validating an authorization request |
CN112668374A (zh) * | 2019-10-16 | 2021-04-16 | 北京灵汐科技有限公司 | 图像处理方法、装置、重识别网络的训练方法及电子设备 |
CN113031938A (zh) * | 2021-04-25 | 2021-06-25 | 中国电子系统技术有限公司 | 一种可视化界面图像转化为编程语言数据的方法及装置 |
CN113553055A (zh) * | 2021-07-07 | 2021-10-26 | 北京计算机技术及应用研究所 | 一种基于机器学习的可视化图表代码自动生成方法 |
CN113704665A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 动态服务发布方法、装置、电子设备及存储介质 |
CN113779231A (zh) * | 2020-06-09 | 2021-12-10 | 中科云谷科技有限公司 | 基于知识图谱的大数据可视化分析方法、装置及设备 |
CN113934486A (zh) * | 2021-09-14 | 2022-01-14 | 南方电网深圳数字电网研究院有限公司 | 用户界面组件可实时编辑及渲染的方法及装置 |
CN113965501A (zh) * | 2021-09-30 | 2022-01-21 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 通信导航识别系统模块测试平台 |
CN114020256A (zh) * | 2021-10-29 | 2022-02-08 | 平安国际智慧城市科技股份有限公司 | 前端页面生成方法、装置、设备及可读存储介质 |
CN114169303A (zh) * | 2021-12-14 | 2022-03-11 | 平安养老保险股份有限公司 | 基于vue.js的表格编辑方法、装置、设备及介质 |
CN114296834A (zh) * | 2021-12-31 | 2022-04-08 | 树根互联股份有限公司 | 组件处理方法、装置及服务器 |
CN114359471A (zh) * | 2020-09-29 | 2022-04-15 | 阿里巴巴集团控股有限公司 | 脸部图像的处理方法、装置和系统 |
CN114546220A (zh) * | 2022-03-15 | 2022-05-27 | 平安国际智慧城市科技股份有限公司 | 页面配置方法及装置、存储介质、计算机设备 |
CN115145568A (zh) * | 2022-07-01 | 2022-10-04 | 腾讯科技(深圳)有限公司 | 基于图像识别的代码生成方法以及相关设备 |
CN115309705A (zh) * | 2022-06-28 | 2022-11-08 | 黑龙江省寒地建筑科学研究院 | 一种自动识别城市信息模型平台基础数据元素的数据集成分类系统及其分类方法 |
CN115344318A (zh) * | 2021-05-14 | 2022-11-15 | 远光软件股份有限公司 | 一种单据数据处理服务的可视化配置方法及系统 |
-
2023
- 2023-05-18 CN CN202310560535.3A patent/CN116302294B/zh active Active
Patent Citations (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150304157A1 (en) * | 2014-04-16 | 2015-10-22 | Belkin International, Inc. | Modular interface framework for network devices |
CN104199647A (zh) * | 2014-08-18 | 2014-12-10 | 中国建设银行股份有限公司 | 一种基于ibm主机的可视化系统及实现方法 |
US20160103593A1 (en) * | 2014-10-11 | 2016-04-14 | Rogers-O'Brien Construction Company | Map-like interface for an electronic design representation |
CN105787366A (zh) * | 2016-02-16 | 2016-07-20 | 上海交通大学 | 基于组件关系的安卓软件可视化安全分析方法 |
US20180119972A1 (en) * | 2016-10-27 | 2018-05-03 | Johnson Controls Technology Company | Hvac device controller with network integration capabilities |
CN108229268A (zh) * | 2016-12-31 | 2018-06-29 | 商汤集团有限公司 | 表情识别及卷积神经网络模型训练方法、装置和电子设备 |
CN108334387A (zh) * | 2017-01-20 | 2018-07-27 | 阿里巴巴集团控股有限公司 | 动态界面渲染方法及装置 |
CN110799995A (zh) * | 2017-06-29 | 2020-02-14 | 首选网络株式会社 | 数据识别器训练方法、数据识别器训练装置、程序及训练方法 |
CN107394894A (zh) * | 2017-08-06 | 2017-11-24 | 俞秋芳 | 一种基于自动化设备虚连接的故障定位和可视化展示装置 |
US20190089616A1 (en) * | 2017-09-15 | 2019-03-21 | Hewlett Packard Enterprise Development Lp | Path-synchronous performance monitoring of interconnection networks based on source code attribution |
CN109710914A (zh) * | 2017-10-26 | 2019-05-03 | 饶竹一 | 基于业务模型的语义训练系统及其方法 |
CN107766532A (zh) * | 2017-10-27 | 2018-03-06 | 深圳市行云易通科技有限公司 | 一种前端Node.js自动化正静态方法 |
CN107844781A (zh) * | 2017-11-28 | 2018-03-27 | 腾讯科技(深圳)有限公司 | 人脸属性识别方法及装置、电子设备及存储介质 |
CN110164455A (zh) * | 2018-02-14 | 2019-08-23 | 阿里巴巴集团控股有限公司 | 用户身份识别的装置、方法和存储介质 |
CN108614898A (zh) * | 2018-05-10 | 2018-10-02 | 爱因互动科技发展(北京)有限公司 | 文档解析方法与装置 |
CN110716767A (zh) * | 2018-07-13 | 2020-01-21 | 阿里巴巴集团控股有限公司 | 模型组件调用、生成方法、装置和存储介质 |
CN110895935A (zh) * | 2018-09-13 | 2020-03-20 | 阿里巴巴集团控股有限公司 | 语音识别方法、系统、设备和介质 |
CN109359538A (zh) * | 2018-09-14 | 2019-02-19 | 广州杰赛科技股份有限公司 | 卷积神经网络的训练方法、手势识别方法、装置及设备 |
CN109472894A (zh) * | 2018-10-24 | 2019-03-15 | 常熟理工学院 | 基于卷积神经网络的分布式人脸识别门锁系统 |
CN110147709A (zh) * | 2018-11-02 | 2019-08-20 | 腾讯科技(深圳)有限公司 | 车辆属性模型的训练方法、装置、终端及存储介质 |
CN109598298A (zh) * | 2018-11-29 | 2019-04-09 | 上海皓桦科技股份有限公司 | 图像物体识别方法和系统 |
US20200250174A1 (en) * | 2019-01-31 | 2020-08-06 | Salesforce.Com, Inc. | Systems, methods, and apparatuses for implementing efficient storage and validation of data and metadata within a blockchain using distributed ledger technology (dlt) |
CN111613215A (zh) * | 2019-02-22 | 2020-09-01 | 浙江大学 | 一种语音识别的方法及其装置 |
CN110083426A (zh) * | 2019-04-28 | 2019-08-02 | 无线生活(杭州)信息科技有限公司 | 一种应用界面渲染方法及装置 |
CN110275867A (zh) * | 2019-05-24 | 2019-09-24 | 北京指掌易科技有限公司 | 一种提取解析安卓手机文件的方法 |
US20200413283A1 (en) * | 2019-06-27 | 2020-12-31 | Cisco Technology, Inc. | Congestion Avoidance with Adaptive QoS policy enforcement from SD-WAN Controller in SD-WAN Networks |
CN112396083A (zh) * | 2019-08-19 | 2021-02-23 | 阿里巴巴集团控股有限公司 | 图像识别、模型训练与构建、检测方法、系统及设备 |
CN110515606A (zh) * | 2019-08-30 | 2019-11-29 | 南京焦点领动云计算技术有限公司 | 一种基于区块的组件开发方法 |
US20210103931A1 (en) * | 2019-10-04 | 2021-04-08 | The Toronto-Dominion Bank | Authorization control network and method of validating an authorization request |
CN112668374A (zh) * | 2019-10-16 | 2021-04-16 | 北京灵汐科技有限公司 | 图像处理方法、装置、重识别网络的训练方法及电子设备 |
CN111027490A (zh) * | 2019-12-12 | 2020-04-17 | 腾讯科技(深圳)有限公司 | 人脸属性识别方法及装置、存储介质 |
CN111161390A (zh) * | 2019-12-31 | 2020-05-15 | 北京恒华伟业科技股份有限公司 | 一种基于BIM模型和WebGL的渲染方法及装置 |
CN111401491A (zh) * | 2020-03-06 | 2020-07-10 | Oppo(重庆)智能科技有限公司 | 组件管控方法、装置、存储介质及终端 |
CN111652208A (zh) * | 2020-04-17 | 2020-09-11 | 北京三快在线科技有限公司 | 用户界面组件的识别方法、装置、电子设备及存储介质 |
CN111563430A (zh) * | 2020-04-24 | 2020-08-21 | 浙江省公益林和国有林场管理总站 | 一种基于卷积神经的公益林地类图像智能识别方法及系统 |
CN113779231A (zh) * | 2020-06-09 | 2021-12-10 | 中科云谷科技有限公司 | 基于知识图谱的大数据可视化分析方法、装置及设备 |
CN112051997A (zh) * | 2020-08-20 | 2020-12-08 | 湖南新航动力信息科技有限公司 | 组件化和参数化的模型架构的建立方法、设备及存储介质 |
CN112014404A (zh) * | 2020-08-27 | 2020-12-01 | Oppo(重庆)智能科技有限公司 | 组件检测方法、装置、系统、电子设备及存储介质 |
CN114359471A (zh) * | 2020-09-29 | 2022-04-15 | 阿里巴巴集团控股有限公司 | 脸部图像的处理方法、装置和系统 |
CN112286614A (zh) * | 2020-10-30 | 2021-01-29 | 维沃移动通信有限公司 | 用户界面的显示方法和装置、电子设备及存储介质 |
CN113031938A (zh) * | 2021-04-25 | 2021-06-25 | 中国电子系统技术有限公司 | 一种可视化界面图像转化为编程语言数据的方法及装置 |
CN115344318A (zh) * | 2021-05-14 | 2022-11-15 | 远光软件股份有限公司 | 一种单据数据处理服务的可视化配置方法及系统 |
CN113553055A (zh) * | 2021-07-07 | 2021-10-26 | 北京计算机技术及应用研究所 | 一种基于机器学习的可视化图表代码自动生成方法 |
CN113704665A (zh) * | 2021-08-30 | 2021-11-26 | 康键信息技术(深圳)有限公司 | 动态服务发布方法、装置、电子设备及存储介质 |
CN113934486A (zh) * | 2021-09-14 | 2022-01-14 | 南方电网深圳数字电网研究院有限公司 | 用户界面组件可实时编辑及渲染的方法及装置 |
CN113965501A (zh) * | 2021-09-30 | 2022-01-21 | 西南电子技术研究所(中国电子科技集团公司第十研究所) | 通信导航识别系统模块测试平台 |
CN114020256A (zh) * | 2021-10-29 | 2022-02-08 | 平安国际智慧城市科技股份有限公司 | 前端页面生成方法、装置、设备及可读存储介质 |
CN114169303A (zh) * | 2021-12-14 | 2022-03-11 | 平安养老保险股份有限公司 | 基于vue.js的表格编辑方法、装置、设备及介质 |
CN114296834A (zh) * | 2021-12-31 | 2022-04-08 | 树根互联股份有限公司 | 组件处理方法、装置及服务器 |
CN114546220A (zh) * | 2022-03-15 | 2022-05-27 | 平安国际智慧城市科技股份有限公司 | 页面配置方法及装置、存储介质、计算机设备 |
CN115309705A (zh) * | 2022-06-28 | 2022-11-08 | 黑龙江省寒地建筑科学研究院 | 一种自动识别城市信息模型平台基础数据元素的数据集成分类系统及其分类方法 |
CN115145568A (zh) * | 2022-07-01 | 2022-10-04 | 腾讯科技(深圳)有限公司 | 基于图像识别的代码生成方法以及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116302294B (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110020437B (zh) | 一种视频和弹幕相结合的情感分析及可视化方法 | |
CN112101357B (zh) | 一种rpa机器人智能元素定位拾取方法及系统 | |
CN110245259B (zh) | 基于知识图谱的视频打标签方法及装置、计算机可读介质 | |
US20060218192A1 (en) | Method and System for Providing Information Services Related to Multimodal Inputs | |
CN106383875A (zh) | 基于人工智能的人机交互方法和装置 | |
CN112100438A (zh) | 一种标签抽取方法、设备及计算机可读存储介质 | |
CN115994230A (zh) | 一种融合人工智能和知识图谱技术的智慧档案构建方法 | |
CN102855317A (zh) | 一种基于演示视频的多模式索引方法及系统 | |
CN116977457A (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
CN116628328A (zh) | 一种基于功能语义和结构交互的Web API推荐方法及装置 | |
CN113301382B (zh) | 视频处理方法、设备、介质及程序产品 | |
CN116302294B (zh) | 一种界面化自动识别组件属性的方法及系统 | |
CN116910104B (zh) | 基于大语言模型的建筑业施工安全智能日志记录方法 | |
CN113642536A (zh) | 数据处理方法、计算机设备以及可读存储介质 | |
CN111199172A (zh) | 基于终端录屏的处理方法及装置、存储介质 | |
CN110866172B (zh) | 一种面向区块链系统的数据分析方法 | |
CN115690615B (zh) | 一种面向视频流的深度学习目标识别方法及系统 | |
CN115481254A (zh) | 一种对影视剧剧本进行视效内容分析的方法、系统、可读存储介质和设备 | |
CN113610025A (zh) | 一种多模型综合的遥感影像场景描述方法 | |
CN114219514A (zh) | 违法广告识别方法、装置和电子设备 | |
CN113011919B (zh) | 识别兴趣对象的方法及装置、推荐方法、介质、电子设备 | |
CN114095754B (zh) | 视频处理方法、装置及电子设备 | |
CN117373043A (zh) | 图片信息抽取方法和装置、电子设备、存储介质 | |
CN118097694A (zh) | 图像标注数据生成、模型训练方法、装置、设备及介质 | |
CN111241845A (zh) | 一种基于语义匹配方法的财务科目自动识别方法及装置 |
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 |