RU2015133980A - Способ и устройство для классификации изображений - Google Patents

Способ и устройство для классификации изображений Download PDF

Info

Publication number
RU2015133980A
RU2015133980A RU2015133980A RU2015133980A RU2015133980A RU 2015133980 A RU2015133980 A RU 2015133980A RU 2015133980 A RU2015133980 A RU 2015133980A RU 2015133980 A RU2015133980 A RU 2015133980A RU 2015133980 A RU2015133980 A RU 2015133980A
Authority
RU
Russia
Prior art keywords
image
images
class
accordance
information
Prior art date
Application number
RU2015133980A
Other languages
English (en)
Other versions
RU2643464C2 (ru
Inventor
Тао Чжан
Фэй Лун
Чжицзюнь Чжэнь
Original Assignee
Сяоми Инк.
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Сяоми Инк. filed Critical Сяоми Инк.
Publication of RU2015133980A publication Critical patent/RU2015133980A/ru
Application granted granted Critical
Publication of RU2643464C2 publication Critical patent/RU2643464C2/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Library & Information Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Image Analysis (AREA)

Claims (68)

1. Способ классификации изображений, содержащий:
получение изображений, подлежащих классификации;
определение класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;
классификация изображений, в соответствии с классом каждого изображения.
2. Способ по п. 1, дополнительно содержащий:
если изображение относится к классу текстовых изображений, получение информации о времени пригодности и информации о текущем времени текстовой информации в изображении;
обнаружение того, превышает ли время истечения срока пригодности изображения первый заданный период, в соответствии с информацией о времени пригодности и информацией о текущем времени; и
если да, удаление изображения.
3. Способ по п. 2, в котором получение информации о времени пригодности и информации о текущем времени текстовой информации в изображении содержит:
считывание информации о времени пригодности из текста, записанного в изображении, или прием информации о времени пригодности, введенной при сохранении изображения;
получение информации о текущем времени.
4. Способ по п. 2, в котором процесс удаления изображения содержит:
создание и отображение сообщения с подсказкой, получение команды удаления, запущенной пользователем в соответствии с сообщением с подсказкой, и удаление изображения, в соответствии с командой удаления, причем сообщение с подсказкой сконфигурировано для подсказки об истечении времени изображения; или
передачу изображения в буфер переработки, получение времени хранения изображения в буфере переработки, и удаление изображения, если время хранения превышает второй заданный период времени; или
передачу изображения в буфер переработки, получение команды опустошения для опустошения буфера переработки и удаление изображения, в соответствии с командой опустошения.
5. Способ по п. 1, дополнительно содержащий:
добавление каждого классифицированного изображения в папку, соответствующую классу изображения, и отображение папки; или
добавление каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображение серии сворачиваемых изображений.
6. Способ по п. 5, в котором отображение серии сворачиваемых изображений содержит:
извлечение презентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечение презентационного изображения с последним временем сохранения из серии сворачиваемых изображений;
отображение презентационного изображения серии сворачиваемых изображений без отображения других изображений в серии сворачиваемых изображений или отображение презентационного изображения серии сворачиваемых изображений и краевых участков других изображений.
7. Способ по любому из пп. 1-6, в котором определение класса каждого изображения в соответствии с пояснением признаков изображения содержит:
извлечение пояснения признаков каждого пикселя в изображении;
оценку пояснения признаков в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством проверочной выборки изображений, и выборочные изображения содержат текстовые изображения и нетекстовые изображения;
определение класса изображения, в соответствии с результатом оценки.
8. Способ по п. 7, дополнительно содержащий:
нормализацию разрешения выборочных изображений до заданного разрешения;
извлечение пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении;
вычисление гистограммы изображения каждого блока выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения;
получение модели опорных векторов (Support Vector Machine), согласно типов выборочных изображений и гистограмм.
9. Способ по п. 1, в котором пояснением признаков является значение признака Габора или значение направления градиента.
10. Устройство классификации изображений, содержащее:
модуль получения изображений, сконфигурированный для получения изображений, подлежащих классификации;
модуль определения класса, сконфигурированный для определения класса каждого изображения, в соответствии с пояснением признаков изображения, полученного модулем получения изображений, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;
модуль классификации изображений, сконфигурированный для классификации изображений, в соответствии с классом каждого изображения, определенным модулем определения класса.
11. Устройство по п. 10, дополнительно содержащее:
модуль получения информации, сконфигурированный для получения информации о времени пригодности и информации о текущем времени текстовой информации в изображении, если изображение относится к классу текстовых изображений;
модуль определения длительности, сконфигурированный для обнаружения того, превышает ли время истечения изображения первый заданный период, в соответствии с информацией о времени пригодности и информацией о текущем времени, полученной модулем получения данных;
модуль удаления изображений, сконфигурированный для удаления изображения, если модуль определения длительности обнаруживает, что время истечения изображения превышает первый заданный период времени.
12. Устройство по п. 11, в котором модуль получения информации сконфигурирован для:
считывания информации о времени пригодности из текста, записанной в изображении, или приема информации о времени пригодности, введенной при сохранении изображения; и
получения текущих данных времени.
13. Устройство по п. 11, в котором модуль удаления изображений содержит:
первый подмодуль удаления, сконфигурированный для создания и отображения сообщения с подсказкой, получения команды удаления, запущенной пользователем в соответствии с сообщением с подсказкой, и удаления изображения, в соответствии с командой удаления, причем сообщение с подсказкой сконфигурировано для подсказки об истечении времени изображения; или
второй подмодуль удаления, сконфигурированный для передачи изображения в буфер переработки, для получения времени хранения изображения в буфере переработки, и для удаления изображения, если время хранения превышает второй заданный период времени, или сконфигурированный для передачи изображения в буфер переработки, для получения команды опустошения для опустошения буфера переработки и удаления изображения, в соответствии с командой опустошения.
14. Устройство по п. 10, дополнительно содержащее:
первый модуль отображения, сконфигурированный для добавления каждого классифицированного изображения в папку, соответствующую классу изображения, и отображения папки; или
второй модуль отображения, сконфигурированный для добавления каждого классифицированного изображения в серию сворачиваемых изображений, соответствующую классу изображения, и отображения серии сворачиваемых изображений.
15. Устройство по п. 14, в котором второй модуль отображения содержит:
подмодуль извлечения изображений, сконфигурированный для извлечения резентационного изображения с самым лучшим качеством из серии сворачиваемых изображений или извлечения презентационного изображения с последним временем сохранения из серии сворачиваемых изображений;
подмодуль отображения изображений, сконфигурированный для отображения презентационного изображения серии сворачиваемых изображений, извлеченного подмодулем извлечения изображений, без отображения других изображений в серии сворачиваемых изображений или отображения презентационного изображения серии сворачиваемых изображений и краевых участков других изображений.
16. Устройство по любому из пп. 10-15, в котором модуль определения класса содержит:
подмодуль извлечения признаков, сконфигурированный для извлечения пояснения признаков каждого пикселя в изображении;
подмодуль оценки признаков, сконфигурированный для оценки пояснений признаков, извлеченных подмодулем извлечения признаков, в соответствии с моделью опорных векторов (Support Vector Machine), причем модель опорных векторов (Support Vector Machine) получается посредством проверочной выборки изображений, и выборочные изображения содержат текстовые изображения и нетекстовые изображения;
подмодуль определения класса, сконфигурированный для определения класса изображения, в соответствии с результатом оценки, выполненной подмодулем оценки признаков.
17. Устройство по п. 16, дополнительно содержащее:
модуль нормализации разрешения, сконфигурированный для нормализации разрешения выборочных изображений до заданного разрешения;
модуль извлечения признаков, сконфигурированный для извлечения пояснения признаков каждого пикселя в каждом нормализованном выборочном изображении;
модуль вычисления гистограмм, сконфигурированный для вычисления гистограммы каждого блока выборочного изображения, причем блок выборочного изображения получается путем деления площади выбранного изображения;
модуль определения модели, сконфигурированный для получения модели опорных векторов (Support Vector Machine), в соответствии с типами выборочных изображений и гистограмм, полученными модулем вычисления гистограмм.
18. Устройство по п. 10, в котором пояснением признаков является значение признака Габора или значение направления градиента.
19. Устройство классификации изображений, содержащее:
процессор;
память, сконфигурированную для хранения команд, исполняемых процессором;
где процессор сконфигурирован для:
получения изображений, подлежащих классификации;
определения класса каждого изображения, в соответствии с пояснением признаков изображения, причем класс содержит класс текстовых изображений и класс нетекстовых изображений;
классификации изображений, в соответствии с классом каждого изображения.
RU2015133980A 2014-12-31 2015-04-30 Способ и устройство для классификации изображений RU2643464C2 (ru)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201410851146.7A CN104615656B (zh) 2014-12-31 2014-12-31 图片分类方法及装置
CN201410851146.7 2014-12-31
PCT/CN2015/078114 WO2016107037A1 (zh) 2014-12-31 2015-04-30 图片分类方法及装置

Publications (2)

Publication Number Publication Date
RU2015133980A true RU2015133980A (ru) 2017-02-17
RU2643464C2 RU2643464C2 (ru) 2018-02-01

Family

ID=53150100

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2015133980A RU2643464C2 (ru) 2014-12-31 2015-04-30 Способ и устройство для классификации изображений

Country Status (8)

Country Link
EP (1) EP3040884B1 (ru)
JP (1) JP2017509090A (ru)
KR (1) KR101734860B1 (ru)
CN (1) CN104615656B (ru)
BR (1) BR112015019383A2 (ru)
MX (1) MX360492B (ru)
RU (1) RU2643464C2 (ru)
WO (1) WO2016107037A1 (ru)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105989330A (zh) * 2015-02-03 2016-10-05 阿里巴巴集团控股有限公司 一种图片检测方法及设备
CN106445493A (zh) * 2016-08-11 2017-02-22 广东欧珀移动通信有限公司 一种锁屏图片播放的方法及相关设备
CN106815598B (zh) * 2016-12-15 2020-09-11 歌尔科技有限公司 一种360度全景图片的识别方法和装置
CN106649850A (zh) * 2016-12-30 2017-05-10 宇龙计算机通信科技(深圳)有限公司 一种数据自动删除方法及装置
CN109523281A (zh) * 2018-11-26 2019-03-26 北京拓世寰宇网络技术有限公司 一种确定房源图片类别的方法及装置
CN111414472A (zh) * 2018-12-18 2020-07-14 北京奇虎科技有限公司 基于光学字符识别的图片检测方法、装置及电子设备
CN110414519B (zh) * 2019-06-27 2023-11-14 众安信息技术服务有限公司 一种图片文字的识别方法及其识别装置、存储介质
CN113268621B (zh) * 2020-02-17 2024-04-30 百度在线网络技术（北京）有限公司 图片排序方法、装置、电子设备及存储介质
KR102422962B1 (ko) * 2021-07-26 2022-07-20 주식회사 크라우드웍스 다중 인공지능 모델의 연속 처리 구조에 기반한 이미지 자동 분류 및 처리 방법, 그리고 이를 실행시키기 위해 컴퓨터 판독가능 기록매체에 저장된 컴퓨터 프로그램

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08320819A (ja) * 1995-05-25 1996-12-03 Ricoh Co Ltd 文書管理装置
JP2002169417A (ja) * 2000-12-04 2002-06-14 Ricoh Co Ltd 画像形成装置
US6853755B2 (en) * 2001-03-28 2005-02-08 Sharp Laboratories Of America, Inc. Method and apparatus for adaptive compression of scanned documents
JP3622913B2 (ja) * 2002-03-25 2005-02-23 ソニー株式会社 情報画像利用システム、情報画像管理装置、情報画像管理方法、ユーザ情報画像、及び、プログラム、記録媒体
JP2004013575A (ja) * 2002-06-07 2004-01-15 Konica Minolta Holdings Inc 画像処理装置、画像処理方法、及びプログラム
JP4056915B2 (ja) * 2003-03-25 2008-03-05 富士フイルム株式会社 画像表示方法及びプリント注文受付装置並びにプリント注文受付システム
RU2254610C2 (ru) * 2003-09-04 2005-06-20 Государственное научное учреждение научно-исследовательский институт "СПЕЦВУЗАВТОМАТИКА" Способ автоматической классификации документов
JP2005322084A (ja) * 2004-05-10 2005-11-17 Fuji Xerox Co Ltd 文書管理装置および方法
JP4352264B2 (ja) * 2005-03-29 2009-10-28 セイコーエプソン株式会社 画像処理装置、画像処理方法および画像処理プログラム
JP2009110477A (ja) * 2007-11-01 2009-05-21 Fujitsu Ltd ファイル管理装置及びファイル管理プログラム
JP2009123020A (ja) * 2007-11-15 2009-06-04 Canon Inc 情報処理装置、情報処理方法、プログラム及び記憶媒体
US20100306176A1 (en) * 2009-01-28 2010-12-02 Digitiliti, Inc. Deduplication of files
KR101566196B1 (ko) * 2009-03-02 2015-11-05 삼성전자주식회사 히스토그램 분석을 이용한 영상 분류 방법 및 장치, 이를 이용한 문자 인식 방법 및 장치
JP5253265B2 (ja) * 2009-03-27 2013-07-31 オリンパスイメージング株式会社 画像再生装置及び画像表示制御方法
JP2011028378A (ja) * 2009-07-22 2011-02-10 Fuji Xerox Co Ltd 情報処理装置、承認支援システム及びプログラム
CN102253935A (zh) * 2010-05-18 2011-11-23 鸿富锦精密工业（深圳）有限公司 相片分类系统及方法
JP2012038214A (ja) * 2010-08-10 2012-02-23 Toshiba Tec Corp 読取装置およびプログラム
JP5278396B2 (ja) * 2010-09-27 2013-09-04 ブラザー工業株式会社 画像形成制御プログラム、画像形成制御方法および画像処理装置
JP2012088992A (ja) * 2010-10-21 2012-05-10 Nec Saitama Ltd 文書情報管理装置及びその処理方法とプログラム、携帯端末
JP2012155506A (ja) * 2011-01-26 2012-08-16 Panasonic Corp 情報端末、及び画面部品選択方法
US9916538B2 (en) * 2012-09-15 2018-03-13 Z Advanced Computing, Inc. Method and system for feature detection
JP5771591B2 (ja) * 2012-11-29 2015-09-02 京セラドキュメントソリューションズ株式会社 画像処理装置、画像形成装置、及び画像処理プログラム
CN103412753A (zh) * 2013-08-12 2013-11-27 宇龙计算机通信科技(深圳)有限公司 图片删除方法及装置

Also Published As

Publication number Publication date
KR20160092484A (ko) 2016-08-04
CN104615656B (zh) 2018-07-31
MX2015009736A (es) 2016-08-17
RU2643464C2 (ru) 2018-02-01
CN104615656A (zh) 2015-05-13
MX360492B (es) 2018-11-06
BR112015019383A2 (pt) 2017-07-18
WO2016107037A1 (zh) 2016-07-07
KR101734860B1 (ko) 2017-05-12
EP3040884B1 (en) 2019-10-09
EP3040884A1 (en) 2016-07-06
JP2017509090A (ja) 2017-03-30

Similar Documents

Publication Publication Date Title
RU2015133980A (ru) Способ и устройство для классификации изображений
US9626577B1 (en) Image selection and recognition processing from a video feed
CN111681273B (zh) 图像分割方法、装置、电子设备及可读存储介质
US8861884B1 (en) Training classifiers for deblurring images
US20200311460A1 (en) Character identification method and device
RU2018145499A (ru) Автоматизация проверки достоверности изображения
US9141881B2 (en) Method and apparatus of classification and object detection, image pickup and processing device
US11227153B2 (en) Automated systems and methods for identifying fields and regions of interest within a document image
KR102087882B1 (ko) 시각적 이미지 매칭을 기반으로 한 미디어 스트림 식별 장치 및 방법
CN103988202A (zh) 基于索引和搜索的图像吸引力
US8643741B2 (en) Orientation detection using image processing
JP2017508197A5 (ru)
EP2161678A3 (en) Image processing apparatus, imaging apparatus, image processing method, and program
US10459966B2 (en) Method, electronic device, and computer readable medium for photo organization
JP2011511366A5 (ru)
CN108229289B (zh) 目标检索方法、装置和电子设备
US20120057745A9 (en) Detection of objects using range information
CN110348392B (zh) 车辆匹配方法及设备
US20150146991A1 (en) Image processing apparatus and image processing method of identifying object in image
CN109271910A (zh) 一种文字识别、文字翻译方法和装置
US20210182548A1 (en) Automated systems and methods for identifying fields and regions of interest within a document image
US9342753B2 (en) Image processing apparatus, image processing method, and computer program product
CN107203573A (zh) 一种基于关注点信息的信息推送方法及装置
Peng et al. Product barcode and expiry date detection for the visually impaired using a smartphone
WO2017069741A1 (en) Digitized document classification