CN118132859A - 一种云盘图片资产精准搜索系统与方法 - Google Patents
一种云盘图片资产精准搜索系统与方法 Download PDFInfo
- Publication number
- CN118132859A CN118132859A CN202410571703.3A CN202410571703A CN118132859A CN 118132859 A CN118132859 A CN 118132859A CN 202410571703 A CN202410571703 A CN 202410571703A CN 118132859 A CN118132859 A CN 118132859A
- Authority
- CN
- China
- Prior art keywords
- data
- picture
- module
- keywords
- user
- 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 40
- 238000012545 processing Methods 0.000 claims abstract description 75
- 238000013500 data storage Methods 0.000 claims abstract description 43
- 238000007781 pre-processing Methods 0.000 claims abstract description 28
- 238000004891 communication Methods 0.000 claims abstract description 4
- 230000000875 corresponding effect Effects 0.000 claims description 60
- 238000012549 training Methods 0.000 claims description 21
- 238000007635 classification algorithm Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000013479 data entry Methods 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/53—Querying
- G06F16/535—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
-
- 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 Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种云盘图片资产精准搜索系统与方法,本发明涉及图片搜索领域,包括云盘管理中心,所述云盘管理中心通信连接有数据录入模块、数据预处理模块、数据处理模块、数据储存模块以及图片检索模块;所述数据录入模块用于用户录入数据信息;所述数据预处理模块用于将数据分为图片数据和非图片数据;所述数据处理模块用于对图片数据进行特征提取,获取特征数据和其对应的关键字,将特征数据与图片数据相互关联;所述数据储存模块用于储存用户录入的数据信息和图片数据关联的特征数据;所述图片检索模块用于用户输入关键字信息检索对应的图片数据;本发明在一定程度上提高了用户搜索云盘中图片资产的效率。
Description
技术领域
本发明涉及图片搜索领域,具体是一种云盘图片资产精准搜索系统与方法。
背景技术
随着社会的发展和人们生活水平的提高,人们对其数据信息的管理方式也逐渐趋于电子化,无论是通过网站或者固态储存硬盘,甚至是云盘,相关的信息均是以电子信息的形式来储存的;在日常生活中,我们对于个人所需要的资料标记印象较为深刻,在需要的时候,我们能够根据个人印象中的标记去寻找对应资料信息;随着电子化信息储存的发展,越来越多的电子信息仅仅是对其进行储存了,给人们带来便捷的同时,也存在诸多不便之处;
然而,用户在对云盘中的相关图片进行搜索的过程中需要用户对云盘中的图片进行手动翻阅查找或按照时间顺序查找,且图片中的信息无法通过用户描述进行辅助搜索,在云盘中图片数量过大时,给用户查找云盘中的相关图片是非常不便的;因此,如何提高云盘中图片搜索的准确性和效率是我们需要解决的问题;为此,现提供一种云盘图片资产精准搜索系统与方法。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种云盘图片资产精准搜索系统与方法。
本发明的目的可以通过以下技术方案实现:一种云盘图片资产精准搜索系统,包括云盘管理中心,所述云盘管理中心通信连接有数据录入模块、数据预处理模块、数据处理模块、数据储存模块以及图片检索模块;
所述数据录入模块用于获取用户账号,用户完成登录后录入相关的数据信息进行储存,将所录入的数据信息发送至数据预处理模块;
所述数据预处理模块用于对所获得的数据信息进行分类,根据其类型将其划分为图片数据和非图片数据,将分类结果发送至数据处理模块;
所述数据处理模块将非图片数据发送至数据储存模块进行储存,对图片数据进行图像分割处理,获取分割图像并提取其特征数据,根据特征数据对其设置参考关键词,将参考关键词与图片数据关联,将关联结果发送至数据储存模块进行储存;
所述数据储存模块分别用于对非图片数据以及经过数据处理模块处理后关联的参考关键词的图片数据进行储存;
所述图片检索模块用于用户输入云盘中所储存图片数据的描述关键词,根据描述关键词与数据储存模块对应的参考关键词进行匹配,若匹配一致,则导出与参考关键词关联的图片数据。
进一步的,所述数据录入模块获取用户账号,用户完成登录后录入相关的数据信息进行储存,将所录入的数据信息发送至数据预处理模块的过程包括:
所述数据录入模块中设置有账号录入单元和数据录入单元;
所述账号录入单元用于获取用户账号和登录密码,所述云盘管理中心储存有相关用户账号对应的登录密码,并根据用户账号储存对应用户的数据信息;所述账号录入单元将对应用户账号和登录密码与云盘管理中心所储存的进行匹配,若匹配成功,则获取该用户账号中所储存的数据信息,并对相关数据信息进行管理;
所述数据录入单元用于用户上传需要储存的数据信息,将其所上传的数据信息与用户对应的用户账号相互关联,并将所提交的数据信息发送中数据预处理模块。
进一步的,所述数据预处理模块对所获得的数据信息进行分类,根据其类型将其划分为图片数据和非图片数据,将分类结果发送至数据处理模块的过程包括:
所述数据预处理模块获取所提交的数据信息;所述数据预处理模块中设置有用于对数据信息进行分类识别的分类算法,获取数据储存模块中相关数据信息,将其记为类别训练集,所述类别训练集中包括数据信息以及对应类别,通过分类算法对类别训练集进行分析训练,获得预测分类结果,将预测分类结果与类别训练集中的对应类别进行匹配,对匹配一致的结果进行标记,获得标记数量,设置达标阈值,当标记数量大于达标阈值时,则完成对分类算法的训练;将所获得的数据信息输入至分类算法中进行分析,输出分类结果,所述分类结果包括图片数据和非图片数据;将分类结果发送中数据处理模块。
进一步的,所述数据处理模块将非图片数据发送至数据储存模块进行储存的过程包括:
所述数据处理模块中设置有数据分流单元和图片处理单元;
所述数据分流单元用于获取数据预处理模块的分类结果,将非图片数据发送至数据储存模块;对图片数据的数量进行标记,获得标记数量,获取该用户账号中所储存的图片数据的储存数量,将所获得的标记数量和储存数量进行加法运算,获得综合数量;所述数据分流单元中设置有处理阈值;当综合数量小于处理阈值时,则将图片数据发送至数据储存模块中直接储存,当综合数量大于等于处理阈值时,则将该图片数据和数据储存模块中所储存的图片数据发送图片处理单元进行分析处理。
进一步的,所述数据处理模块对图片数据进行分片处理,根据分片结果提取其特征数据,根据特征数据类型对其设置描述关键词,将所提取的数据信息与图片数据关联的过程包括:
所述图片处理单元用于对图片数据进行处理,获取特征信息,其中设置有关键词数据库,所述关键词数据库用于储存图片数据中特征信息对应的关键字;所述图片处理单元将所获得的图片数据对应的各个像素点位置处计算对应的偏导数,通过计算其偏导数获得图片数据中的边缘算子,根据边缘算子图片数据中的图像边缘进行检测,根据检测结果将图片数据进行分割,获取图片数据的分割图像;
所述图片处理单元中设置有用于特征数据识别的卷积神经网络,所述卷积神经网络用于对分割图像进行分析处理,提取其特征数据,将所提取的特征数据映射至关键词数据库,获取特征数据对应的参考关键词;获取该图片数据各个分割图像对应的参考关键词,将其进行关联并发送至数据储存模块。
进一步的,所述数据储存模块分别对非图片数据以及经过数据处理模块处理后关联的参考关键词的图片数据进行储存的过程包括:
所述数据储存模块中设置有图片储存单元和非图片储存单元;
所述图片储存单元中设置有图片储存空间和关键词储存空间,所述图片储存空间用于储存图片数据;所述关键词储存空间与图片储存空间相互关联,当图片数据储存在图片储存空间时,在关键词储存空间内储存与该图片数据相互关联的参考关键词;
所述非图片储存单元用于储存对应用户账号所上传的非图片数据。
进一步的,所述图片检索模块通过用户输入云盘中所储存图片数据的描述关键词,根据描述关键词与数据储存模块对应的参考关键词进行匹配,若匹配一致,则导出与参考关键词关联的图片数据的过程包括:
所述图片检索模块中设置有用户操作单元和数据对比单元;
所述用户操作单元用于用户根据其需求输入描述关键词,所述描述关键词的数量根据用户需求设置,将用户所输入的描述关键词发送至数据对比单元;
所述数据对比单元获取描述关键词,根据描述关键词获取数据储存模块中所储存的参考关键词,根据所获得的参考关键词获取对应的对应图片数据,将所获得的图片数据发送至用户账号中,由用户进行选择。
与现有技术相比,本发明的有益效果是:通过对图片数据进行分析处理,获取其特征数据,根据所获得的特征数据设置其参考关键词,通过用户个人需求输入描述关键词,根据描述关键词和参考关键词的对应关系,获取对应的图片数据,从而使得用户能够在对自己储存在云盘中图片数据有印象的情况下快速的搜索到对应的图片数据,且用户所输入的描述关键词越多,所获得的搜索结果越准确。
附图说明
图1为本发明实施例一种云盘图片资产精准搜索系统的原理图;
图2为本发明实施例一种云盘图片资产精准搜索的搜索方法的流程示意图。
具体实施方式
如图1所示,一种云盘图片资产精准搜索系统,包括云盘管理中心,所述云盘管理中心通信连接有数据录入模块、数据预处理模块、数据处理模块、数据储存模块以及图片检索模块。
所述数据录入模块获取用户账号,用户完成登录后录入相关的数据信息进行储存,将所录入的数据信息发送至数据预处理模块的过程包括:
所述数据录入模块中设置有账号录入单元和数据录入单元;
所述账号录入单元用于获取用户账号和登录密码,所述云盘管理中心储存有相关用户账号对应的登录密码,并根据用户账号储存对应用户的数据信息;所述账号录入单元将对应用户账号和登录密码与云盘管理中心所储存的进行匹配,若匹配成功,则获取该用户账号中所储存的数据信息,并对相关数据信息进行管理;
所述数据录入单元用于用户上传需要储存的数据信息,将其所上传的数据信息与用户对应的用户账号相互关联,并将所提交的数据信息发送中数据预处理模块;
需要进一步说明的是,在具体实施过程中,所述数据录入模块对用户的用户账号进行录入,完成登录的用户,其所上传的数据信息则储存在其对应的用户账号中,当该用户在其他设备上登录时,仍然查看到其上传的数据信息。
所述数据预处理模块对所获得的数据信息进行分类,根据其类型将其划分为图片数据和非图片数据,将分类结果发送至数据处理模块的过程包括:
所述数据预处理模块获取所提交的数据信息;所述数据预处理模块中设置有用于对数据信息进行分类识别的分类算法,获取数据储存模块中相关数据信息,将其记为类别训练集,所述类别训练集中包括数据信息以及对应类别,通过分类算法对类别训练集进行分析训练,获得预测分类结果,将预测分类结果与类别训练集中的对应类别进行匹配,对匹配一致的结果进行标记,获得标记数量,设置达标阈值,当标记数量大于达标阈值时,则完成对分类算法的训练;将所获得的数据信息输入至分类算法中进行分析,输出分类结果,所述分类结果包括图片数据和非图片数据;将分类结果发送中数据处理模块;
需要进一步说明的是,在具体实施过程中,所述对分类算法所设置的类别训练集中分别包括对应图片数据的训练集和验证集,获得的预测分类结果根据类别训练集中对应的验证集中所包含的对应类别相互对应,从而获得匹配结果;
此外,其中设置有算法训练周期,在所述算法训练周期内设定该分类算法的训练次数,从而提高该分类算法在对数据分类过程中的准确性。
所述数据处理模块将非图片数据发送至数据储存模块进行储存的过程包括:
所述数据处理模块中设置有数据分流单元和图片处理单元;
所述数据分流单元用于获取数据预处理模块的分类结果,将非图片数据发送至数据储存模块;对图片数据的数量进行标记,获得标记数量,获取该用户账号中所储存的图片数据的储存数量,将所获得的标记数量和储存数量进行加法运算,获得综合数量;所述数据分流单元中设置有处理阈值;当综合数量小于处理阈值时,则将图片数据发送至数据储存模块中直接储存,当综合数量大于等于处理阈值时,则将该图片数据和数据储存模块中所储存的图片数据发送图片处理单元进行分析处理;
需要进一步说明的是,在具体实施过程中,所述数据预处理模块中通过对图片数据进行标记,获取综合数量,根据综合数量判断是否对图片数据进行处理,在未达到处理阈值对应的数量时,用户账号中所储存的图片数量较少,无需通过该方法搜索图片数据,用户可直接通过肉眼检索来获取对应的图片数据,当用户账号中的图片数据达到处理阈值时,对其中所储存的所有的图片数据一并发送至数据处理模块进行处理。
所述数据处理模块对图片数据进行分片处理,根据分片结果提取其特征数据,根据特征数据类型对其设置描述关键词,将所提取的数据信息与图片数据关联的过程包括:
所述图片处理单元用于对图片数据进行处理,获取特征信息,其中设置有关键词数据库,所述关键词数据库用于储存图片数据中特征信息对应的关键字;所述图片处理单元将所获得的图片数据对应的各个像素点位置处计算对应的偏导数,通过计算其偏导数获得图片数据中的边缘算子,根据边缘算子图片数据中的图像边缘进行检测,根据检测结果将图片数据进行分割,获取图片数据的分割图像;
需要进一步说明的是,在具体实施过程中,所述图像处理单元对各个像素点位置处进行偏导数计算的过程包括:
获取对应图片数据的梯度值,需要在对应像素点在邻域上的偏导数的数字近似,在像素点为(x,y)位置和x,y方向上的梯度大小计算如下:;/>;通过Roberts算子根据所获得各个像素点位置处的梯度值,通过局部差分计算检测边缘线条,设置Roberts算子分别在水平方向和垂直方向的模板,从而获取增强正负45°的图像边缘,从而对图片数据进行分割处理,获得对应的分割图像。
所述图片处理单元中设置有用于特征数据识别的卷积神经网络,所述卷积神经网络用于对分割图像进行分析处理,提取其特征数据,将所提取的特征数据映射至关键词数据库,获取特征数据对应的参考关键词;获取该图片数据各个分割图像对应的参考关键词,将其进行关联并发送至数据储存模块。
所述数据储存模块分别对非图片数据以及经过数据处理模块处理后关联的参考关键词的图片数据进行储存的过程包括:
所述数据储存模块中设置有图片储存单元和非图片储存单元;
所述图片储存单元中设置有图片储存空间和关键词储存空间,所述图片储存空间用于储存图片数据;所述关键词储存空间与图片储存空间相互关联,当图片数据储存在图片储存空间时,在关键词储存空间内储存与该图片数据相互关联的参考关键词;
所述非图片储存单元用于储存对应用户账号所上传的非图片数据。
所述图片检索模块通过用户输入云盘中所储存图片数据的描述关键词,根据描述关键词与数据储存模块对应的参考关键词进行匹配,若匹配一致,则导出与参考关键词关联的图片数据的过程包括:
所述图片检索模块中设置有用户操作单元和数据对比单元;
所述用户操作单元用于用户根据其需求输入描述关键词,所述描述关键词的数量根据用户需求设置,将用户所输入的描述关键词发送至数据对比单元;
所述数据对比单元获取描述关键词,根据描述关键词获取数据储存模块中所储存的参考关键词,根据所获得的参考关键词获取对应的对应图片数据,将所获得的图片数据发送至用户账号中,由用户进行选择;
需要进一步说明的是,在具体实施过程中,所述数据对比单元获取相关参考关键词信息时,当用户输入的描述关键词数量为多个时,则所选取的图片数据必须均包含对应参考关键词,从而提高了图片资产搜索的精准性和效率。
如图2所示,一种云盘图片资产精准搜索系统的搜索方案,包括以下步骤:
步骤S1:获取用户账号,用户登录其用户账号后录入相关数据信息;
步骤S2:对录入的数据信息进行分类,将数据信息划分为图片数据和分图片数据;
步骤S3:对图片数据进行图像分割处理,获取分割图像,提取分割图像的特征数据,根据特征数据设置对应的参考关键词,并将其与图片数据关联;
步骤S4:对非图片数据和图片数据以及其关联信息进行储存;
步骤S5:由用户输入描述关键词,将描述关键词与参考关联词进行匹配,根据匹配结果获取与参考关键词相关联的图片数据,将所获取的图片数据由用户进行选择。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (8)
1.一种云盘图片资产精准搜索系统,包括云盘管理中心,其特征在于,所述云盘管理中心通信连接有数据录入模块、数据预处理模块、数据处理模块、数据储存模块以及图片检索模块;
所述数据录入模块用于获取用户账号,用户完成登录后录入相关的数据信息进行储存,将所录入的数据信息发送至数据预处理模块;
所述数据预处理模块用于对所获得的数据信息进行分类,根据其类型将其划分为图片数据和非图片数据,将分类结果发送至数据处理模块;
所述数据处理模块将非图片数据发送至数据储存模块进行储存,对图片数据进行图像分割处理,获取分割图像并提取其特征数据,根据特征数据对其设置参考关键词,将参考关键词与图片数据关联,将关联结果发送至数据储存模块进行储存;
所述数据储存模块分别用于对非图片数据以及经过数据处理模块处理后关联的参考关键词的图片数据进行储存;
所述图片检索模块用于用户输入云盘中所储存图片数据的描述关键词,根据描述关键词与数据储存模块对应的参考关键词进行匹配,若匹配一致,则导出与参考关键词关联的图片数据。
2.根据权利要求1所述的一种云盘图片资产精准搜索系统,其特征在于,所述数据录入模块获取用户账号,用户完成登录后录入相关的数据信息进行储存,将所录入的数据信息发送至数据预处理模块的过程包括:
所述数据录入模块中设置有账号录入单元和数据录入单元;
所述账号录入单元用于获取用户账号和登录密码,所述云盘管理中心储存有相关用户账号对应的登录密码,并根据用户账号储存对应用户的数据信息;所述账号录入单元将对应用户账号和登录密码与云盘管理中心所储存的进行匹配,若匹配成功,则获取该用户账号中所储存的数据信息,并对相关数据信息进行管理;
所述数据录入单元用于用户上传需要储存的数据信息,将其所上传的数据信息与用户对应的用户账号相互关联,并将所提交的数据信息发送中数据预处理模块。
3.根据权利要求2所述的一种云盘图片资产精准搜索系统,其特征在于,所述数据预处理模块对所获得的数据信息进行分类,根据其类型将其划分为图片数据和非图片数据,将分类结果发送至数据处理模块的过程包括:
所述数据预处理模块获取所提交的数据信息;所述数据预处理模块中设置有用于对数据信息进行分类识别的分类算法,获取数据储存模块中相关数据信息,将其记为类别训练集,所述类别训练集中包括数据信息以及对应类别,通过分类算法对类别训练集进行分析训练,获得预测分类结果,将预测分类结果与类别训练集中的对应类别进行匹配,对匹配一致的结果进行标记,获得标记数量,设置达标阈值,当标记数量大于达标阈值时,则完成对分类算法的训练;将所获得的数据信息输入至分类算法中进行分析,输出分类结果,所述分类结果包括图片数据和非图片数据;将分类结果发送中数据处理模块。
4.根据权利要求3所述的一种云盘图片资产精准搜索系统,其特征在于,所述数据处理模块将非图片数据发送至数据储存模块进行储存的过程包括:
所述数据处理模块中设置有数据分流单元和图片处理单元;
所述数据分流单元用于获取数据预处理模块的分类结果,将非图片数据发送至数据储存模块;对图片数据的数量进行标记,获得标记数量,获取该用户账号中所储存的图片数据的储存数量,将所获得的标记数量和储存数量进行加法运算,获得综合数量;所述数据分流单元中设置有处理阈值;当综合数量小于处理阈值时,则将图片数据发送至数据储存模块中直接储存,当综合数量大于等于处理阈值时,则将该图片数据和数据储存模块中所储存的图片数据发送图片处理单元进行分析处理。
5.根据权利要求4所述的一种云盘图片资产精准搜索系统,其特征在于,所述数据处理模块对图片数据进行分片处理,根据分片结果提取其特征数据,根据特征数据类型对其设置描述关键词,将所提取的数据信息与图片数据关联的过程包括:
所述图片处理单元用于对图片数据进行处理,获取特征信息,其中设置有关键词数据库,所述关键词数据库用于储存图片数据中特征信息对应的关键字;所述图片处理单元将所获得的图片数据对应的各个像素点位置处计算对应的偏导数,通过计算其偏导数获得图片数据中的边缘算子,根据边缘算子图片数据中的图像边缘进行检测,根据检测结果将图片数据进行分割,获取图片数据的分割图像;
所述图片处理单元中设置有用于特征数据识别的卷积神经网络,所述卷积神经网络用于对分割图像进行分析处理,提取其特征数据,将所提取的特征数据映射至关键词数据库,获取特征数据对应的参考关键词;获取该图片数据各个分割图像对应的参考关键词,将其进行关联并发送至数据储存模块。
6.根据权利要求5所述的一种云盘图片资产精准搜索系统,其特征在于,所述数据储存模块分别对非图片数据以及经过数据处理模块处理后关联的参考关键词的图片数据进行储存的过程包括:
所述数据储存模块中设置有图片储存单元和非图片储存单元;
所述图片储存单元中设置有图片储存空间和关键词储存空间,所述图片储存空间用于储存图片数据;所述关键词储存空间与图片储存空间相互关联,当图片数据储存在图片储存空间时,在关键词储存空间内储存与该图片数据相互关联的参考关键词;
所述非图片储存单元用于储存对应用户账号所上传的非图片数据。
7.根据权利要求6所述的一种云盘图片资产精准搜索系统,其特征在于,所述图片检索模块通过用户输入云盘中所储存图片数据的描述关键词,根据描述关键词与数据储存模块对应的参考关键词进行匹配,若匹配一致,则到处与参考关键词关联的图片数据的过程包括:
所述图片检索模块中设置有用户操作单元和数据对比单元;
所述用户操作单元用于用户根据其需求输入描述关键词,所述描述关键词的数量根据用户需求设置,将用户所输入的描述关键词发送至数据对比单元;
所述数据对比单元获取描述关键词,根据描述关键词获取数据储存模块中所储存的参考关键词,根据所获得的参考关键词获取对应的对应图片数据,将所获得的图片数据发送至用户账号中,由用户进行选择。
8.根据权利要求1至7任一项所述的一种云盘图片资产精准搜索系统的搜索方法,其特征在于,包括以下步骤:
步骤S1:获取用户账号,用户登录其用户账号后录入相关数据信息;
步骤S2:对录入的数据信息进行分类,将数据信息划分为图片数据和分图片数据;
步骤S3:对图片数据进行图像分割处理,获取分割图像,提取分割图像的特征数据,根据特征数据设置对应的参考关键词,并将其与图片数据关联;
步骤S4:对非图片数据和图片数据以及其关联信息进行储存;
步骤S5:由用户输入描述关键词,将描述关键词与参考关联词进行匹配,根据匹配结果获取与参考关键词相关联的图片数据,将所获取的图片数据由用户进行选择。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410571703.3A CN118132859B (zh) | 2024-05-10 | 2024-05-10 | 一种云盘图片资产精准搜索系统与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410571703.3A CN118132859B (zh) | 2024-05-10 | 2024-05-10 | 一种云盘图片资产精准搜索系统与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118132859A true CN118132859A (zh) | 2024-06-04 |
CN118132859B CN118132859B (zh) | 2024-07-26 |
Family
ID=91236244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410571703.3A Active CN118132859B (zh) | 2024-05-10 | 2024-05-10 | 一种云盘图片资产精准搜索系统与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118132859B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809204A (zh) * | 2015-04-27 | 2015-07-29 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN111104536A (zh) * | 2019-12-24 | 2020-05-05 | Oppo广东移动通信有限公司 | 图片搜索方法、装置、终端及存储介质 |
US20210240758A1 (en) * | 2020-01-30 | 2021-08-05 | Electronics And Telecommunications Research Institute | Method of image searching based on artificial intelligence and apparatus for performing the same |
CN113934869A (zh) * | 2021-09-23 | 2022-01-14 | 阿里云计算有限公司 | 一种数据库构建方法、多媒体文件的检索方法及装置 |
CN115661834A (zh) * | 2022-10-24 | 2023-01-31 | 合肥大多数信息科技有限公司 | 一种多功能数据检索系统及方法 |
KR20240026788A (ko) * | 2022-08-22 | 2024-02-29 | 주식회사 스톡폴리오 | 영상 컨텐츠 키워드 태깅 시스템 및 이를 이용한 영상 컨텐츠 키워드 태깅 방법 |
-
2024
- 2024-05-10 CN CN202410571703.3A patent/CN118132859B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104809204A (zh) * | 2015-04-27 | 2015-07-29 | 小米科技有限责任公司 | 图片处理方法及装置 |
CN111104536A (zh) * | 2019-12-24 | 2020-05-05 | Oppo广东移动通信有限公司 | 图片搜索方法、装置、终端及存储介质 |
US20210240758A1 (en) * | 2020-01-30 | 2021-08-05 | Electronics And Telecommunications Research Institute | Method of image searching based on artificial intelligence and apparatus for performing the same |
CN113934869A (zh) * | 2021-09-23 | 2022-01-14 | 阿里云计算有限公司 | 一种数据库构建方法、多媒体文件的检索方法及装置 |
KR20240026788A (ko) * | 2022-08-22 | 2024-02-29 | 주식회사 스톡폴리오 | 영상 컨텐츠 키워드 태깅 시스템 및 이를 이용한 영상 컨텐츠 키워드 태깅 방법 |
CN115661834A (zh) * | 2022-10-24 | 2023-01-31 | 合肥大多数信息科技有限公司 | 一种多功能数据检索系统及方法 |
Non-Patent Citations (1)
Title |
---|
王星星;毕建涛;池天河;: "基于元数据的语义识别搜索方法的研究与实现", 测绘科学, no. 05, 20 September 2008 (2008-09-20) * |
Also Published As
Publication number | Publication date |
---|---|
CN118132859B (zh) | 2024-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109284729B (zh) | 基于视频获取人脸识别模型训练数据的方法、装置和介质 | |
US8868555B2 (en) | Computation of a recongnizability score (quality predictor) for image retrieval | |
EP1530157B1 (en) | Image matching system using 3-dimensional object model, image matching method, and image matching program | |
US7697039B2 (en) | Image transmitting system, an image transmitting method, and a machine readable medium storing thereon a computer program for transmitting images | |
EP2164009A2 (en) | Architecture for mixed media reality retrieval of locations and registration of images | |
CN107590491B (zh) | 一种图像处理方法及装置 | |
WO2020164278A1 (zh) | 一种图像处理方法、装置、电子设备和可读存储介质 | |
TWI712980B (zh) | 理賠資訊提取方法和裝置、電子設備 | |
JP2007206920A (ja) | 画像処理装置および方法、検索装置および方法、プログラム、並びに記録媒体 | |
CN112084812B (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
US10423817B2 (en) | Latent fingerprint ridge flow map improvement | |
CN111625687B (zh) | 一种在媒资视频库中通过人脸快速搜索人物的方法及系统 | |
US20210200994A1 (en) | Processing method of learning face recognition by artificial intelligence module | |
WO2022134580A1 (zh) | 证件信息的获取方法及装置、存储介质、计算机设备 | |
US7684594B2 (en) | Method and apparatus for estimating object part location in digital image data using feature value analysis | |
CN104504161B (zh) | 一种基于机器人视觉平台的图像检索方法 | |
KR101093107B1 (ko) | 영상정보 분류방법 및 장치 | |
US10755074B2 (en) | Latent fingerprint pattern estimation | |
Gupta et al. | HaarCascade and LBPH Algorithms in Face Recognition Analysis | |
JP2000259669A (ja) | 文書分類装置及びその方法 | |
KR102230559B1 (ko) | 데이터 프로그래밍에 기반한 레이블링 모델 생성 방법 및 장치 | |
CN118132859B (zh) | 一种云盘图片资产精准搜索系统与方法 | |
CN111694979A (zh) | 一种基于图像的档案管理方法、系统、设备和介质 | |
CN112464015B (zh) | 一种基于深度学习的图像电子证据筛选方法 | |
CN116166842A (zh) | 一种基于ai技术的快速筛选与属性比对的方法及系统 |
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 |