TWI713908B - 資料處理的方法、裝置及設備 - Google Patents
資料處理的方法、裝置及設備 Download PDFInfo
- Publication number
- TWI713908B TWI713908B TW107135547A TW107135547A TWI713908B TW I713908 B TWI713908 B TW I713908B TW 107135547 A TW107135547 A TW 107135547A TW 107135547 A TW107135547 A TW 107135547A TW I713908 B TWI713908 B TW I713908B
- Authority
- TW
- Taiwan
- Prior art keywords
- merchant
- carbon
- image
- saving
- recognized
- Prior art date
Links
- 238000003672 processing method Methods 0.000 title abstract description 11
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 221
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 221
- 238000000034 method Methods 0.000 claims abstract description 53
- 230000006399 behavior Effects 0.000 claims description 158
- 238000012545 processing Methods 0.000 claims description 37
- 230000015654 memory Effects 0.000 claims description 30
- 238000012549 training Methods 0.000 claims description 16
- 238000012512 characterization method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 18
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 4
- 235000017491 Bambusa tulda Nutrition 0.000 description 4
- 241001330002 Bambuseae Species 0.000 description 4
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 4
- 239000011425 bamboo Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 239000005431 greenhouse gas Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0208—Trade or exchange of goods or services in exchange for incentives or rewards
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0217—Discounts or incentives, e.g. coupons or rebates involving input on products or services in exchange for incentives or rewards
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本說明書揭示一種資料處理的方法、裝置及設備，該方法中在獲取到用戶針對商戶所採集到的待識別圖像後，可以透過預先訓練的圖像識別模型，對該待識別圖像進行識別，以識別該商戶的節碳行為，並根據識別出的節碳行為，確定表徵該商戶的節碳量的值。
Description
本說明書係有關電腦技術領域，尤其有關一種資料處理的方法、裝置及設備。
碳排放，是關於溫室氣體排放的一個總稱或簡稱。人們的日常生活都可能直接或間接的促使碳排放的發生，如汽車尾氣排放、火力發電、一次性商品的使用等。隨著碳排放的日益加劇，人們賴以生存的環境的破壞程度也在逐漸增加。 目前，人們正透過多種途徑來減少碳排放的發生，如，研發並推廣更為清潔的電動汽車，建設更多的風力、水力發電站，製造並使用更為環保的消耗品等。然而，目前並沒有有效的節碳量量化準則，使人們對自己實際生活中的節碳情況進行瞭解，進而也就無法基於實際生活中的節碳情況對後續的節碳工作進行更為有效的開展。 基於此，如何對人們的日常生活中的節碳量進行有效量化則是一個亟待解決的問題。
本說明書提供一種資料處理的方法，用以解決現有技術中節碳量無法有效量化的問題。 本說明書提供了一種資料處理的方法，包括： 獲取用戶發送的待識別圖像，所述待識別圖像是所述用戶針對商戶所採集的； 透過預先訓練的圖像識別模型，對所述待識別圖像進行識別，以識別所述商戶的節碳行為； 根據所述節碳行為，確定表徵所述商戶的節碳量的值。 本說明書提供一種資料處理的裝置，用以解決現有技術中節碳量無法有效量化的問題。 本說明書提供了一種資料處理的裝置，包括： 獲取模組，獲取用戶發送的待識別圖像，所述待識別圖像是所述用戶針對商戶所採集的； 識別模組，透過預先訓練的圖像識別模型，對所述待識別圖像進行識別，以確定商戶的節碳行為； 確定模組，根據所述節碳行為，確定表徵所述商戶的節碳量的值。 本說明書提供一種資料處理的設備，用以解決現有技術中節碳量無法有效量化的問題。 本說明書提供了一種資料處理的設備，包括一個或多個記憶體以及處理器，所述記憶體儲存程式，並且被配置成由所述一個或多個處理器執行以下步驟： 獲取用戶發送的待識別圖像，所述待識別圖像是所述用戶針對商戶所採集的； 透過預先訓練的圖像識別模型，對所述待識別圖像進行識別，以識別所述商戶的節碳行為； 根據所述節碳行為，確定表徵所述商戶的節碳量的值。 本說明書提供一種資料處理的方法，用以解決現有技術中節碳量無法有效量化的問題。 本說明書提供了一種資料處理的方法，包括： 採集針對商戶的待識別圖像； 將所述待識別圖像發送給伺服器，以使伺服器透過預先訓練的圖像識別模型，對所述待識別圖像進行識別，以識別所述商戶的節碳行為，並根據所述節碳行為，確定表徵所述商戶的節碳量的值。 本說明書提供一種資料處理的裝置，用以解決現有技術中節碳量無法有效量化的問題。 本說明書提供了一種資料處理的裝置，包括： 採集模組，採集針對商戶的待識別圖像； 發送模組，將所述待識別圖像發送給伺服器，以使伺服器透過預先訓練的圖像識別模型，對所述待識別圖像進行識別，以識別所述商戶的節碳行為，並根據所述節碳行為，確定表徵所述商戶的節碳量的值。 本說明書提供一種資料處理的設備，用以解決現有技術中節碳量無法有效量化的問題。 本說明書提供了一種資料處理的設備，包括一個或多個記憶體以及處理器，所述記憶體儲存程式，並且被配置成由所述一個或多個處理器執行以下步驟： 採集針對商戶的待識別圖像； 將所述待識別圖像發送給伺服器，以使伺服器透過預先訓練的圖像識別模型，對所述待識別圖像進行識別，以識別所述商戶的節碳行為，並根據所述節碳行為，確定表徵所述商戶的節碳量的值。 本說明書採用的上述至少一個技術方案能夠達到以下有益效果： 在本說明書一個或多個實施例中，在獲取到用戶針對商戶採集到的待識別圖像後，可以透過預先訓練的圖像識別模型，對該待識別圖像進行識別，以識別該商戶的節碳行為，並根據識別出的節碳行為，確定表徵該商戶的節碳量的值。 由於可以基於用戶針對商戶採集的待識別圖像，對商戶的節碳行為進行識別，從而根據識別出的商戶的節碳行為，對該商戶的節碳量進行有效的量化，因此，基於針對節碳量所量化出的值，可使商戶瞭解自身的實際節碳情況，並基於瞭解到的實際節碳情況而對後續的節碳工作進行有效的開展，進而可為社會的節能減排工作帶來了積極的影響。
在本說明書中，用戶可以採集商戶的圖像，並將採集到的圖像透過終端發送給伺服器，以使伺服器基於用戶發送的圖像，對商戶實施的節碳行為進行量化。其中，該圖像中包括的與該商戶的節碳行為相關的資訊，可以是用戶主動針對該商戶的節碳行為進行採集的，也可以是用戶在該商戶中活動時，採集其他資訊的過程中順帶採集到了與該商戶實施的節碳行為相關的物品。例如，用戶在商戶中就餐時，拍攝菜肴的過程中採集到了非一次性筷子，這裡提到的非一次性筷子即是與商戶實施的節碳行為相關的物品。 由於用戶透過欺詐的手段，主動幫助商戶提高節碳行為的量化值的動機較小，所以，透過用戶針對商戶採集到的圖像對商戶的節碳行為進行量化，可以有效地避免商戶為提高自身節碳行為的量化值而進行作假的可能。 在本說明書中，對商戶的節碳量進行量化的執行主體可以是終端、伺服器等設備，為了方便對本說明書提供的資料處理方法進行說明，下面將僅以伺服器為例來進行描述。 為了使本技術領域的人員更好地理解本說明書的一個或多個實施例中的技術方案，下面將結合本說明書的一個或多個實施例中的附圖，對本說明書的一個或多個實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本說明書的一部分實施例，而不是全部的實施例。基於本說明書中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都應當屬於本說明書保護的範圍。 圖1為本說明書提供的資料處理過程的示意圖，具體包括以下步驟： S100：獲取用戶發送的待識別圖像。 在本說明書中，用戶可以對商戶進行圖像採集，得到待識別圖像，並將該待識別圖像發送給伺服器，伺服器可以對獲取到的待識別圖像進行識別。其中，這裡提到的待識別圖像可以是指用戶採集到的，包含商戶的節碳行為相關資訊的圖像，該待識別圖像的形式可以是視頻形式的，也可以是圖片形式的。而這裡提到的節碳行為可以分為兩類，一類是指商戶採取了諸如不使用一次性餐具、使用環保傢俱等促進節碳的積極行為，另一類是指商戶採取了諸如使用一次性餐具、過度燃煤等不促進節碳的消極行為。而用戶針對商戶的節碳行為進行圖像採集可以如圖2所示。 圖2為本說明書提供的用戶對商戶進行圖像採集的示意圖。 假設，用戶在商戶中就餐時，發現商戶提供的餐具均為非一次性餐具，則該用戶可以透過持有的手機對該商戶所提供的非一次性餐具進行圖像採集，得到待識別圖像，並將該待識別圖像發送給伺服器進行識別。 S102：透過預先訓練的圖像識別模型，對所述待識別圖像進行識別，以識別所述商戶的節碳行為。 伺服器在獲取到用戶透過終端發送的待識別圖像後，可以透過預先訓練的圖像識別模型，對該待識別圖像進行識別。其中，該圖像識別模型可以透過人工的方式，基於採集到的大量訓練樣本而得到的，這裡提到的圖像識別模型可以採用諸如MobileNet、Faster RCNN等常用的識別演算法，在此對所採用的識別演算法不作限定。 透過上述步驟S100可知，商戶的節碳行為可以分為兩類，因此，在本說明書中，伺服器可以透過該圖像識別模型，從獲取到的待識別圖像中識別出商戶的節碳行為具體屬於哪一類行為。例如，當伺服器透過預先訓練的圖像識別模型，從用戶發送的待識別圖像中識別出存在有筷子消毒機時，則可以確定商戶的節碳行為屬於促進節碳的積極行為。 伺服器除了可以透過用戶發送的待識別圖像，確定出商戶的節碳行為屬於哪一類行為之外，還可以確定出該商戶實施的節碳行為的具體形式。例如，伺服器透過該圖像識別模型，從待識別圖像中識別出節能燈時，可以確定出餐飲店實施節碳行為的具體形式為使用節能燈的積極行為；當伺服器透過該圖像識別模型，從該待識別圖像中識別出筷子消毒機時，則可以確定出該餐飲店實施節碳行為的具體形式為提供非一次性筷子的積極行為（因為一般來說，餐飲店使用筷子消毒機能夠表明該餐飲店提供的是非一次性筷子，而提供非一次性筷子則表明該餐飲店提高了節碳量）。 再例如，伺服器透過該圖像識別模型，從待識別圖像中識別出竹製傢俱時，則可以確定商戶實施節碳行為的具體形式為使用竹製傢俱的積極行為（一般來說，竹子的生長速度相較於樹木來說較快，所以，使用竹子傢俱可以降低樹木的砍伐，樹木砍伐量降低則提高了樹木對溫室氣體的吸收量，進而從側面提高了節碳量）。 在本說明書中，若伺服器透過預先訓練的圖像識別模型，無法從獲取到的待識別圖像中識別出商戶的節碳行為時，則可以向用戶發送標記提示，以使用戶對發送的待識別圖像進行標記。而伺服器則可以根據用戶發送的標記資訊，確定該商戶的節碳行為。 例如，假設用戶對筷子消毒機進行圖像採集，並將得到的待識別圖像發送到伺服器。而若伺服器無法透過預先訓練的圖像識別模型，從該待識別圖像中識別出商戶的節碳行為時，則可以向用戶發送標記提示，用戶查看到伺服器發送的標記提示後，可以將筷子消毒機這一標記資訊透過終端發送給伺服器，以使伺服器根據該標記資訊，確定出商戶的節碳行為（商戶的節碳行為具體屬於哪一類行為，以及節碳行為的具體形式等）。例如，當伺服器接收到用戶發送的標記資訊為：一次性筷子時，則可以確定出商戶的節碳行為屬於不促進節碳的消極行為，具體形式為使用一次性餐具。 通常情況下，上述圖像識別模型通常都是人為透過大量的訓練樣本預先訓練出來的，而這些訓練樣本通常都是人工進行標注的。因此，若後續需要對該圖像識別模型進一步調整，則需要再次透過人工標注的方式，確定出一些訓練樣本，從而透過這些訓練樣本對該圖像識別模型進行調整，這樣則會極大地耗費人力成本，同時降低了模型訓練的效率。 而在本說明書中，由於可以利用用戶發送的標記資訊對圖像識別模型進行訓練，相當於由用戶來完成對訓練樣本的標記工作，這樣在不斷提高圖像識別模型識別能力的同時，也極大地降低了訓練該圖像識別模型所消耗的人力成本，提高了模型訓練的效率。 S104：根據所述節碳行為，確定表徵所述商戶的節碳量的值。 伺服器確定出商戶的節碳行為後，可以確定出與該節碳行為相匹配的，表徵商戶的節碳量的值。其中，當該商戶的節碳行為屬於促進節碳的積極行為時，則表徵該商戶的節碳量的值可以是正值，而當該商戶的節碳行為屬於不促進節碳的消極行為時，則表徵該商戶的節碳量的值可以是負值。 在本說明書中，表徵該商戶的節碳量的值可以是積分形式的，亦即，伺服器可以根據該商戶的節碳行為，確定出表徵該商戶的節碳量的節碳積分。伺服器可將確定出的節碳積分添加至該商戶的節碳帳戶中。其中，這裡提到的節碳帳戶可以是該商戶事先開通的。該商戶事先可以將自身的商戶資訊提交給伺服器，以用來申請開通節碳帳戶，伺服器可以對該商戶提交的商戶資訊進行審核，並在確定該商戶提交的商戶資訊通過審核後，對該商戶開設節碳帳戶。 伺服器在確定出商戶的節碳行為後，可以進一步確定出的商戶的節碳行為所屬的行為類別，進而將與該行為類別對應的節碳積分添加至該商戶的節碳帳戶中。例如，假設伺服器根據識別出的節碳行為，確定該商戶的節碳行為屬於促進節碳的積極行為時，則可將與該積極行為對應的節碳積分添加至該商戶的節碳帳戶中，而當確定該商戶的節碳行為屬於不促進節碳的消極行為時，則可從該商戶的節碳帳戶中扣除與該消極行為對應的節碳積分。 伺服器也可以在確定出該商戶的節碳行為後，根據該節碳行為的具體形式，將與該具體形式相匹配的節碳積分添加至該商戶的節碳帳戶中。換句話說，對於不同的具體形式，可以對應不同的節碳積分，商戶採取不同的形式的節碳行為，可以獲取不同的節碳積分。例如，伺服器確定出該商戶的節碳行為的具體形式為使用筷子消毒機時，則可將與這一形式對應的節碳積分添加至該商戶的節碳帳戶中。再例如，伺服器確定出該商戶的節碳行為的具體形式為使用一次性餐具時，則可以將與這一形式對應的節碳積分從該商戶的節碳帳戶中扣除。 伺服器在確定出商戶的節碳行為的具體形式後，也可以透過該具體形式、預設的演算法以及其他資訊，確定出需要添加至該商戶的節碳帳戶的節碳積分。這裡提到的其他資訊可以是指用戶的信用等級、商戶受到的節碳好評次數等資訊，其中，當伺服器根據一個用戶發送的待識別圖像，確定出商戶的節碳行為是促進節碳的積極行為時，則可以算作是該商戶受到的一次節碳好評。 當然，伺服器也可以透過其他的方式，確定出節碳積分，並將該節碳積分添加至該商戶的節碳帳戶中，在此就不一一舉例說明了。 伺服器將確定出的節碳積分添加至該商戶的節碳帳戶的同時，也可以確定出發送待識別圖像的用戶的貢獻度，進而向該用戶的帳戶中添加該貢獻度和/或將與該貢獻度對應的虛擬物品發放給該用戶。 伺服器可以透過多種方式來確定該用戶的貢獻度。例如，積極的節碳行為可以包括多種具體形式，不同的具體形式對應不同的貢獻度，因此，伺服器可以根據確定出的節碳行為的具體形式，確定相應的貢獻度；或是根據用戶的信用等級，確定相應的貢獻度。當然，伺服器也可以透過其他的方式，確定用戶的貢獻度，在此就不一一舉例說明了。 上述提到的貢獻度的形式可以有很多，如，積分形式、紅包形式等。而上述提到的虛擬物品的形式也可以有很多，如，伺服器可將優惠券發放給用戶，也可以將一些業務的VIP許可權按時限發放給用戶。 為了進一步促進商戶實施積極的節碳行為，伺服器可以根據商戶的節碳帳戶中的節碳積分，向該商戶提供諸多便利服務。例如，伺服器在確定該商戶的節碳帳戶中的節碳積分超過設定積分或到達設定排名時，則可以將該商戶的資訊在商戶推薦首頁中展示，以進一步推廣該商戶。再例如，當確定該商戶的節碳帳戶中的節碳積分超過設定積分時，則可以提高該商戶的貸款額度。當然，伺服器根據商戶的節碳積分向商戶提供的便利服務還有很多，在此就不一一舉例說明了。 從上述方法中可以看出，由於可以基於用戶針對商戶採集的待識別圖像，對商戶的節碳行為進行識別，從而根據識別出的商戶的節碳行為，對該商戶的節碳量進行有效的量化，因此，基於針對節碳量所量化出的值，可使商戶瞭解自身的實際節碳情況，並基於瞭解到的實際節碳情況而對後續的節碳工作進行有效的開展，進而可為社會的節能減排工作帶來了積極的影響。 並且，伺服器可以利用用戶發送的標記資訊以及未識別出節碳行為的待識別圖像，對圖像識別模型進行訓練、調整，這樣則極大地降低了訓練該圖像識別模型所消耗的人力成本，提高了模型訓練的效率。 不僅如此，由於商戶的節碳行為可以使商戶獲取到相應的節碳積分，進而伺服器可以根據商戶的節碳帳戶中的節碳積分，為商戶提供便利服務，因此，隨著節碳帳戶在各商戶間的普及，以及節碳帳戶中節碳積分所帶來的獎勵機制，可以進一步促使積極的節碳行為能夠得到更為有效的推廣，從而對人們賴以生存的環境產生更為積極的影響。 在本說明書中，由於伺服器需要根據用戶發送的待識別圖像量化商戶的節碳量，因此，伺服器在透過圖1所示的步驟S100接收到用戶發送的待識別圖像後，需要確定出該待識別圖像屬於哪一個商戶，繼而基於該待識別圖像，確定出表徵該商戶的節碳量的值。在本說明書中，伺服器確定與上述待識別圖像相對應的商戶的方式可以有很多。例如，用戶透過手機對商戶進行評價時，可以透過該商戶的評價頁面將採集到的待識別圖像發送給伺服器，以使伺服器根據該待識別圖像，將確定出的節碳積分添加至用戶評價的商戶的節碳帳戶中。 再例如，用戶透過電子支付的方式進行結帳時，可以將採集到的待識別圖像發送給伺服器。伺服器可以根據從該待識別圖像中識別出的節碳行為，將與該節碳行為對應的節碳積分添加至用戶結帳時收款商戶的節碳帳戶中。 再例如，終端在採集商戶的節碳行為時，可以確定出採集節碳行為所基於的位置資訊，進而將採集到的待識別圖像以及確定出的位置資訊發送給伺服器，而伺服器則可以將基於該待識別圖像確定出的節碳積分添加至與該位置資訊對應的商戶的節碳帳戶中。當然，還可以透過其他的方式，確定與上述待識別圖像相對應的商戶，在此就不一一舉例說明了。 在本說明書中，終端可以將採集到的待識別圖像、商戶標識以及採集該待識別圖像所基於的位置資訊發送給伺服器，而伺服器則可以在確定該位置資訊與該商戶標識對應的商戶所處的位置相匹配時，再對該待識別圖像進行識別，並根據識別出的節碳行為，將與該節碳行為對應的節碳積分添加至該商戶的節碳帳戶中。 此舉的目的在於，一些商戶可能會在別處採集與自身並不相關的待識別圖像（如採集其他商戶的待識別圖像）實施欺詐行為。而透過上述方法可以看出，即使一些商戶採集了其他商戶的待識別圖像實施欺詐，伺服器也會基於採集該待識別圖像時所基於的位置資訊，將確定出的節碳積分添加至與該位置資訊對應的商戶的節碳帳戶中，從而有效的降低了商戶實施欺詐的可能。 在本說明書中，由於伺服器得到的上述標記資訊是用戶基於主觀而得出的，這就使得伺服器透過該標記資訊所確定出的商戶的節碳行為存在有錯誤的可能，而伺服器根據錯誤的標記資訊所確定出的節碳行為，確定表徵該商戶的節碳量的值，則可能會給該商戶或是其他的商戶帶來損失。 為了降低上述問題所帶來的不利影響，在本說明書中，當伺服器需要根據用戶發送的標記資訊來確定該商戶的節碳行為時，可以將該節碳行為所對應的基準值乘以確定出的信任係數，並將兩者的乘積確定為表徵該商戶的節碳量的值。 其中，伺服器確定信任係數的方式可以有很多。例如，不同的節碳行為（或節碳行為的不同具體形式），可以對應不同的信任係數。伺服器可以根據確定出的商戶的節碳行為（或節碳行為的具體形式），確定出相應的信任係數，進而根據該信任係數以及與該節碳行為對應的基準值，確定表徵該商戶的節碳量的值。 這裡提到的信任係數可以由人工來進行確定，對於那些伺服器無法透過圖像識別模型識別出節碳行為（或節碳行為的具體形式）的待識別圖像來說，伺服器的管理人員可以先根據用戶發送的標記資訊，確定出用戶針對這些待識別圖像所標記出的節碳行為（或節碳行為的具體形式），而後，針對用戶標記出的不同節碳行為（節碳行為的不同具體形式），對該節碳行為（或該具體形式）所對應的待識別圖像進行人工識別，以確定出用戶標記該節碳行為（或該具體形式）的準確率，進而根據確定出的準確率，確定出該節碳行為（或具體形式）所對應的信任係數。 當然，伺服器不僅可以基於確定出的節碳行為（或節碳行為的具體形式），來確定信任係數，還可以根據用戶的用戶資訊和/或商戶的商戶資訊，確定出該信任係數。其中，這裡提到的用戶資訊以及商戶的商戶資訊可以是指用戶或商戶的信用等級、節碳帳戶中現有節碳積分等資訊。至於其他確定信任係數的方式，在此就不一一舉例說明了。 為了進一步說明本說明書提供的資料處理方法，下面將透過一個具體的實例，對整個資料處理過程進行說明，如圖3所示。 圖3為本說明書提供的整個資料處理過程的示意圖。 從圖3可以看出，用戶可以透過對商戶實施的節碳行為來進行圖像採集，得到一定的獎勵，而商戶則可以透過用戶針對該商戶所採集的待識別圖像，獲取一定的節碳積分。所以，透過這種獎勵機制，可以促使更多的商戶實施積極的節碳行為，從而形成一個良性的循環，給整個社會的節能減排帶來積極的影響。 以上為本說明書的一個或多個實施例提供的資料處理方法，基於同樣的思路，本說明書還提供了相應的資料處理的裝置，如圖4、5所示。 圖4為本說明書提供的一種資料處理的裝置示意圖，具體包括： 獲取模組401，獲取用戶發送的待識別圖像，所述待識別圖像是所述用戶針對商戶所採集的； 識別模組402，透過預先訓練的圖像識別模型，對所述待識別圖像進行識別，以確定商戶的節碳行為； 確定模組403，根據所述節碳行為，確定表徵所述商戶的節碳量的值。 所述裝置還包括： 接收模組404，當透過所述圖像識別模型而未從所述待識別圖像中識別出所述商戶的節碳行為時，接收與所述用戶發送的所述待識別圖像對應的標記資訊，所述標記資訊包括所述用戶針對所述待識別圖像標記的所述商戶的節碳行為； 所述確定模組403，根據接收到的所述標記資訊，確定表徵所述商戶的節碳量的值。 所述確定模組403，確定所述標記資訊包括的節碳行為；確定與所述節碳行為對應的基準值；根據所述基準值以及信任係數的乘積，確定表徵所述商戶的節碳量的值。 所述裝置還包括： 調整模組405，根據所述待識別圖像以及所述標記資訊，對所述圖像識別模型進行調整。 所述確定模組403，確定所述用戶的貢獻度；為所述用戶提供與所述貢獻度對應的虛擬物品，和/或，向所述用戶的帳戶添加所述貢獻度。 表徵所述商戶的節碳量的值包括：表徵所述商戶的節碳量的節碳積分； 所述裝置還包括： 添加模組406，向所述商戶的節碳帳戶中添加所述節碳積分。 圖5為本說明書提供的一種資料處理的裝置示意圖，具體包括： 採集模組501，採集商戶的圖像作為待識別圖像； 發送模組502，將所述待識別圖像發送給伺服器，以使伺服器透過預先訓練的圖像識別模型，從所述待識別圖像中識別所述商戶的節碳行為，並根據所述節碳行為，確定表徵所述商戶的節碳量的值。 所述裝置還包括： 接收模組503，接收所述伺服器發送的標記提示，所述標記提示是所述伺服器未透過所述圖像識別模型而從所述待識別圖像中識別出所述商戶的節碳行為時向用戶所發送的； 所述發送模組502，接收所述用戶根據所述標記提示輸入的標記資訊，並將所述標記資訊發送給所述伺服器，以使所述伺服器根據所述標記資訊，確定所述商戶的節碳行為。 基於上述說明的資料處理的方法，本說明書還對應提供了一種用於資料處理的設備，如圖6所示。該設備包括一個或多個記憶體以及處理器，所述記憶體儲存程式，並且被配置成由所述一個或多個處理器執行以下步驟： 獲取用戶發送的待識別圖像，所述待識別圖像是所述用戶針對商戶所採集的； 透過預先訓練的圖像識別模型，對所述待識別圖像進行識別，以識別所述商戶的節碳行為； 根據所述節碳行為，確定表徵所述商戶的節碳量的值。 基於上述說明的資料處理的方法，本說明書還對應提供了一種用於資料處理的設備，如圖7所示。該設備包括一個或多個記憶體以及處理器，所述記憶體儲存程式，並且被配置成由所述一個或多個處理器執行以下步驟： 採集商戶的圖像作為待識別圖像； 將所述待識別圖像發送給伺服器，以使伺服器透過預先訓練的圖像識別模型，從所述待識別圖像中識別所述商戶的節碳行為，並根據所述節碳行為，確定表徵所述商戶的節碳量的值。 在本說明書的一個或多個實施例中，在獲取到用戶針對商戶採集到的待識別圖像後，可以透過預先訓練的圖像識別模型，對該待識別圖像進行識別，以識別該商戶的節碳行為，並根據識別出的節碳行為，確定表徵該商戶的節碳量的值。 由於可以基於用戶針對商戶採集的待識別圖像，對商戶的節碳行為進行識別，從而根據識別出的商戶的節碳行為，對該商戶的節碳量進行有效的量化，因此，基於針對節碳量所量化出的值，可使商戶瞭解自身的實際節碳情況，並基於瞭解到的實際節碳情況而對後續的節碳工作進行有效的開展，進而可為社會的節能減排工作帶來了積極的影響。 在20世紀90年代，對於一個技術的改進可以很明顯地區分是硬體上的改進（例如，對二極體、電晶體、開關等電路結構的改進）還是軟體上的改進（對於方法流程的改進）。然而，隨著技術的發展，當今的很多方法流程的改進已經可以視為硬體電路結構的直接改進。設計人員幾乎都透過將改進的方法流程程式設計到硬體電路中來得到相應的硬體電路結構。因此，不能說一個方法流程的改進就不能用硬體實體模組來實現。例如，可程式設計邏輯裝置（Programmable Logic Device, PLD）（例如現場可程式設計閘陣列（Field Programmable Gate Array，FPGA））就是這樣一種積體電路，其邏輯功能由用戶對裝置程式設計來確定。由設計人員自行程式設計來把一個數位系統“整合”在一片PLD上，而不需要請晶片製造廠商來設計和製作專用的積體電路晶片。而且，如今，取代手工地製作積體電路晶片，這種程式設計也多半改用“邏輯編譯器（logic compiler）”軟體來實現，它與程式開發撰寫時所用的軟體編譯器相類似，而要編譯之前的原始代碼也得用特定的程式設計語言來撰寫，此稱之為硬體描述語言（Hardware Description Language，HDL），而HDL也並非僅有一種，而是有許多種，如ABEL（Advanced Boolean Expression Language）、AHDL（Altera Hardware Description Language）、Confluence、CUPL（Cornell University Programming Language）、HDCal、JHDL（Java Hardware Description Language）、Lava、Lola、MyHDL、PALASM、RHDL（Ruby Hardware Description Language）等，目前最普遍使用的是VHDL（Very-High-Speed Integrated Circuit Hardware Description Language）與Verilog。本領域技術人員也應該清楚，只需要將方法流程用上述幾種硬體描述語言稍作邏輯程式設計並程式設計到積體電路中，就可以很容易得到實現該邏輯方法流程的硬體電路。 控制器可以按任何適當的方式來實現，例如，控制器可以採取例如微處理器或處理器以及儲存可由該（微）處理器執行的電腦可讀程式碼（例如軟體或韌體）的電腦可讀媒體、邏輯閘、開關、特殊應用積體電路（Application Specific Integrated Circuit，ASIC）、可程式設計邏輯控制器和嵌入式微控制器的形式，控制器的例子包括但不限於以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320，記憶體控制器還可以被實現為記憶體的控制邏輯的一部分。本領域技術人員也知道，除了以純電腦可讀程式碼方式來實現控制器以外，完全可以透過將方法步驟進行邏輯程式設計來使得控制器以邏輯閘、開關、特殊應用積體電路、可程式設計邏輯控制器和嵌入式微控制器等的形式來實現相同功能。因此這種控制器可以被認為是一種硬體部件，而對其內包括的用來實現各種功能的裝置也可以視為硬體部件內的結構。或者甚至，可以將用來實現各種功能的裝置視為既可以是實現方法的軟體模組又可以是硬體部件內的結構。 上述實施例闡明的系統、裝置、模組或單元，具體上可以由電腦晶片或實體實現，或者由具有某種功能的產品來實現。一種典型的實現設備為電腦。具體地，電腦例如可以為個人電腦、膝上型電腦、蜂巢式電話、相機電話、智慧型電話、個人數位助理、媒體播放機、導航設備、電子郵件設備、遊戲控制台、平板電腦、可穿戴式設備或者這些設備中的任何設備的組合。 為了描述的方便，描述以上裝置時以功能分為各種單元分別描述。當然，在實施本說明書時可以把各單元的功能在同一個或多個軟體和/或硬體中來實現。 本領域內的技術人員應明白，本說明書的實施例可提供為方法、系統、或電腦程式產品。因此，本說明書可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本說明書可採用在一個或多個其中包含有電腦可用程式碼的電腦可用儲存媒體（包括但不限於磁碟記憶體、CD-ROM、光學記憶體等）上實施的電腦程式產品的形式。 本說明書是參照根據本說明書一個或多個實施例的方法、設備（系統）、和電腦程式產品的流程圖和／或方塊圖來描述的。應理解可由電腦程式指令實現流程圖和／或方塊圖中的每一個流程和／或方塊、以及流程圖和／或方塊圖中的流程和／或方塊的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可程式設計資料處理設備的處理器以產生一個機器，使得透過電腦或其他可程式設計資料處理設備的處理器執行的指令產生用來實現在流程圖中的一個流程或多個流程和／或方塊圖中的一個方塊或多個方塊中指定的功能的裝置。 這些電腦程式指令也可被儲存在能引導電腦或其他可程式設計資料處理設備以特定方式操作的電腦可讀記憶體中，使得儲存在該電腦可讀記憶體中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖中的一個流程或多個流程和／或方塊圖中的一個方塊或多個方塊中指定的功能。 這些電腦程式指令也可被裝載到電腦或其他可程式設計資料處理設備上，使得在電腦或其他可程式設計設備上執行一系列操作步驟以產生電腦實現的處理，從而在電腦或其他可程式設計設備上執行的指令提供用來實現在流程圖中的一個流程或多個流程和／或方塊圖中的一個方塊或多個方塊中指定的功能的步驟。 在一個典型的配置中，計算設備包括一個或多個處理器(CPU)、輸入/輸出介面、網路介面和記憶體。 記憶體可能包括電腦可讀媒體中的非永久性記憶體，隨機存取記憶體(RAM)和/或非易失性記憶體等形式，如唯讀記憶體(ROM)或快閃記憶體(flash RAM)。記憶體是電腦可讀媒體的示例。 電腦可讀媒體包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒體的例子包括，但不限於相變記憶體(PRAM)、靜態隨機存取記憶體(SRAM)、動態隨機存取記憶體(DRAM)、其他類型的隨機存取記憶體(RAM)、唯讀記憶體(ROM)、電可擦除可程式設計唯讀記憶體(EEPROM)、快閃記憶體或其他記憶體技術、唯讀光碟唯讀記憶體(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、磁盒式磁帶，磁帶磁磁片儲存或其他磁性存放裝置或任何其他非傳輸媒體，可用來儲存可以被計算設備訪問的資訊。按照本文中的界定，電腦可讀媒體不包括暫態性電腦可讀媒體(transitory media)，如調變的資料信號和載波。 還需要說明的是，術語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、商品或者設備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、商品或者設備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，並不排除在包括所述要素的過程、方法、商品或者設備中還存在另外的相同要素。 本說明書可以在由電腦執行的電腦可執行指令的一般上下文中描述，例如程式模組。一般地，程式模組包括執行特定任務或實現特定抽象資料類型的常式、程式、物件、元件、資料結構等等。也可以在分散式運算環境中實踐本說明書的一個或多個實施例，在這些分散式運算環境中，由透過通信網路而被連接的遠端處理設備來執行任務。在分散式運算環境中，程式模組可以位於包括存放裝置在內的本地和遠端電腦儲存媒體中。 本說明書中的各個實施例均採用漸進的方式來描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對於系統實施例而言，由於其基本相似於方法實施例，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。 上述對本說明書的特定實施例進行了描述。其它實施例在所附申請專利範圍的範疇內。在一些情況下，在申請專利範圍中記載的動作或步驟可以按照不同於實施例中的順序來執行並且仍然可以實現期望的結果。另外，在附圖中描繪的過程不一定要求示出的特定順序或者連續順序才能實現期望的結果。在某些實施方式中，多工處理和並行處理也是可以的或者可能是有利的。 以上所述僅為本說明書的一個或多個實施例而已，並不用來限制本說明書。對於本領域技術人員來說，本說明書的一個或多個實施例可以有各種更改和變化。凡在本說明書的一個或多個實施例的精神和原理之內所作的任何修改、等同替換、改進等，均應包含在本說明書的申請專利範圍的範疇之內。
401‧‧‧獲取模組402‧‧‧識別模組403‧‧‧確定模組404‧‧‧接收模組405‧‧‧調整模組406‧‧‧添加模組501‧‧‧採集模組502‧‧‧發送模組503‧‧‧接收模組
此處所說明的附圖用來提供對本說明書的進一步理解，構成本說明書的一部分，本說明書的示意性實施例及其說明用來解釋本說明書，並不構成對本說明書的不當限定。在附圖中： 圖1為本說明書提供的資料處理過程的示意圖； 圖2為本說明書提供的用戶對商戶進行圖像採集的示意圖； 圖3為本說明書提供的整個資料處理過程的示意圖； 圖4為本說明書提供的一種資料處理的裝置示意圖； 圖5為本說明書提供的一種資料處理的裝置示意圖； 圖6為本說明書提供的一種資料處理的設備示意圖； 圖7為本說明書提供的一種資料處理的設備示意圖。
Claims (20)
- 一種資料處理的方法，包括：獲取用戶發送的待識別圖像，該待識別圖像是該用戶針對商戶所採集的；透過預先訓練的圖像識別模型，對該待識別圖像進行識別，以識別該商戶的節碳行為；根據該節碳行為，確定表徵該商戶的節碳量的值，其中，表徵該商戶的節碳量的值包括：表徵該商戶的節碳量的節碳積分；以及向該商戶的節碳帳戶中添加該節碳積分。
- 如請求項1所述的方法，該方法還包括：當透過該圖像識別模型而未從該待識別圖像中識別出該商戶的節碳行為時，接收與該用戶發送的該待識別圖像對應的標記資訊，該標記資訊包括該用戶針對該待識別圖像標記的該商戶的節碳行為；以及根據接收到的該標記資訊，確定表徵該商戶的節碳量的值。
- 如請求項2所述的方法，根據接收到的該標記資訊，確定表徵該商戶的節碳量的值，具體包括：確定該標記資訊包括的節碳行為；確定與該節碳行為對應的基準值；以及 根據該基準值以及信任係數的乘積，確定表徵該商戶的節碳量的值。
- 如請求項2所述的方法，該方法還包括：根據該待識別圖像以及該標記資訊，對該圖像識別模型進行調整。
- 如請求項1所述的方法，該方法還包括：確定該用戶的貢獻度；以及為該用戶提供與該貢獻度對應的虛擬物品，和/或，向該用戶的帳戶添加該貢獻度。
- 如請求項1所述的方法，其中，該預先訓練的圖像識別模型係透過人工的方式，基於採集到的大量訓練樣本而得到的，且其中，該預先訓練的圖像識別模型可以採用諸如MobileNet、Faster RCNN等識別演算法，以對該待識別圖像進行識別。
- 一種資料處理的方法，包括：採集商戶的圖像作為待識別圖像；以及將該待識別圖像發送給伺服器，以使伺服器透過預先訓練的圖像識別模型，從該待識別圖像中識別該商戶的節碳行為，並根據該節碳行為，確定表徵該商戶的節碳量的值， 其中，該預先訓練的圖像識別模型係透過人工的方式，基於採集到的大量訓練樣本而得到的，且其中，該預先訓練的圖像識別模型可以採用諸如MobileNet、Faster RCNN等識別演算法，以對該待識別圖像進行識別。
- 如請求項7所述的方法，該方法還包括：接收該伺服器發送的標記提示，該標記提示是該伺服器未透過該圖像識別模型而從該待識別圖像中識別出該商戶的節碳行為時所發送的；以及接收該用戶根據該標記提示輸入的標記資訊，並將該標記資訊發送給該伺服器，以使該伺服器根據該標記資訊，確定該商戶的節碳行為。
- 一種資料處理的裝置，包括：獲取模組，獲取用戶發送的待識別圖像，該待識別圖像是該用戶針對商戶所採集的；識別模組，透過預先訓練的圖像識別模型，對該待識別圖像進行識別，以確定商戶的節碳行為；確定模組，根據該節碳行為，確定表徵該商戶的節碳量的值，其中，表徵該商戶的節碳量的值包括：表徵該商戶的節碳量的節碳積分；以及添加模組，向該商戶的節碳帳戶中添加該節碳積分。
- 如請求項9所述的裝置，該裝置還包括： 接收模組，當透過該圖像識別模型而未從該待識別圖像中識別出該商戶的節碳行為時，接收與該用戶發送的該待識別圖像對應的標記資訊，該標記資訊包括該用戶針對該待識別圖像標記的該商戶的節碳行為；以及該確定模組，根據接收到的該標記資訊，確定表徵該商戶的節碳量的值。
- 如請求項10所述的裝置，該確定模組，確定該標記資訊包括的節碳行為；確定與該節碳行為對應的基準值；根據該基準值以及信任係數的乘積，確定表徵該商戶的節碳量的值。
- 如請求項10所述的裝置，該裝置還包括：調整模組，根據該待識別圖像以及該標記資訊，對該圖像識別模型進行調整。
- 如請求項9所述的裝置，該確定模組，確定該用戶的貢獻度；為該用戶提供與該貢獻度對應的虛擬物品，和/或，向該用戶的帳戶添加該貢獻度。
- 如請求項9所述的裝置，其中，該預先訓練的圖像識別模型係透過人工的方式，基於採集到的大量訓練樣本而得到的，且其中，該預先訓練的圖像識別模型可以採用諸如MobileNet、Faster RCNN等識別演算法，以對該待識別 圖像進行識別。
- 一種資料處理的裝置，包括：採集模組，採集商戶的圖像作為待識別圖像；以及發送模組，將該待識別圖像發送給伺服器，以使伺服器透過預先訓練的圖像識別模型，從該待識別圖像中識別該商戶的節碳行為，並根據該節碳行為，確定表徵該商戶的節碳量的值，其中，該預先訓練的圖像識別模型係透過人工的方式，基於採集到的大量訓練樣本而得到的，且其中，該預先訓練的圖像識別模型可以採用諸如MobileNet、Faster RCNN等識別演算法，以對該待識別圖像進行識別。
- 如請求項15所述的裝置，該裝置還包括：接收模組，接收該伺服器發送的標記提示，該標記提示是該伺服器未透過該圖像識別模型而從該待識別圖像中識別出該商戶的節碳行為時所發送的；以及該發送模組，接收該用戶根據該標記提示輸入的標記資訊，並將該標記資訊發送給該伺服器，以使該伺服器根據該標記資訊，確定該商戶的節碳行為。
- 一種資料處理的設備，包括一個或多個記憶體以及處理器，該記憶體儲存程式，並且被配置成由該一個或多個處理器執行以下步驟： 獲取用戶發送的待識別圖像，該待識別圖像是該用戶針對商戶所採集的；透過預先訓練的圖像識別模型，對該待識別圖像進行識別，以識別該商戶的節碳行為；以及根據該節碳行為，確定表徵該商戶的節碳量的值，其中，表徵該商戶的節碳量的值包括：表徵該商戶的節碳量的節碳積分；以及向該商戶的節碳帳戶中添加該節碳積分。
- 如請求項17所述的設備，其中，該預先訓練的圖像識別模型係透過人工的方式，基於採集到的大量訓練樣本而得到的，且其中，該預先訓練的圖像識別模型可以採用諸如MobileNet、Faster RCNN等識別演算法，以對該待識別圖像進行識別。
- 一種資料處理的設備，包括一個或多個記憶體以及處理器，該記憶體儲存程式，並且被配置成由該一個或多個處理器執行以下步驟：採集針對商戶的待識別圖像；以及將該待識別圖像發送給伺服器，以使伺服器透過預先訓練的圖像識別模型，對該待識別圖像進行識別，以識別該商戶的節碳行為，並根據該節碳行為，確定表徵該商戶的節碳量的值，其中，表徵該商戶的節碳量的值包括：表徵該商戶的節碳量的節碳積分；以及 向該商戶的節碳帳戶中添加該節碳積分。
- 如請求項19所述的設備，其中，該預先訓練的圖像識別模型係透過入工的方式，基於採集到的大量訓練樣本而得到的，且其中，該預先訓練的圖像識別模型可以採用諸如MobileNet、Faster RCNN等識別演算法，以對該待識別圖像進行識別。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711334828.0 | 2017-12-14 | ||
| ??201711334828.0 | 2017-12-14 | ||
| CN201711334828.0A CN108229337B (zh) | 2017-12-14 | 2017-12-14 | 一种数据处理的方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201928804A TW201928804A (zh) | 2019-07-16 |
| TWI713908B true TWI713908B (zh) | 2020-12-21 |
Family
ID=62649515
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW107135547A TWI713908B (zh) | 2017-12-14 | 2018-10-09 | 資料處理的方法、裝置及設備 |
Country Status (5)
| Country | Link |
|---|---|
| US (2) | US10878239B2 (zh) |
| CN (2) | CN108229337B (zh) |
| SG (1) | SG11202001210YA (zh) |
| TW (1) | TWI713908B (zh) |
| WO (1) | WO2019114425A1 (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108229337B (zh) | 2017-12-14 | 2021-03-30 | 创新先进技术有限公司 | 一种数据处理的方法、装置及设备 |
| CN109146030B (zh) * | 2018-08-17 | 2021-02-19 | 创新先进技术有限公司 | 一种低碳消费的识别方法、装置及电子设备 |
| CN110009296A (zh) * | 2019-02-11 | 2019-07-12 | 阿里巴巴集团控股有限公司 | 理赔业务的处理方法及装置 |
| CN115146980A (zh) * | 2019-10-24 | 2022-10-04 | 支付宝(杭州)信息技术有限公司 | 对象评估方法及装置 |
| CN111401759B (zh) * | 2020-03-20 | 2022-08-23 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN111353883A (zh) * | 2020-05-22 | 2020-06-30 | 浙江网商银行股份有限公司 | 一种为商户提供服务的方法和装置 |
| CN113505837A (zh) * | 2021-07-14 | 2021-10-15 | 同济大学 | 一种基于Faster-RCNN的测量标志自动提取方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201118789A (en) * | 2009-09-09 | 2011-06-01 | Univ Trobe | Method and system for energy management |
| US20120101883A1 (en) * | 2010-05-04 | 2012-04-26 | Pervez Akhter | System and Method for Rewarding Smart Phone Users Personal Companion |
| TW201229933A (en) * | 2011-01-04 | 2012-07-16 | Chunghwa Telecom Co Ltd | System and method for purchasing value points |
| TW201347538A (zh) * | 2012-05-08 | 2013-11-16 | Univ Nat Chiao Tung | 互動視訊平台系統及方法 |
| CN103745238A (zh) * | 2013-11-15 | 2014-04-23 | 中国科学院遥感与数字地球研究所 | 基于AdaBoost和主动形状模型的受电弓识别方法 |
| US20150189233A1 (en) * | 2012-04-30 | 2015-07-02 | Goggle Inc. | Facilitating user interaction in a video conference |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070219862A1 (en) * | 2006-03-20 | 2007-09-20 | Casella Waste Systems, Inc. | System and method for identifying and processing recyclables |
| KR20110006903A (ko) * | 2009-07-15 | 2011-01-21 | 엘지전자 주식회사 | 탄소 배출량을 계산하는 단말기 및 탄소 모니터링 방법 |
| US20110055092A1 (en) * | 2009-09-01 | 2011-03-03 | Qwest Communications International, Inc. | Electronic Systems and Methods for Aggregating and Distributing Environmental Credits |
| JP5429690B2 (ja) * | 2009-09-14 | 2014-02-26 | 株式会社リコー | 画像形成装置及び消費電力報知方法 |
| CN102243684A (zh) * | 2010-05-13 | 2011-11-16 | 上海杰远环保科技有限公司 | 一种基于图像识别功能实现的节能环保指引方法及系统 |
| JP5502662B2 (ja) * | 2010-09-01 | 2014-05-28 | 東芝テック株式会社 | 店舗システム及び商品コード読取装置 |
| US20130035973A1 (en) * | 2011-08-01 | 2013-02-07 | Infosys Limited | Assessing green it maturity and providing green it recommendations |
| KR20130140285A (ko) * | 2012-06-14 | 2013-12-24 | 이철희 | 모바일 단말기를 통한 재활용품 수거 방법 및 그 시스템 |
| CN104836780B (zh) * | 2014-02-12 | 2017-03-15 | 腾讯科技（深圳）有限公司 | 数据交互方法、验证终端、服务器和系统 |
| CN105744218B (zh) | 2014-12-11 | 2019-04-26 | 小米科技有限责任公司 | 垃圾清理方法及装置 |
| CN104732654A (zh) * | 2015-03-30 | 2015-06-24 | 苏州朗米尔照明科技有限公司 | 基于图像识别技术的有偿节能灯回收行为关联方法 |
| CN105205466B (zh) * | 2015-09-21 | 2018-06-15 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
| CN106709525A (zh) * | 2017-01-05 | 2017-05-24 | 北京大学 | 一种相机测量食物营养成分方法 |
| CN106846621A (zh) * | 2017-02-20 | 2017-06-13 | 湖南大学 | “互联网+”包装瓶智能回收系统及方法 |
| CN106874954A (zh) * | 2017-02-20 | 2017-06-20 | 佛山市络思讯科技有限公司 | 一种信息获取的方法以及相关装置 |
| CN107256386A (zh) * | 2017-05-23 | 2017-10-17 | 东南大学 | 基于深度学习的人类行为分析方法 |
| CN107247946B (zh) * | 2017-07-06 | 2021-01-26 | 北京安宁威尔科技发展有限公司 | 行为识别方法及装置 |
| US10025950B1 (en) * | 2017-09-17 | 2018-07-17 | Everalbum, Inc | Systems and methods for image recognition |
| CN108229337B (zh) | 2017-12-14 | 2021-03-30 | 创新先进技术有限公司 | 一种数据处理的方法、装置及设备 |
-
2017
- 2017-12-14 CN CN201711334828.0A patent/CN108229337B/zh active Active
- 2017-12-14 CN CN202110545546.5A patent/CN113139524A/zh active Pending
-
2018
- 2018-10-09 TW TW107135547A patent/TWI713908B/zh active
- 2018-10-25 SG SG11202001210YA patent/SG11202001210YA/en unknown
- 2018-10-25 WO PCT/CN2018/111852 patent/WO2019114425A1/zh active Application Filing
-
2020
- 2020-02-28 US US16/805,525 patent/US10878239B2/en active Active
- 2020-12-28 US US17/135,988 patent/US11106909B2/en active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201118789A (en) * | 2009-09-09 | 2011-06-01 | Univ Trobe | Method and system for energy management |
| US20120101883A1 (en) * | 2010-05-04 | 2012-04-26 | Pervez Akhter | System and Method for Rewarding Smart Phone Users Personal Companion |
| TW201229933A (en) * | 2011-01-04 | 2012-07-16 | Chunghwa Telecom Co Ltd | System and method for purchasing value points |
| US20150189233A1 (en) * | 2012-04-30 | 2015-07-02 | Goggle Inc. | Facilitating user interaction in a video conference |
| TW201347538A (zh) * | 2012-05-08 | 2013-11-16 | Univ Nat Chiao Tung | 互動視訊平台系統及方法 |
| CN103745238A (zh) * | 2013-11-15 | 2014-04-23 | 中国科学院遥感与数字地球研究所 | 基于AdaBoost和主动形状模型的受电弓识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20200202126A1 (en) | 2020-06-25 |
| US11106909B2 (en) | 2021-08-31 |
| US20210117675A1 (en) | 2021-04-22 |
| CN113139524A (zh) | 2021-07-20 |
| SG11202001210YA (en) | 2020-03-30 |
| US10878239B2 (en) | 2020-12-29 |
| CN108229337B (zh) | 2021-03-30 |
| WO2019114425A1 (zh) | 2019-06-20 |
| CN108229337A (zh) | 2018-06-29 |
| TW201928804A (zh) | 2019-07-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI713908B (zh) | 資料處理的方法、裝置及設備 | |
| WO2019154162A1 (zh) | 一种风控规则生成方法和装置 | |
| JP6594543B2 (ja) | 注文クラスタリング方法及び装置並びに悪意の情報に対抗する方法及び装置 | |
| TWI748175B (zh) | 資料的處理方法、裝置及設備 | |
| CN107977229B (zh) | 一种指令生成过程的复用方法及装置、处理装置 | |
| CN107153641A (zh) | 评论信息确定方法、装置、服务器及存储介质 | |
| US20170249934A1 (en) | Electronic device and method for operating the same | |
| KR102383791B1 (ko) | 전자 장치에서의 개인 비서 서비스 제공 | |
| WO2019084810A1 (zh) | 一种信息处理方法及终端、计算机存储介质 | |
| CN107924679A (zh) | 输入理解处理期间在响应选择中的延迟绑定 | |
| CN105760533B (zh) | 一种照片管理方法和装置 | |
| CN103605975A (zh) | 一种图像处理的方法、装置及终端设备 | |
| WO2016177278A1 (zh) | 一种匹配业务场景的方法和系统 | |
| WO2018040913A1 (zh) | 一种界面展示方法及装置 | |
| CN107679217A (zh) | 基于数据挖掘的关联内容提取方法和装置 | |
| CN111241252B (zh) | 一种问答方法及问答装置、电子设备、存储介质 | |
| EP3654270A1 (en) | Social content risk identification method and device and equipment | |
| CN114817538B (zh) | 文本分类模型的训练方法、文本分类方法及相关设备 | |
| CN111312233A (zh) | 一种语音数据的识别方法、装置及系统 | |
| WO2019037649A1 (zh) | 一种针对使用共享物品的用户评估方法、装置及设备 | |
| CN109407914A (zh) | 用户特征识别方法、装置、设备、介质和操作系统 | |
| WO2019109665A1 (zh) | 资源转移的验证方法、装置和电子支付验证方法、装置 | |
| CN110348669B (zh) | 智能规则生成方法、装置、计算机设备及存储介质 | |
| CN116774973A (zh) | 数据渲染方法、装置、计算机设备及存储介质 | |
| CN112069267A (zh) | 一种数据处理方法和装置 |