CN116562991A - 面向元宇宙电商平台的商品大数据信息识别方法及系统 - Google Patents
面向元宇宙电商平台的商品大数据信息识别方法及系统 Download PDFInfo
- Publication number
- CN116562991A CN116562991A CN202310833262.5A CN202310833262A CN116562991A CN 116562991 A CN116562991 A CN 116562991A CN 202310833262 A CN202310833262 A CN 202310833262A CN 116562991 A CN116562991 A CN 116562991A
- Authority
- CN
- China
- Prior art keywords
- image
- commodity
- reconstructed
- noise ratio
- peak signal
- 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 99
- 238000001514 detection method Methods 0.000 claims abstract description 48
- 238000005516 engineering process Methods 0.000 claims abstract description 32
- 230000011218 segmentation Effects 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000007689 inspection Methods 0.000 claims abstract description 14
- 238000005457 optimization Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
- G06Q30/0643—Graphical representation of items or shoppers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
- G06T3/4076—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution using the original low-resolution images to iteratively correct the high-resolution images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/15—Cutting or merging image elements, e.g. region growing, watershed or clustering-based techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/16—Image preprocessing
- G06V30/164—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/16—Image preprocessing
- G06V30/166—Normalisation of pattern dimensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/19—Recognition using electronic means
- G06V30/191—Design or setup of recognition systems or techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
- G06V30/19173—Classification techniques
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Character Input (AREA)
Abstract
本发明公开了一种面向元宇宙电商平台的商品大数据信息识别方法及系统,涉及数据处理技术领域。该方法包括:对元宇宙电商平台中的商品展示场景进行截屏,并利用基于图像增强的实例分割技术对截屏图像进行处理,得到商品区域图像;利用超分辨率重建技术对任意一个商品区域图像进行超分辨率重建,得到重建商品区域图像;对重建商品区域图像进行多尺度峰值信噪比检测,以得到并根据峰值信噪比检测结果采用不同的去噪方法对对应的重建商品区域图像进行优化,以得到去噪图像;利用多OCR模型互验方法对去噪图像进行文字识别,以得到并将对应的文字识别信息作为对应商品的核心信息推送给用户。本发明结合多种技术,实现精准高效的商品图像信息识别。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种面向元宇宙电商平台的商品大数据信息识别方法及系统。
背景技术
随着时代的发展,越来越多的元宇宙电商平台进入到民众的视野中,元宇宙电商平台不仅能够多维度地对商品进行展示,而且能够为用户的高质量智能消费提供深度支持。
然而,用户在元宇宙电商平台的消费过程中,往往不能够精准地识别出商品核心信息,从而无法更加深入地对商品进行了解。尽管传统的文字识别方法能够识别出商品的部分信息,但识别结果往往不能保证较高的精度,无法全面、精准地将商品核心信息获取出来,因而仍然不能为用户提供全面、准确的消费参考信息、因此,提出一种面向元宇宙电商平台的商品大数据核心信息智能识别方法有重要的价值和意义。
发明内容
为了克服上述问题或者至少部分地解决上述问题,本发明提供一种面向元宇宙电商平台的商品大数据信息识别方法及系统,结合基于图像增强的实例分割技术、超分辨率重建技术、多尺度峰值信噪比检测方法、多OCR模型互验方法,实现精准高效的商品图像信息识别。
为了解决上述技术问题,本发明采用的技术方案为:
第一方面,本发明提供一种面向元宇宙电商平台的商品大数据信息识别方法,包括以下步骤:
对元宇宙电商平台中的商品展示场景进行截屏,以得到截屏图像,并利用基于图像增强的实例分割技术对截屏图像进行处理,以得到商品区域图像;
利用超分辨率重建技术对任意一个商品区域图像进行超分辨率重建,以得到重建商品区域图像;
对重建商品区域图像进行多尺度峰值信噪比检测,以得到并根据峰值信噪比检测结果采用不同的去噪方法对对应的重建商品区域图像进行优化,以得到去噪图像;
利用多OCR模型互验方法对去噪图像进行文字识别,以得到并将对应的文字识别信息作为对应商品的核心信息推送给用户。
本方法利用基于图像增强的实例分割技术对商品区域图像进行获取,更加精准地获取到了商品图像区域图像;同时,本方法利用超分辨率重建技术对商品区域图像进行重建,得到了更高质量的商品区域图像;基于此,本方法利用多尺度峰值信噪比检测方法对商品区域图像进行检测,实现了商品区域图像质量的精准评估,对于非高质量图像,根据检测结果有针对性地对商品区域图像进行优化,在保证优化质量的前提下显著地降低了计算资源消耗;在此基础上,本方法利用多OCR模型互验方法对商品区域图像进行识别,更加精准地获取了商品的核心信息。
基于第一方面,上述利用基于图像增强的实例分割技术对截屏图像进行处理,以得到商品区域图像的方法包括以下步骤:
利用图像增强技术对截屏图像进行增强处理,以得到增强图像;
利用实例分割技术对增强图像进行处理,以得到多个分割区域,将每个分割区域认定为一个商品区域图像。
基于第一方面,上述对重建商品区域图像进行多尺度峰值信噪比检测的方法包括以下步骤:
对重建商品区域图像进行多尺度划分,以得到多个尺度下的商品区域图像;
分别对多个尺度下的商品区域图像进行峰值信噪比检测,以得到并根据多个尺度下的检测结果确定最终的峰值信噪比检测结果。
基于第一方面,上述根据峰值信噪比检测结果采用不同的去噪方法对对应的重建商品区域图像进行优化的方法包括以下步骤:
若峰值信噪比检测结果大于预置的第一阈值,则直接将该重建商品区域图像认定为高质量图像;
若峰值信噪比检测结果小于第一阈值且大于预置的第二阈值,则利用普通去噪方法对对应的重建商品区域图像进行优化;其中,第一阈值大于第二阈值;
若峰值信噪比检测结果小于第二阈值,则利用基于深度学习的去噪方法对对应的重建商品区域图像进行优化。
第二方面,本发明提供一种面向元宇宙电商平台的商品大数据信息识别系统,包括图像截取模块、图像重建模块、图像优化模块以及信息识别模块,其中:
图像截取模块,用于对元宇宙电商平台中的商品展示场景进行截屏,以得到截屏图像,并利用基于图像增强的实例分割技术对截屏图像进行处理,以得到商品区域图像;
图像重建模块,用于利用超分辨率重建技术对任意一个商品区域图像进行超分辨率重建,以得到重建商品区域图像;
图像优化模块,用于对重建商品区域图像进行多尺度峰值信噪比检测,以得到并根据峰值信噪比检测结果采用不同的去噪方法对对应的重建商品区域图像进行优化,以得到去噪图像;
信息识别模块,用于利用多OCR模型互验方法对去噪图像进行文字识别,以得到并将对应的文字识别信息作为对应商品的核心信息推送给用户。
本系统通过图像截取模块、图像重建模块、图像优化模块以及信息识别模块等多个模块的结合,实现精准高效的商品图像信息识别。本系统利用基于图像增强的实例分割技术对商品区域图像进行获取,更加精准地获取到了商品图像区域图像;同时,本系统利用超分辨率重建技术对商品区域图像进行重建,得到了更高质量的商品区域图像;基于此,本系统利用多尺度峰值信噪比检测方法对商品区域图像进行检测,实现了商品区域图像质量的精准评估,对于非高质量图像,根据检测结果有针对性地对商品区域图像进行优化,在保证优化质量的前提下显著地降低了计算资源消耗;在此基础上,本系统利用多OCR模型互验方法对商品区域图像进行识别,更加精准地获取了商品的核心信息。
第三方面,本申请提供一种电子设备,其包括存储器,用于存储一个或多个程序;处理器。当一个或多个程序被处理器执行时,实现如上述第一方面中任一项的方法。
第四方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面中任一项的方法。
本发明至少具有如下优点或有益效果:
本发明提供一种面向元宇宙电商平台的商品大数据信息识别方法及系统,利用基于图像增强的实例分割技术对商品区域图像进行获取,更加精准地获取到了商品图像区域图像;同时,本发明利用超分辨率重建技术对商品区域图像进行重建,得到了更高质量的商品区域图像;基于此,本发明利用多尺度峰值信噪比检测方法对商品区域图像进行检测,实现了商品区域图像质量的精准评估,对于非高质量图像,根据检测结果有针对性地对商品区域图像进行优化,在保证优化质量的前提下显著地降低了计算资源消耗;在此基础上,本发明利用多OCR模型互验方法对商品区域图像进行识别,更加精准地获取了商品的核心信息。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例一种面向元宇宙电商平台的商品大数据信息识别方法的流程图;
图2为本发明实施例一种面向元宇宙电商平台的商品大数据信息识别方法中对图像进行分割处理的流程图;
图3为本发明实施例一种面向元宇宙电商平台的商品大数据信息识别方法中进行多尺度峰值信噪比检测的流程图;
图4为本发明实施例一种面向元宇宙电商平台的商品大数据信息识别系统的原理框图;
图5为本发明实施例提供的一种电子设备的结构框图。
附图标记说明:100、图像截取模块;200、图像重建模块;300、图像优化模块;400、信息识别模块;101、存储器;102、处理器;103、通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”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。
在本发明实施例的描述中,“多个”代表至少2个。
实施例
如图1-图3所示,第一方面,本发明提供一种面向元宇宙电商平台的商品大数据信息识别方法,包括以下步骤:
S1、对元宇宙电商平台中的商品展示场景进行截屏,以得到截屏图像,并利用基于图像增强的实例分割技术对截屏图像进行处理,以得到商品区域图像;
进一步地,如图2所示,包括:
S11、利用图像增强技术对截屏图像进行增强处理,以得到增强图像;
S12、利用实例分割技术对增强图像进行处理,以得到多个分割区域,将每个分割区域认定为一个商品区域图像。
在本发明的一些实施例中,利用图像增强技术对截屏图像进行深度增强,在此基础上利用实例分割技术对截屏图像进行处理,得到多个分割区域,每个分割区域被认定为一个商品区域图像。
S2、利用超分辨率重建技术对任意一个商品区域图像进行超分辨率重建,以得到重建商品区域图像;对于任意一个商品区域图像(通常情况下,一个商品区域图像中包含一个商品),利用超分辨率重建技术对该商品区域图像进行超分辨率重建。
S3、对重建商品区域图像进行多尺度峰值信噪比检测,以得到并根据峰值信噪比检测结果采用不同的去噪方法对对应的重建商品区域图像进行优化,以得到去噪图像;
进一步地,如图3所示,包括:
S31、对重建商品区域图像进行多尺度划分,以得到多个尺度下的商品区域图像;
S32、分别对多个尺度下的商品区域图像进行峰值信噪比检测,以得到并根据多个尺度下的检测结果确定最终的峰值信噪比检测结果。
进一步地,包括:若峰值信噪比检测结果大于预置的第一阈值,则直接将该重建商品区域图像认定为高质量图像;若峰值信噪比检测结果小于第一阈值且大于预置的第二阈值,则利用普通去噪方法对对应的重建商品区域图像进行优化;其中,第一阈值大于第二阈值;若峰值信噪比检测结果小于第二阈值,则利用基于深度学习的去噪方法对对应的重建商品区域图像进行优化。
在本发明的一些实施例中,对该商品区域图像进行多尺度峰值信噪比检测,如果所有尺度下该商品区域图像的峰值信噪比都较高,直接将该商品区域图像认定为高质量图像,无需进行优化;如果绝大多数尺度下该商品区域图像的峰值信噪比较高,利用普通去噪方法对该商品区域图像进行去噪优化;普通去噪方法包括中值滤波均值滤波、高斯滤波、TV法去噪等。如果少部分尺度下该商品区域图像的峰值信噪比较高,利用深度学习的噪方法对该商品区域图像进行去噪优化。
S4、利用多OCR模型互验方法对去噪图像进行文字识别,以得到并将对应的文字识别信息作为对应商品的核心信息推送给用户。
在本发明的一些实施例中,利用多OCR模型互验方法对该商品区域图像进行文字识别,将识别出来的文字信息作为该商品的核心信息给用户进行推送,作为用户消费过程中的核心参考信息。如果多个OCR模型的识别结果不一致,利用少数服从多数的原则,例如绝大多数的OCR方法将某一文字识别为‘货’,少部分的方法将某一文字识别为‘贷’,最后将文字识别为‘货’。
利用上述方法,将所有商品的核心信息进行精准识别,并将商品对应的核心信息推送给用户,作为用户的消费参考信息。
本方法利用基于图像增强的实例分割技术对商品区域图像进行获取,更加精准地获取到了商品图像区域图像;同时,本方法利用超分辨率重建技术对商品区域图像进行重建,得到了更高质量的商品区域图像;基于此,本方法利用多尺度峰值信噪比检测方法对商品区域图像进行检测,实现了商品区域图像质量的精准评估,对于非高质量图像,根据检测结果有针对性地对商品区域图像进行优化,在保证优化质量的前提下显著地降低了计算资源消耗;在此基础上,本方法利用多OCR模型互验方法对商品区域图像进行识别,更加精准地获取了商品的核心信息。
如图4所示,第二方面,本发明实施例提供一种面向元宇宙电商平台的商品大数据信息识别系统,包括图像截取模块100、图像重建模块200、图像优化模块300以及信息识别模块400,其中:
图像截取模块100,用于对元宇宙电商平台中的商品展示场景进行截屏,以得到截屏图像,并利用基于图像增强的实例分割技术对截屏图像进行处理,以得到商品区域图像;
图像重建模块200,用于利用超分辨率重建技术对任意一个商品区域图像进行超分辨率重建,以得到重建商品区域图像;
图像优化模块300,用于对重建商品区域图像进行多尺度峰值信噪比检测,以得到并根据峰值信噪比检测结果采用不同的去噪方法对对应的重建商品区域图像进行优化,以得到去噪图像;
信息识别模块400,用于利用多OCR模型互验方法对去噪图像进行文字识别,以得到并将对应的文字识别信息作为对应商品的核心信息推送给用户。
本系统通过图像截取模块100、图像重建模块200、图像优化模块300以及信息识别模块400等多个模块的结合,实现精准高效的商品图像信息识别。本系统利用基于图像增强的实例分割技术对商品区域图像进行获取,更加精准地获取到了商品图像区域图像;同时,本系统利用超分辨率重建技术对商品区域图像进行重建,得到了更高质量的商品区域图像;基于此,本系统利用多尺度峰值信噪比检测方法对商品区域图像进行检测,实现了商品区域图像质量的精准评估,对于非高质量图像,根据检测结果有针对性地对商品区域图像进行优化,在保证优化质量的前提下显著地降低了计算资源消耗;在此基础上,本系统利用多OCR模型互验方法对商品区域图像进行识别,更加精准地获取了商品的核心信息。
如图5所示,第三方面,本申请实施例提供一种电子设备,其包括存储器101,用于存储一个或多个程序;处理器102。当一个或多个程序被处理器102执行时,实现如上述第一方面中任一项的方法。
还包括通信接口103,该存储器101、处理器102和通信接口103相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器101可用于存储软件程序及模块,处理器102通过执行存储在存储器101内的软件程序及模块,从而执行各种功能应用以及数据处理。该通信接口103可用于与其他节点设备进行信令或数据的通信。
其中,存储器101可以是但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
处理器102可以是一种集成电路芯片,具有信号处理能力。该处理器102可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本申请所提供的实施例中,应该理解到,所揭露的方法及系统和方法,也可以通过其它的方式实现。以上所描述的方法及系统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申请的多个实施例的方法及系统、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,在本申请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。
第四方面,本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器102执行时实现如上述第一方面中任一项的方法。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,本申请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,服务器,或者网络设备等)执行本申请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 AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上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。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其它的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (7)
1.一种面向元宇宙电商平台的商品大数据信息识别方法,其特征在于,包括以下步骤:
对元宇宙电商平台中的商品展示场景进行截屏,以得到截屏图像,并利用基于图像增强的实例分割技术对截屏图像进行处理,以得到商品区域图像;
利用超分辨率重建技术对任意一个商品区域图像进行超分辨率重建,以得到重建商品区域图像;
对重建商品区域图像进行多尺度峰值信噪比检测,以得到并根据峰值信噪比检测结果采用不同的去噪方法对对应的重建商品区域图像进行优化,以得到去噪图像;
利用多OCR模型互验方法对去噪图像进行文字识别,以得到并将对应的文字识别信息作为对应商品的核心信息推送给用户。
2.根据权利要求1所述的一种面向元宇宙电商平台的商品大数据信息识别方法,其特征在于,所述利用基于图像增强的实例分割技术对截屏图像进行处理,以得到商品区域图像的方法包括以下步骤:
利用图像增强技术对截屏图像进行增强处理,以得到增强图像;
利用实例分割技术对增强图像进行处理,以得到多个分割区域,将每个分割区域认定为一个商品区域图像。
3.根据权利要求1所述的一种面向元宇宙电商平台的商品大数据信息识别方法,其特征在于,所述对重建商品区域图像进行多尺度峰值信噪比检测的方法包括以下步骤:
对重建商品区域图像进行多尺度划分,以得到多个尺度下的商品区域图像;
分别对多个尺度下的商品区域图像进行峰值信噪比检测,以得到并根据多个尺度下的检测结果确定最终的峰值信噪比检测结果。
4.根据权利要求1所述的一种面向元宇宙电商平台的商品大数据信息识别方法,其特征在于,所述根据峰值信噪比检测结果采用不同的去噪方法对对应的重建商品区域图像进行优化的方法包括以下步骤:
若峰值信噪比检测结果大于预置的第一阈值,则直接将该重建商品区域图像认定为高质量图像;
若峰值信噪比检测结果小于第一阈值且大于预置的第二阈值,则利用普通去噪方法对对应的重建商品区域图像进行优化;其中,第一阈值大于第二阈值;
若峰值信噪比检测结果小于第二阈值,则利用基于深度学习的去噪方法对对应的重建商品区域图像进行优化。
5.一种面向元宇宙电商平台的商品大数据信息识别系统,其特征在于,包括图像截取模块、图像重建模块、图像优化模块以及信息识别模块,其中:
图像截取模块,用于对元宇宙电商平台中的商品展示场景进行截屏,以得到截屏图像,并利用基于图像增强的实例分割技术对截屏图像进行处理,以得到商品区域图像;
图像重建模块,用于利用超分辨率重建技术对任意一个商品区域图像进行超分辨率重建,以得到重建商品区域图像;
图像优化模块,用于对重建商品区域图像进行多尺度峰值信噪比检测,以得到并根据峰值信噪比检测结果采用不同的去噪方法对对应的重建商品区域图像进行优化,以得到去噪图像;
信息识别模块,用于利用多OCR模型互验方法对去噪图像进行文字识别,以得到并将对应的文字识别信息作为对应商品的核心信息推送给用户。
6.一种电子设备,其特征在于,包括:
存储器,用于存储一个或多个程序;
处理器;
当所述一个或多个程序被所述处理器执行时,实现如权利要求1-4中任一项所述的方法。
7.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310833262.5A CN116562991B (zh) | 2023-07-10 | 2023-07-10 | 面向元宇宙电商平台的商品大数据信息识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310833262.5A CN116562991B (zh) | 2023-07-10 | 2023-07-10 | 面向元宇宙电商平台的商品大数据信息识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116562991A true CN116562991A (zh) | 2023-08-08 |
CN116562991B CN116562991B (zh) | 2024-02-13 |
Family
ID=87486522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310833262.5A Active CN116562991B (zh) | 2023-07-10 | 2023-07-10 | 面向元宇宙电商平台的商品大数据信息识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116562991B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078358A (zh) * | 2023-10-13 | 2023-11-17 | 北京未来链技术有限公司 | 基于语音识别的元宇宙电商平台系统智能构建方法及系统 |
CN117788091A (zh) * | 2023-10-18 | 2024-03-29 | 北京农夫铺子技术研究院 | 基于用户消费大数据的元宇宙电商平台构建方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866618A (zh) * | 2019-11-19 | 2020-03-06 | 中国银行股份有限公司 | 设备信息的处理方法及系统 |
CN112965911A (zh) * | 2021-03-23 | 2021-06-15 | 北京三快在线科技有限公司 | 界面异常检测方法、装置、计算机设备及存储介质 |
CN113767394A (zh) * | 2019-04-29 | 2021-12-07 | 苹果公司 | 在非结构化视频流中捕获对象 |
CN113785332A (zh) * | 2019-05-03 | 2021-12-10 | 脸谱科技有限责任公司 | 语义融合 |
CN114581207A (zh) * | 2022-05-09 | 2022-06-03 | 北京嘉沐安科技有限公司 | 一种面向电商平台的商品图像大数据精准推送方法及系统 |
CN114723536A (zh) * | 2022-05-13 | 2022-07-08 | 北京嘉沐安科技有限公司 | 基于图像大数据比对的电商平台廉价商品选取方法及系统 |
CN116306807A (zh) * | 2023-02-20 | 2023-06-23 | 新国脉文旅科技有限公司 | 一种基于元宇宙数据标记的ai模型生产方法 |
-
2023
- 2023-07-10 CN CN202310833262.5A patent/CN116562991B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113767394A (zh) * | 2019-04-29 | 2021-12-07 | 苹果公司 | 在非结构化视频流中捕获对象 |
CN113785332A (zh) * | 2019-05-03 | 2021-12-10 | 脸谱科技有限责任公司 | 语义融合 |
CN110866618A (zh) * | 2019-11-19 | 2020-03-06 | 中国银行股份有限公司 | 设备信息的处理方法及系统 |
CN112965911A (zh) * | 2021-03-23 | 2021-06-15 | 北京三快在线科技有限公司 | 界面异常检测方法、装置、计算机设备及存储介质 |
CN114581207A (zh) * | 2022-05-09 | 2022-06-03 | 北京嘉沐安科技有限公司 | 一种面向电商平台的商品图像大数据精准推送方法及系统 |
CN114723536A (zh) * | 2022-05-13 | 2022-07-08 | 北京嘉沐安科技有限公司 | 基于图像大数据比对的电商平台廉价商品选取方法及系统 |
CN116306807A (zh) * | 2023-02-20 | 2023-06-23 | 新国脉文旅科技有限公司 | 一种基于元宇宙数据标记的ai模型生产方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078358A (zh) * | 2023-10-13 | 2023-11-17 | 北京未来链技术有限公司 | 基于语音识别的元宇宙电商平台系统智能构建方法及系统 |
CN117788091A (zh) * | 2023-10-18 | 2024-03-29 | 北京农夫铺子技术研究院 | 基于用户消费大数据的元宇宙电商平台构建方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116562991B (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116562991B (zh) | 面向元宇宙电商平台的商品大数据信息识别方法及系统 | |
CN107690657B (zh) | 根据影像发现商户 | |
CN115100640B (zh) | 基于人工智能的智慧超市商品销售大数据检测方法及系统 | |
CN108986125B (zh) | 物体边缘提取方法、装置及电子设备 | |
CN114581207B (zh) | 一种面向电商平台的商品图像大数据精准推送方法及系统 | |
CN114596441A (zh) | 一种面向网络直播社交大数据的海量图像去噪方法及系统 | |
CN117078358A (zh) | 基于语音识别的元宇宙电商平台系统智能构建方法及系统 | |
CN114241484B (zh) | 一种面向社交网络的图像大数据精准检索方法及系统 | |
CN115019374A (zh) | 基于人工智能的智慧课堂学生专注度低耗检测方法及系统 | |
CN113313217B (zh) | 一种基于鲁棒性模板的倾角文字精准识别方法及系统 | |
CN116543373B (zh) | 基于区块链的直播视频大数据智能分析和优化方法及系统 | |
CN117436967A (zh) | 面向元宇宙电商平台的商品大数据智能推荐方法及系统 | |
CN111178347B (zh) | 证件图像的模糊度检测方法、装置、设备及存储介质 | |
CN114723536B (zh) | 基于图像大数据比对的电商平台廉价商品选取方法及系统 | |
CN115661833A (zh) | 一种基于简易拍照的目标商品大数据精准识别方法与系统 | |
CN115713630A (zh) | 基于人工智能的低质量盖章图像大数据识别方法及系统 | |
CN116127106A (zh) | 基于区块链的互联网图像大数据智能存储方法与系统 | |
CN112861874A (zh) | 一种基于多滤波器去噪结果的专家场去噪方法及系统 | |
Singh et al. | Efficient binarization technique for severely degraded document images | |
CN113903035A (zh) | 一种基于超分辨率多尺度重建的文字识别方法及系统 | |
CN113705459A (zh) | 人脸抓拍方法、装置、电子设备及存储介质 | |
Kumar et al. | A Novel Edge‐Map Creation Approach for Highly Accurate Pupil Localization in Unconstrained Infrared Iris Images | |
CN111985423A (zh) | 活体检测方法、装置、设备及可读存储介质 | |
CN115661784B (zh) | 一种面向智慧交通的交通标志图像大数据识别方法与系统 | |
CN117788091B (zh) | 基于用户消费大数据的元宇宙电商平台构建方法及系统 |
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 |