CN116824381B - 一种基于aigc的场景属性标注系统 - Google Patents
一种基于aigc的场景属性标注系统 Download PDFInfo
- Publication number
- CN116824381B CN116824381B CN202311099975.XA CN202311099975A CN116824381B CN 116824381 B CN116824381 B CN 116824381B CN 202311099975 A CN202311099975 A CN 202311099975A CN 116824381 B CN116824381 B CN 116824381B
- Authority
- CN
- China
- Prior art keywords
- attribute
- information
- scenic spot
- processor
- scene
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000002372 labelling Methods 0.000 title claims abstract description 38
- 230000002452 interceptive effect Effects 0.000 claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 29
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000007726 management method Methods 0.000 claims description 13
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000012546 transfer Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000006399 behavior Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于AIGC的场景属性标注系统,包括数据导入模块、场景识别模块、属性标注模块和交互显示模块,所述数据导入模块用于导入游客拍摄的景点实时照片,所述场景识别模块用于识别实时照片中的景点场景,所述属性标注模块用于对实时照片进行属性分析并对每个景点场景进行属性标注,所述交互显示模块用于显示所有景点场景的属性信息并让游客能够进行交互操作;本系统能够通过AIGC技术对图片进行处理,得到各个景点的实时属性信息,帮助游客更好地选择合适的景点进行游玩。
Description
技术领域
本发明涉及电数字数据处理领域,具体涉及一种基于AIGC的场景属性标注系统。
背景技术
在景区或游乐园游玩时,常常会在一个景点或项目上排队浪费大量的时间,降低游玩的体验感,因此需要一种系统能够实时提供各个景点或项目的实时属性信息,帮助游客更好地选择景点或项目进行游玩,而AIGC技术能够提高对图片的处理能力,使实时属性信息能够更准确的反映情况。
背景技术的前述论述仅意图便于理解本发明。此论述并不认可或承认提及的材料中的任一种公共常识的一部分。
现在已经开发出了很多景点辅助系统,经过我们大量的检索与参考,发现现有的景点辅助系统有如公开号为CN115292599A所公开的系统,这些系统方法一般包括:构建用户和景点的属性共现图,通过图神经网络学习用户和景点的同质属性共现特征;接着将用户与景点的同质属性共现特征匹配,学习异质属性共现特征;融合同质和异质属性共现特征,获得属性共现特征表示;通过用户与景点的交互行为获得交互行为特征表示;融合属性共现特征和交互行为特征,获得用户和景点的特征表示;通过内积计算用户对候选景点的评分,根据评分高低生成推荐景点列表;依据用户的共现属性和景点共现属性,为景点标注推荐原因。但该系统提供的是固有属性而不是实时属性,只适用于提前规划而不适用于临时的选择。
发明内容
本发明的目的在于,针对所存在的不足,提出了一种基于AIGC的场景属性标注系统。
本发明采用如下技术方案:
一种基于AIGC的场景属性标注系统,包括数据导入模块、场景识别模块、属性标注模块和交互显示模块;
所述数据导入模块用于导入游客拍摄的景点实时照片,所述场景识别模块用于识别实时照片中的景点场景,所述属性标注模块用于对实时照片进行属性分析并对每个景点场景进行属性标注,所述交互显示模块用于显示所有景点场景的属性信息并让游客能够进行交互操作;
所述场景识别模块包括特征存储单元、识别处理单元和信息传递单元,所述特征存储单元用于存储每个景点场景的图像特征信息,所述识别处理单元根据图像特征信息对照片图像进行识别处理,所述信息传递单元用于接收需要识别的照片图像并将识别结果和照片图像传递至属性标注模块;
所述属性标注模块包括属性识别单元、属性记录单元和属性管理单元,所述属性识别单元用于接收照片图像并识别出属性信息,所述属性记录单元用于记录每个景点场景的属性信息,所述属性管理单元用于对每个景点场景记录的属性信息的时效性进行管理;
进一步的,所述识别处理单元包括人物识别处理器、边缘检测处理器和特征对照处理器,所述人物识别处理器用于检测出照片图像中的人物信息,并将人物信息标注为无效信息,所述边缘检测处理器用于对照片图像中的有效信息部分进行边缘检测,提取边缘信息,所述特征对照处理器将边缘信息进行处理后与特征存储单元中的特征信息进行对比,确定照片图像所属的景点场景;
进一步的,所述属性识别单元包括人数检测处理器和属性计算处理器,所述人数检测处理器用于检测出每个照片图像中的人数信息,所述属性计算处理器用于分别计算出拥挤属性、等候属性和热度属性;
进一步的,所述特征对照处理器对边缘信息进行处理的过程包括如下步骤:
S1、确定边缘信息的中心点位置;
S2、计算出中心点在每个角度上与边缘像素点的最大距离/>;
S3、根据下式对距离值进行归一化处理:
;
其中,为标准面积,/>为间隔角度,n为有效角度数量,i为有效角度序号,/>和n满足:/>,而有效角度/>的取值为/>,i=0,1,2,...,n-1;
S4、基于下式计算出特征函数:
;
其中,min()函数表示取两个入参中的较小值;
特征函数表现为一段斜直线、一段曲线和一段水平直线,斜直线与曲线交叉点的横坐标为/>,曲线与水平直线交叉点的横坐标为/>,/>为/>中的最小值,/>为/>中的最大值;
S5、统计出曲线段中的最小斜率/>和最大斜率/>;
S6、构建对照向量;
进一步的,所述属性计算处理器根据下式计算出拥挤属性值Q1:
;
其中,N为处于有效时间内的照片图像数量,为第j张照片图像中的人数信息,为/>的标准差,j为照片图像的序号,/>为该景点场景的基准人数;
所述属性计算处理器根据下式计算出等候属值性Q2:
;
其中,v为该景点场景的服务效率;
所述属性计算处理器根据下式计算出热度属性值Q3:
;
其中,a为比例调整系数,c为平移调整系数。
本发明所取得的有益效果是:
本系统通过AIGC技术对图片进行处理,能够准确地识别出标志信息以及人物信息,再通过对标志信息和人物信息进行分析处理,得到每个景点场景的实时属性,将实时属性对景点场景进行标注并反馈给游客,使游客能够更好地选择合适的景点进行游玩。
为使能更进一步了解本发明的特征及技术内容,请参阅以下有关本发明的详细说明与附图,然而所提供的附图仅用于提供参考与说明,并非用来对本发明加以限制。
附图说明
图1为本发明整体结构框架示意图;
图2为本发明场景识别模块构成示意图;
图3为本发明属性标注模块构成示意图;
图4为本发明识别处理单元构成示意图;
图5为本发明属性识别单元构成示意图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式,本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用,本说明书中的各项细节也可基于不同观点与应用,在不悖离本发明的精神下进行各种修饰与变更。另外,本发明的附图仅为简单示意说明,并非依实际尺寸的描绘,事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容,但所公开的内容并非用以限制本发明的保护范围。
实施例一:本实施例提供了一种基于AIGC的场景属性标注系统,结合图1,包括数据导入模块、场景识别模块、属性标注模块和交互显示模块;
所述数据导入模块用于导入游客拍摄的景点实时照片,所述场景识别模块用于识别实时照片中的景点场景,所述属性标注模块用于对实时照片进行属性分析并对每个景点场景进行属性标注,所述交互显示模块用于显示所有景点场景的属性信息并让游客能够进行交互操作;
所述场景识别模块包括特征存储单元、识别处理单元和信息传递单元,所述特征存储单元用于存储每个景点场景的图像特征信息,所述识别处理单元根据图像特征信息对照片图像进行识别处理,所述信息传递单元用于接收需要识别的照片图像并将识别结果和照片图像传递至属性标注模块;
所述属性标注模块包括属性识别单元、属性记录单元和属性管理单元,所述属性识别单元用于接收照片图像并识别出属性信息,所述属性记录单元用于记录每个景点场景的属性信息,所述属性管理单元用于对每个景点场景记录的属性信息的时效性进行管理;
所述识别处理单元包括人物识别处理器、边缘检测处理器和特征对照处理器,所述人物识别处理器用于检测出照片图像中的人物信息,并将人物信息标注为无效信息,所述边缘检测处理器用于对照片图像中的有效信息部分进行边缘检测,提取边缘信息,所述特征对照处理器将边缘信息进行处理后与特征存储单元中的特征信息进行对比,确定照片图像所属的景点场景;
所述属性识别单元包括人数检测处理器和属性计算处理器,所述人数检测处理器用于检测出每个照片图像中的人数信息,所述属性计算处理器用于分别计算出拥挤属性、等候属性和热度属性;
所述特征对照处理器对边缘信息进行处理的过程包括如下步骤:
S1、确定边缘信息的中心点位置;
S2、计算出中心点在每个角度上与边缘像素点的最大距离/>;
S3、根据下式对距离值进行归一化处理:
;
其中,为标准面积,/>为间隔角度,n为有效角度数量,i为有效角度序号,/>和n满足:/>,而有效角度/>的取值为/>,i=0,1,2,...,n-1;
S4、基于下式计算出特征函数:
;
其中,min()函数表示取两个入参中的较小值;
特征函数表现为一段斜直线、一段曲线和一段水平直线,斜直线与曲线交叉点的横坐标为/>,曲线与水平直线交叉点的横坐标为/>,/>为/>中的最小值,/>为/>中的最大值;
S5、统计出曲线段中的最小斜率/>和最大斜率/>;
S6、构建对照向量;
所述属性计算处理器根据下式计算出拥挤属性值Q1:
;
其中,N为处于有效时间内的照片图像数量,为第j张照片图像中的人数信息,为/>的标准差,j为照片图像的序号,/>为该景点场景的基准人数;
所述属性计算处理器根据下式计算出等候属值性Q2:
;
其中,v为该景点场景的服务效率;
所述属性计算处理器根据下式计算出热度属性值Q3:
;
其中,a为比例调整系数,c为平移调整系数。
实施例二:本实施例包含了实施例一中的全部内容,提供了一种基于AIGC的场景属性标注系统,包括数据导入模块、场景识别模块、属性标注模块和交互显示模块;
所述数据导入模块用于导入游客拍摄的景点实时照片,所述场景识别模块用于识别实时照片中的景点场景,所述属性标注模块用于对实时照片进行属性分析并对每个景点场景进行属性标注,所述交互显示模块用于显示所有景点场景的属性信息并让游客能够进行交互操作;
所述数据导入模块包括图像存储单元和图像管理单元,所述图像管理存储单元用于保存导入的照片图像,所述图像管理单元用于对图像的使用以及删除进行控制管理;
结合图2,所述场景识别模块包括特征存储单元、识别处理单元和信息传递单元,所述特征存储单元用于存储每个景点场景的图像特征信息,所述识别处理单元根据图像特征信息对照片图像进行识别处理,所述信息传递单元用于接收需要识别的照片图像并将识别结果和照片图像传递至属性标注模块;
结合图3,所述属性标注模块包括属性识别单元、属性记录单元和属性管理单元,所述属性识别单元用于接收照片图像并识别出属性信息,所述属性记录单元用于记录每个景点场景的属性信息,所述属性管理单元用于对每个景点场景记录的属性信息的时效性进行管理;
所述交互显示模块包括导览处理单元和交互处理单元,所述导览处理单元用于显示景点场景的导览信息,所述交互处理单元用于检测交互操作并进行对应的处理;
结合图4,所述识别处理单元包括人物识别处理器、边缘检测处理器和特征对照处理器,所述人物识别处理器用于检测出照片图像中的人物信息,并将人物信息标注为无效信息,所述边缘检测处理器用于对照片图像中的有效信息部分进行边缘检测,提取边缘信息,所述特征对照处理器将边缘信息进行处理后与特征存储单元中的特征信息进行对比,确定照片图像所属的景点场景;
所述特征对照处理器对边缘信息进行处理的过程包括如下步骤:
S1、确定边缘信息的中心点位置;
S2、计算出中心点在每个角度上与边缘像素点的最大距离/>;
S3、根据下式对距离值进行归一化处理:
;
其中,为标准面积,/>为间隔角度,n为有效角度数量,i为有效角度序号,/>和n满足:/>,而有效角度/>的取值为/>,i=0,1,2,...,n-1;
S4、基于下式计算出特征函数:
;
其中,min()函数表示取两个入参中的较小值;
特征函数表现为一段斜直线、一段曲线和一段水平直线,斜直线与曲线交叉点的横坐标为/>,曲线与水平直线交叉点的横坐标为/>,/>为/>中的最小值,/>为/>中的最大值;
S5、统计出曲线段中的最小斜率/>和最大斜率/>;
S6、构建对照向量;
所述特征对照处理器根据下式计算出对照向量与特征向量的偏差值:
;
其中,为一个景点场景的特征向量;
所述识别处理单元将偏差值最小的景点场景信息和照片图像一同发送至所述属性标注模块;
所述属性识别单元识别的实时属性包括拥挤属性、等候属性和热度属性,结合图5,所述属性识别单元包括人数检测处理器和属性计算处理器,所述人数检测处理器用于检测出每个照片图像中的人数信息,所述属性计算处理器用于分别计算出拥挤属性、等候属性和热度属性;
所述属性计算处理器根据下式计算出拥挤属性值Q1:
;
其中,N为处于有效时间内的照片图像数量,为第j张照片图像中的人数信息,为/>的标准差,j为照片图像的序号,/>为该景点场景的基准人数;
所述属性计算处理器根据下式计算出等候属值性Q2:
;
其中,v为该景点场景的服务效率;
所述属性计算处理器根据下式计算出热度属性值Q3:
;
其中,a为比例调整系数,c为平移调整系数;
所述属性记录单元将三个属性值记录在对应的景点场景中,同时对每个属性值添加对应的时间点信息,所述时间点信息为有效时间的结束时间;
所述属性管理单元包括计时处理器和属性综合处理器,所述计时处理器用于获取实时时间信息并将时间点信息与实时时间信息的时间差大于时间阈值的属性值从所述属性记录单元中删除,所述属性综合处理器对属性记录单元中的属性值进行综合计算处理;
所述属性综合处理器对每个景点场景的所有对应属性值按照下述公式进行处理得到综合拥挤属性值Qz1、综合等候属性值Qz2和综合热度属性值Qz3:
;
;
;
其中,为时间阈值,/>为时间点信息与实时时间信息的时间差,M1为属性记录单元中保留的拥挤属性值的数量,M2为属性记录单元中保留的等候属性值的数量,M3为属性记录单元中保留的热度属性值的数量;
所述属性标注模块将每个景点场景的三个综合属性值发送给所述交互显示模块,所述交互显示模块将三个综合属性值标注在对应的景点场景上。
以上所公开的内容仅为本发明的优选可行实施例,并非因此局限本发明的保护范围,所以凡是运用本发明说明书及附图内容所做的等效技术变化,均包含于本发明的保护范围内,此外,随着技术发展其中的元素可以更新的。
Claims (2)
1.一种基于AIGC的场景属性标注系统,其特征在于,包括数据导入模块、场景识别模块、属性标注模块和交互显示模块;
所述数据导入模块用于导入游客拍摄的景点实时照片,所述场景识别模块用于识别实时照片中的景点场景,所述属性标注模块用于对实时照片进行属性分析并对每个景点场景进行属性标注,所述交互显示模块用于显示所有景点场景的属性信息并让游客能够进行交互操作;
所述场景识别模块包括特征存储单元、识别处理单元和信息传递单元,所述特征存储单元用于存储每个景点场景的图像特征信息,所述识别处理单元根据图像特征信息对照片图像进行识别处理,所述信息传递单元用于接收需要识别的照片图像并将识别结果和照片图像传递至属性标注模块;
所述属性标注模块包括属性识别单元、属性记录单元和属性管理单元,所述属性识别单元用于接收照片图像并识别出属性信息,所述属性记录单元用于记录每个景点场景的属性信息,所述属性管理单元用于对每个景点场景记录的属性信息的时效性进行管理;
所述识别处理单元包括人物识别处理器、边缘检测处理器和特征对照处理器,所述人物识别处理器用于检测出照片图像中的人物信息,并将人物信息标注为无效信息,所述边缘检测处理器用于对照片图像中的有效信息部分进行边缘检测,提取边缘信息,所述特征对照处理器将边缘信息进行处理后与特征存储单元中的特征信息进行对比,确定照片图像所属的景点场景;
所述属性识别单元包括人数检测处理器和属性计算处理器,所述人数检测处理器用于检测出每个照片图像中的人数信息,所述属性计算处理器用于分别计算出拥挤属性、等候属性和热度属性;所述属性计算处理器根据下式计算出拥挤属性值Q1:
;
其中,N为处于有效时间内的照片图像数量,为第j张照片图像中的人数信息,/>为的标准差,j为照片图像的序号,/>为该景点场景的基准人数;
所述属性计算处理器根据下式计算出等候属值性Q2:
;
其中,v为该景点场景的服务效率;
所述属性计算处理器根据下式计算出热度属性值Q3:
;
其中,a为比例调整系数,c为平移调整系数;
所述属性记录单元将三个属性值记录在对应的景点场景中,同时对每个属性值添加对应的时间点信息,所述时间点信息为有效时间的结束时间;
所述属性管理单元包括计时处理器和属性综合处理器,所述计时处理器用于获取实时时间信息并将时间点信息与实时时间信息的时间差大于时间阈值的属性值从所述属性记录单元中删除,所述属性综合处理器对属性记录单元中的属性值进行综合计算处理;
所述属性综合处理器对每个景点场景的所有对应属性值按照下述公式进行处理得到综合拥挤属性值Qz1、综合等候属性值Qz2和综合热度属性值Qz3:
;
;
;
其中,为时间阈值,/>为时间点信息与实时时间信息的时间差,M1为属性记录单元中保留的拥挤属性值的数量,M2为属性记录单元中保留的等候属性值的数量,M3为属性记录单元中保留的热度属性值的数量;
所述属性标注模块将每个景点场景的三个综合属性值发送给所述交互显示模块,所述交互显示模块将三个综合属性值标注在对应的景点场景上。
2.如权利要求1所述的一种基于AIGC的场景属性标注系统,其特征在于,所述特征对照处理器对边缘信息进行处理的过程包括如下步骤:
S1、确定边缘信息的中心点位置;
S2、计算出中心点在每个角度上与边缘像素点的最大距离/>;
S3、根据下式对距离值进行归一化处理:
;
其中,为标准面积,/>为间隔角度,n为有效角度数量,i为有效角度序号,/>和n满足:,而有效角度/>的取值为/>,i=0,1,2,...,n-1;
S4、基于下式计算出特征函数:
;
其中,min()函数表示取两个入参中的较小值;
特征函数表现为一段斜直线、一段曲线和一段水平直线,斜直线与曲线交叉点的横坐标为/>,曲线与水平直线交叉点的横坐标为/>,/>为/>中的最小值,/>为中的最大值;
S5、统计出曲线段中的最小斜率/>和最大斜率/>;
S6、构建对照向量;
所述特征对照处理器根据下式计算出对照向量与特征向量的偏差值:
;
其中,为一个景点场景的特征向量;
所述识别处理单元将偏差值最小的景点场景信息和照片图像一同发送至所述属性标注模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311099975.XA CN116824381B (zh) | 2023-08-30 | 2023-08-30 | 一种基于aigc的场景属性标注系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311099975.XA CN116824381B (zh) | 2023-08-30 | 2023-08-30 | 一种基于aigc的场景属性标注系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116824381A CN116824381A (zh) | 2023-09-29 |
CN116824381B true CN116824381B (zh) | 2023-10-27 |
Family
ID=88120738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311099975.XA Active CN116824381B (zh) | 2023-08-30 | 2023-08-30 | 一种基于aigc的场景属性标注系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116824381B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111914751A (zh) * | 2020-07-31 | 2020-11-10 | 南京烽火星空通信发展有限公司 | 一种图像人群密度识别检测方法及系统 |
US10898818B2 (en) * | 2018-07-25 | 2021-01-26 | Light Field Lab, Inc. | Light field display system based amusement park attraction |
CN113472902A (zh) * | 2021-09-02 | 2021-10-01 | 环球数科集团有限公司 | 一种基于云技术的景区游客流量监控与辅助系统 |
CN113570171A (zh) * | 2021-09-23 | 2021-10-29 | 环球数科集团有限公司 | 城市多景点热点数据动态引导方法、系统及存储介质 |
CN114241380A (zh) * | 2021-12-16 | 2022-03-25 | 之江实验室 | 一种基于类别标签和属性注释的多任务属性场景识别方法 |
CN115035367A (zh) * | 2022-06-24 | 2022-09-09 | 微梦创科网络科技(中国)有限公司 | 图片识别方法、装置及电子设备 |
CN115292599A (zh) * | 2022-08-15 | 2022-11-04 | 山西大学 | 一种融合属性共现和交互行为特征的旅游景点推荐方法 |
CN116012843A (zh) * | 2023-03-24 | 2023-04-25 | 北京科技大学 | 一种虚拟场景数据标注生成方法及系统 |
CN116091748A (zh) * | 2023-04-10 | 2023-05-09 | 环球数科集团有限公司 | 一种基于aigc的图像识别系统及装置 |
CN116188700A (zh) * | 2023-04-27 | 2023-05-30 | 南京大圣云未来科技有限公司 | 一种基于aigc自动生成3d场景的系统 |
-
2023
- 2023-08-30 CN CN202311099975.XA patent/CN116824381B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10898818B2 (en) * | 2018-07-25 | 2021-01-26 | Light Field Lab, Inc. | Light field display system based amusement park attraction |
CN111914751A (zh) * | 2020-07-31 | 2020-11-10 | 南京烽火星空通信发展有限公司 | 一种图像人群密度识别检测方法及系统 |
CN113472902A (zh) * | 2021-09-02 | 2021-10-01 | 环球数科集团有限公司 | 一种基于云技术的景区游客流量监控与辅助系统 |
CN113570171A (zh) * | 2021-09-23 | 2021-10-29 | 环球数科集团有限公司 | 城市多景点热点数据动态引导方法、系统及存储介质 |
CN114241380A (zh) * | 2021-12-16 | 2022-03-25 | 之江实验室 | 一种基于类别标签和属性注释的多任务属性场景识别方法 |
CN115035367A (zh) * | 2022-06-24 | 2022-09-09 | 微梦创科网络科技(中国)有限公司 | 图片识别方法、装置及电子设备 |
CN115292599A (zh) * | 2022-08-15 | 2022-11-04 | 山西大学 | 一种融合属性共现和交互行为特征的旅游景点推荐方法 |
CN116012843A (zh) * | 2023-03-24 | 2023-04-25 | 北京科技大学 | 一种虚拟场景数据标注生成方法及系统 |
CN116091748A (zh) * | 2023-04-10 | 2023-05-09 | 环球数科集团有限公司 | 一种基于aigc的图像识别系统及装置 |
CN116188700A (zh) * | 2023-04-27 | 2023-05-30 | 南京大圣云未来科技有限公司 | 一种基于aigc自动生成3d场景的系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116824381A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Anti-UAV: A large multi-modal benchmark for UAV tracking | |
EP3637303B1 (en) | Methods for generating a base of training images, for training a cnn and for detecting a poi change in a pair of inputted poi images using said cnn | |
CN110689623B (zh) | 基于增强现实显示的游客导览系统及方法 | |
US7668405B2 (en) | Forming connections between image collections | |
JP5510167B2 (ja) | ビデオ検索システムおよびそのためのコンピュータプログラム | |
US8024343B2 (en) | Identifying unique objects in multiple image collections | |
WO2019144850A1 (zh) | 一种基于视频内容的视频搜索方法和视频搜索装置 | |
US8150098B2 (en) | Grouping images by location | |
US7860347B2 (en) | Image-based face search | |
CN103714094B (zh) | 识别视频中的对象的设备和方法 | |
US10606824B1 (en) | Update service in a distributed environment | |
JP2009003415A (ja) | 地図データ更新方法および装置 | |
CN108345912A (zh) | 一种基于rgbd信息与深度学习的商品快速结算系统 | |
CN105590097A (zh) | 暗视觉条件下双摄像头协同实时人脸识别安防系统及方法 | |
CN109544595B (zh) | 一种顾客路径追踪方法及系统 | |
JP2002344946A (ja) | 監視装置 | |
KR20160014413A (ko) | 복수의 오버헤드 카메라와 사이트 맵에 기반한 객체 추적 장치 및 그 방법 | |
Maybury | Multimedia information extraction: Advances in video, audio, and imagery analysis for search, data mining, surveillance and authoring | |
Rahman et al. | Visual summarization of lecture video segments for enhanced navigation | |
Simon et al. | Scene segmentation using the wisdom of crowds | |
Revaud et al. | Did it change? learning to detect point-of-interest changes for proactive map updates | |
Liu et al. | A large-scale dataset for indoor visual localization with high-precision ground truth | |
Wu et al. | A large cross-modal video retrieval dataset with reading comprehension | |
CN116824381B (zh) | 一种基于aigc的场景属性标注系统 | |
CN112711645B (zh) | 一种位置点信息扩展方法、装置、存储介质和电子设备 |
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 |