TWI825978B - 映像檔產生方法與映像檔產生裝置 - Google Patents
映像檔產生方法與映像檔產生裝置 Download PDFInfo
- Publication number
- TWI825978B TWI825978B TW111133754A TW111133754A TWI825978B TW I825978 B TWI825978 B TW I825978B TW 111133754 A TW111133754 A TW 111133754A TW 111133754 A TW111133754 A TW 111133754A TW I825978 B TWI825978 B TW I825978B
- Authority
- TW
- Taiwan
- Prior art keywords
- user
- image file
- personal
- machine learning
- personal information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000010801 machine learning Methods 0.000 claims abstract description 53
- 238000004891 communication Methods 0.000 claims description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 230000000306 recurrent effect Effects 0.000 claims description 6
- 230000015654 memory Effects 0.000 claims description 4
- 230000006403 short-term memory Effects 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000013145 classification model Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Landscapes
- Electrically Operated Instructional Devices (AREA)
- Information Transfer Between Computers (AREA)
Abstract
一種映像檔產生方法與映像檔產生裝置。所述方法包括下列步驟:透過網路提供用以訂製映像檔的網頁,以接收使用者輸入的個人資訊;根據個人資訊中的區域資訊,提供多個應用程式給使用者選擇,以產生包括使用者選擇的應用程式的映像檔;收集多個使用者所選擇的應用程式,標籤化各使用者的個人資訊及所選擇的應用程式,用以訓練一機器學習模型;以及接收當前使用者透過網頁輸入的個人資訊,標籤化當前使用者的個人資訊並輸入機器學習模型,以產生包括適於當前使用者的應用程式的客製化映像檔。
Description
本發明是有關於一種檔案處理方法及裝置,且特別是有關於一種映像檔產生方法與映像檔產生裝置。
使用者在購買電腦後常會發現其中安裝了許多不需要的應用程式,也欠缺許多自己需要的應用程式,此時需要自行逐一解除安裝不需要的應用程式,並且使用安裝光碟或透過線上下載的方式取得並安裝所需的應用程式,過程繁複且耗時。
當電腦變慢或當機時,使用者則需要使用映像檔來重灌電腦,但映像檔只能將電腦回復到當初購買時的狀態,並不能反應出電腦使用期間的軟體更新或使用者偏好,結果使用者仍需要重新執行安裝/解除安裝的程序。特別是,使用者在重灌時也需要重新設定桌布,但往往會因為上傳的圖片大小、解析度不符規格,產生模糊或扭曲的桌布,結果需要重新選擇、置換桌布,使得重
灌更加耗時。
有鑑於此,本發明提出一種映像檔產生方法與映像檔產生裝置,通過學習不同使用者重灌時對於應用程式、桌布的選擇,而能夠自動產生出符合使用者需求的客製化映像檔。
本發明實施例提供一種映像檔產生方法,適用於具處理器的電子裝置。所述方法包括下列步驟:透過網路提供用以產生映像檔的網頁,以接收使用者透過網頁輸入的個人資訊;根據個人資訊中的區域資訊,提供多個應用程式給使用者選擇,以產生包括使用者選擇的應用程式的映像檔;收集多個使用者所選擇的應用程式,標籤化各使用者的個人資訊及所選擇的應用程式,用以訓練一機器學習模型;以及接收當前使用者透過網頁輸入的個人資訊,標籤化當前使用者的個人資訊並輸入機器學習模型,以產生包括適於當前使用者的應用程式的客製化映像檔。
本發明實施例提供一種映像檔產生裝置,其包括通訊裝置、儲存裝置及處理器。通訊裝置用以連結網路。儲存裝置用以儲存機器學習模型。處理器,耦接通訊裝置及儲存裝置,經配置以:透過網路提供用以產生映像檔的網頁,以接收使用者透過網頁輸入的個人資訊;根據個人資訊中的區域資訊,提供多個應用程式給使用者選擇,以產生包括使用者選擇的應用程式的映像檔;收集多個使用者所選擇的應用程式,標籤化各使用者的個人資訊
及所選擇的應用程式,用以訓練一機器學習模型;以及接收當前使用者透過網頁輸入的個人資訊,標籤化當前使用者的個人資訊並輸入機器學習模型,以產生包括適於當前使用者的應用程式的客製化映像檔。
基於上述,於本發明的實施例中,透過收集多個使用者對於應用程式的選擇並用以訓練機器學習模型,可自動產生出符合不同使用者需求的客製化映像檔。此外,透過使用從圖庫取得的大量圖片訓練機器學習模型,可自動產生出風格符合使用者偏好的桌布。而通過本發明實施例自動產生的客製化映像檔,使用者可快速地重灌電腦,從而減少重灌電腦所花費的時間和精力。
為讓本發明之上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
11:使用者
12:網頁伺服器
13:檔案伺服器
14:壓縮檔
15:隨身碟
16:電腦
20:映像檔產生裝置
22:通訊裝置
24:儲存裝置
26:處理器
40、50:網頁
42:下拉式選單
44:下一步按鍵
52:應用程式清單
54、56:選擇檔案按鍵
58:創建按鍵
60:上一步按鍵
62:離開按鍵
S202~S208、S602~S606、S702~S710:步驟
圖1是根據本發明一實施例所繪示的使用者重灌電腦的情境的示意圖。
圖2是根據本發明一實施例所繪示的映像檔產生裝置的方塊圖。
圖3是根據本發明一實施例所繪示的映像檔產生方法的流程圖。
圖4及圖5是根據本發明一實施例所繪示的映像檔訂製網頁
的示意圖。
圖6是根據本發明一實施例所繪示的產生桌布的流程圖。
圖7是根據本發明一實施例所繪示的映像檔產生方法的流程圖。
基於每個電腦使用者所在區域的不同,其能夠選擇的應用程式種類、版本不同,且基於每個使用者的偏好、需求不同,其會使用到的應用程式、桌布也不同。據此,本發明實施例除了提供使用者透過網頁選擇應用程式以訂製所需的映像檔外,還通過該網頁收集多個使用者的選擇操作並進行機器學習,以學習不同使用者的偏好,並用於預測當前使用者的需求,從而自動產生出符合當前使用者需求的客製化映像檔。此外,本發明實施例還對從圖庫取得的圖片進行機器學習,而能夠針對使用者上傳的圖片,自動產生出風格符合該圖片內容的桌布,此桌布可整合到客製化映像檔中。通過自動產生客製化映像檔,使用者即可快速地重灌電腦,從而減少重灌電腦所花費的時間和精力。
圖1是根據本發明一實施例所繪示的使用者重灌電腦的情境的示意圖。請參考圖1,當使用者11需要重灌電腦16時,本實施例係由系統業者的網頁伺服器12提供用以訂製映像檔的網頁,使用者可通過在該網頁上登錄個人資訊,選擇所需的應用程式,並上傳欲作為桌布的圖片,而由網頁伺服器12自動產生出符合使
用者10需求的客製化映像檔。此客製化映像檔例如會被壓縮成壓縮檔14並存放在例如檔案傳輸協議(File Transfer Protocol,FTP)伺服器的檔案伺服器13中,而提供給使用者11下載。使用者11可通過網路連結檔案伺服器13以下載壓縮檔14,並將其解壓縮後存放到隨身碟15中,從而通過將隨身碟15插入電腦16以進行重灌。通過上述方式,使用者可自行訂製出符合自身需求的客製化映像檔,使得重灌後的電腦16具備符合其需求或偏好的應用程式和桌布。
圖2是根據本發明一實施例所繪示的映像檔產生裝置的方塊圖。請參考圖2,本發明實施例的映像檔產生裝置20例如是電腦、工作站、伺服器等具備運算能力的電子裝置,本實施例不限制其種類。映像檔產生裝置20包括通訊裝置22、儲存裝置24及處理器26等元件,這些元件的功能分述如下:
通訊裝置22例如是支援乙太網路(Ethernet)或是支援802.11g、802.11n、802.11ac等無線網路標準的網路卡或網路設備,本實施例不限制其種類。通訊裝置22使得映像檔產生裝置20可連接網路,並經由網路連接使用者的電子裝置,例如桌上型電腦、筆記型電腦、平板電腦或智慧型手機等,在此不設限。
儲存裝置24例如是任意型式的固定式或可移動式隨機存取記憶體(random access memory,RAM)、唯讀記憶體(read-only memory,ROM)、快閃記憶體(flash memory)、硬碟或其他類似裝置、積體電路及其組合,其係用以儲存可由處理器26執行的電
腦程式和其他資料。在一些實施例中,儲存裝置24可儲存由處理器26建立的機器學習模型。
處理器26例如是中央處理單元(central processing unit,CPU)、圖形處理單元(graphic processing unit,GPU),或是其他可程式化之一般用途或特殊用途的微處理器(microprocessor)、數位訊號處理器(digital signal processor,DSP)、影像訊號處理器(image signal processor,ISP)、可程式化控制器、特殊應用積體電路(application specific integrated circuits,ASIC)、可程式化邏輯裝置(programmable logic device,PLD)或其他類似裝置或這些裝置的組合。在本實施例中,處理器26可從儲存裝置24載入電腦程式,以執行本發明實施例的映像檔產生方法。
圖3是根據本發明一實施例所繪示的映像檔產生方法的流程圖。請同時參照圖2以及圖3,本實施例的方法適用於圖2中的映像檔產生裝置20,以下即搭配映像檔產生裝置20中的各項元件說明本實施例方法的詳細流程。
在步驟S202中,映像檔產生裝置20的處理器26通過通訊裝置22連結網路,並透過網路提供用以訂製映像檔的網頁,以接收使用者透過網頁輸入的個人資訊。在一些實施例中,所述網頁中例如包括姓名、國家、日期、時間等基本資訊的欄位,以及裝置型號、作業系統版本、服務包、語言等裝置資訊的欄位,以供使用者輸入或選擇,但不限於此。在其他實施例中,所述網頁還包括顯示多種應用程式,以供使用者選擇,並且提供使用者上
傳桌布或應用程式。
舉例來說,圖4及圖5是根據本發明一實施例所繪示的映像檔訂製網頁的示意圖。請參照圖4,本實施例的映像檔訂製網頁40係提供使用者創建新的客製化映像檔,其中包括選擇裝置型號、選擇作業系統、選擇服務包、選擇語言等欄位,使用者可透過右方的下拉式選單42,選擇並設定裝置的相關資訊,並在選擇完成後,點選下一步按鍵44,以進入圖5所示的網頁50。網頁50係提供使用者設定應用程式及桌布,其中包括選擇應用程式、新增桌布、新增應用程式等欄位,使用者可透過點選應用程式清單52中的應用程式Application1~Application6,來選擇所欲安裝的應用程式,並透過點選「選擇檔案按鍵54」來上傳桌布,以及透過點選「選擇檔案按鍵56」來上傳應用程式,從而在映像檔中加入桌布和應用程式。在設定完成後,使用者可點選「創建按鍵58」來創建映像檔,或是點選「上一步按鍵60」來回到網頁40或是點選「離開按鍵62」來離開網頁50。
回到圖3的流程,在步驟S204中,處理器26會根據使用者所輸入的個人資訊中的區域資訊,提供多個應用程式給使用者選擇,以產生包括使用者選擇的應用程式的映像檔。所述的區域資訊例如是從使用者輸入的國家、地址取得,或是從使用者裝置的網際網路協定位址(Internet Protocol Address,IP Address)得知,在此不設限。
詳細而言,由於每個國家授權使用的作業系統或應用程
式的種類、語言、版本均不相同,故本實施例的映像檔產生裝置20所產生的映像檔必需因應不同國家作適應性調整,以符合各國規範。而本實施例通過從使用者個人資訊中擷取區域資訊,從而提供該國家或區域授權使用的應用程式清單給使用者選擇,可確保使用者的電腦經過映像檔重灌後,能夠符合該國規範。
需說明的是,在一些實施例中,處理器26可根據個人資訊中的使用者偏好,選擇不同的應用程式清單供使用者選擇。舉例來說,若使用者的職業為工程師,處理器26可提供程式設計、使用者介面(UI)設計等應用程式供使用者選擇;若使用者的職業為攝影師,處理器26可提供影像處理、影片後製等應用程式供使用者選擇。
在步驟S206中,處理器26收集多個使用者所選擇的應用程式,將各個使用者的個人資訊及所選擇的應用程式標籤化,並用以訓練機器學習模型。所述的機器學習模型例如是卷積神經網路(convolutional neural network,CNN)模型、遞迴神經網路(recurrent neural network,RNN)模型或長短期記憶(long short term memory,LSTM)遞迴神經網路模型等具備多層感知器(multilayer perceptron)的監督式學習模型,但本實施例不限於此。在一些實施例中,處理器26可每隔半年或一年對上述的機器學習模型進行訓練,使得該機器學習模型可習得當前使用者對於應用程式的偏好。
在步驟S208中,處理器26可接收當前使用者透過網頁
輸入的個人資訊,將當前使用者的個人資訊標籤化並輸入機器學習模型,以產生包括適於當前使用者的應用程式的客製化映像檔。詳細而言,通過在訓練階段收集大量使用者對於應用程式的選擇,並將使用者的個人資訊及其所選擇的應用程式轉化為標籤後送入機器學習模型進行監督式學習,即可使該機器學習模型習得不同使用者的偏好。而在預測階段,經訓練的機器學習模型即可根據當前使用者輸入的個人資訊,自動產生適於當前使用者的應用程式清單供當前使用者選擇,或是直接產生適於當前使用者的客製化映像檔。
通過上述方法,本實施例的映像檔產生裝置20能夠學習不同使用者的偏好,並用於預測當前使用者的偏好,從而自動產生出符合當前使用者需求的客製化映像檔。
在一些實施例中,映像檔產生裝置20亦可針對不同使用者產生符合其偏好的桌布,並加入到客製化映像檔中,讓使用者的電腦在使用該客製化映像檔重灌後,即具備符合使用者需求及偏好的應用程式及桌布。
詳細而言,圖6是根據本發明一實施例所繪示的產生桌布的流程圖。請同時參照圖2以及圖6,本實施例的方法適用於圖2中的映像檔產生裝置20,以下即搭配映像檔產生裝置20中的各項元件說明本實施例方法的詳細流程。
在步驟S602中,映像檔產生裝置20的處理器26通過通訊裝置22連結網路,並從網路上的多個圖庫收集多種類型的多張
圖片,並將這些圖片輸入機器學習模型,以輸出圖片的分類結果。其中,處理器26例如是從圖庫ImageNet下載已預先區分為1000種類型的100萬張圖片,並將所下載的圖片輸入機器學習模型,以輸出圖片的分類結果。在一些實施例中,所述的機器學習模型例如是VGG16等圖片分類模型,其例如具備多個隱藏層(例如13層或16層)並採用不同大小的卷積核(例如1*1或3*3)來實現深度的卷積神經網路學習,而可將輸入的圖片分類為學習過的某種類型。
在步驟S604中,處理器26透過網頁接收使用者上傳的個人圖片,並將此個人圖片輸入機器學習模型,以輸出個人圖片的分類結果。
在步驟S606中,處理器26同時將前述圖片的風格及前述個人圖片的內容輸入機器學習模型,以輸出風格與個人圖片的內容相符的圖片作為桌布。在一些實施例中,處理器26可根據使用者上傳的個人圖片,透過機器學習模型從先前訓練的圖片中搜尋出風格與個人圖片的內容相符的一張或多張圖片,以提供給使用者選擇來作為桌布。在其他實施例中,處理器26可將使用者上傳的圖片融合到所搜尋的圖片中,而產生一張或多張融合圖片,以提供給使用者選擇來作為桌布,所述的融合方式例如為加權平均、小波轉換(wavelet transform)等,本實施例不限制其方式。此外,若使用者對處理器26所搜尋或產生的圖片不滿意,亦可選擇以手動的方式選擇自行上傳圖片來作為桌布。
通過上述方法,本實施例的映像檔產生裝置20使用大量的圖片訓練機器學習模型,從而可針對使用者上傳的個人圖片,從這些圖片中找出風格符合該個人圖片內容的桌布。在一些實施例中,由機器學習模型搜尋的圖片可整合到其所產生的客製化映像檔中,使得經該客製化映像檔重灌後的電腦可同時具備符合使用者需求及偏好的應用程式和桌布。
詳細而言,圖7是根據本發明一實施例所繪示的映像檔產生方法的流程圖。請同時參照圖2以及圖7,本實施例的方法適用於圖2中的映像檔產生裝置20,以下即搭配映像檔產生裝置20中的各項元件說明本實施例方法的詳細流程。
在步驟S702中,映像檔產生裝置20的處理器26通過通訊裝置22連結網路,並透過網路提供用以訂製映像檔的網頁,以接收使用者透過網頁輸入的個人資訊。
在步驟S704中,處理器26會根據使用者所輸入的個人資訊中的區域資訊,提供多個應用程式給使用者選擇,以產生包括使用者選擇的應用程式的映像檔。
在步驟S706中,處理器26收集多個使用者所選擇的應用程式,標籤化各使用者的個人資訊及所選擇的應用程式,用以訓練一機器學習模型。上述的步驟S702~S706係與前述實施例的步驟S202~S206相同或相似,故其詳細內容在此不再贅述。
與前述實施例不同的是,本實施例在步驟S708中,處理器26額外通過通訊裝置22從網路上的多個圖庫收集多種類型的
多張圖片,並用以訓練機器學習模型。所述的機器學習模型的訓練可參照前述實施例的步驟S602,故其詳細內容在此不再贅述。
在步驟S710中,處理器26通過通訊裝置22接收當前使用者透過網頁輸入的個人資訊以及上傳的個人圖片,將當前使用者的個人資訊標籤化,並將當前使用者的個人圖片與標籤化的個人資訊輸入機器學習模型,以產生包括適於當前使用者的應用程式及桌布的客製化映像檔。
在一些實施例中,使用圖庫圖片訓練的機器學習模型係為圖片分類模型,與用以產生映像檔的機器學習模型為獨立的兩個模型,處理器26可先通過圖片分類模型針對當前使用者的個人圖片產生風格與該個人圖片內容相符的圖片,再將此圖片作為桌布輸入用以產生映像檔的機器學習模型,以將該桌布加入由機器學習模型產生的客製化映像檔中。在一些實施例中,處理器26可將上述兩種模型整合為同一個模型,而通過將當前使用者的個人圖片與標籤化的個人資訊輸入該模型,即可獲得具備適於當前使用者的應用程式及桌布的客製化映像檔。
綜上所述,本發明實施例的映像檔產生方法及映像檔產生裝置,透過網頁提供使用者訂製符合自身需求的映像檔,並收集多個使用者對於應用程式的選擇,透過機器學習的方式學習不同使用者的偏好,並用於預測當前使用者的需求,可自動產生出符合當前使用者需求的客製化映像檔。此外,透過學習並分類從圖庫取得的大量清晰圖片,而能夠針對使用者上傳的圖片,自動
產生出風格符合該圖片內容的桌布。通過自動產生客製化映像檔,使用者可快速地重灌電腦,從而減少重灌電腦所花費的時間和精力。
雖然本發明已以實施例揭露如上,然其並非用以限定本發明,任何所屬技術領域中具有通常知識者,在不脫離本發明的精神和範圍內,當可作些許的更動與潤飾,故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
S202~S208:步驟
Claims (10)
- 一種映像檔產生方法,適用於具處理器的電子裝置,所述方法包括下列步驟:透過網路提供用以訂製映像檔的網頁,以接收使用者透過所述網頁輸入的個人資訊;根據所述個人資訊中的區域資訊,提供多個應用程式給所述使用者選擇,以產生包括所述使用者選擇的所述應用程式的映像檔;收集多個使用者所選擇的所述應用程式,標籤化各所述使用者的所述個人資訊及所選擇的所述應用程式,用以訓練一機器學習模型;以及接收當前使用者透過所述網頁輸入的個人資訊,標籤化所述當前使用者的所述個人資訊並輸入所述機器學習模型,以產生包括適於所述當前使用者的所述應用程式的客製化映像檔。
- 如請求項1所述方法,更包括:從網路上的多個圖庫收集多種類型的多張圖片,輸入所述圖片於所述機器學習模型,以輸出所述圖片的分類結果;透過所述網頁接收所述使用者上傳的至少一個人圖片,輸入所述個人圖片於所述機器學習模型,以輸出所述個人圖片的分類結果;以及從所述個人圖片的分類結果中選擇內容並從所述圖片的分類結果中選擇風格,同時輸入所選擇的所述圖片的風格及所述個人 圖片的內容於所述機器學習模型,以輸出風格與所述個人圖片的所述內容相符的所述圖片作為桌布。
- 如請求項2所述方法,其中接收當前使用者透過所述網頁輸入的個人資訊,標籤化所述當前使用者的所述個人資訊並輸入所述機器學習模型,以產生包括適於所述當前使用者的所述應用程式的客製化映像檔的步驟更包括:接收所述當前使用者透過所述網頁上傳的所述個人圖片;以及標籤化所述當前使用者的所述個人資訊,並將所述當前使用者的所述個人圖片與標籤化的所述個人資訊輸入所述機器學習模型,以產生包括適於所述當前使用者的所述應用程式及所述桌布的所述客製化映像檔。
- 如請求項1所述方法,其中所述機器學習模型包括卷積神經網路(convolutional neural network,CNN)模型、遞迴神經網路(recurrent neural network,RNN)模型或長短期記憶(long short term memory,LSTM)遞迴神經網路模型。
- 如請求項1所述方法,其中所述個人資訊包括姓名、國家、日期、時間或偏好。
- 一種映像檔產生裝置,包括:通訊裝置,連結一網路;儲存裝置,儲存一機器學習模型;以及處理器,耦接所述通訊裝置以及所述儲存裝置,經配置以: 透過所述網路提供用以訂製映像檔的網頁,以接收使用者透過所述網頁輸入的個人資訊;根據所述個人資訊中的區域資訊,提供多個應用程式給所述使用者選擇,以產生包括所述使用者選擇的所述應用程式的映像檔;收集多個使用者所選擇的所述應用程式,標籤化各所述使用者的所述個人資訊及所選擇的所述應用程式,用以訓練所述機器學習模型;以及接收當前使用者透過所述網頁輸入的個人資訊,標籤化所述當前使用者的所述個人資訊並輸入所述機器學習模型,以產生包括適於所述當前使用者的所述應用程式的客製化映像檔。
- 如請求項6所述映像檔產生裝置,其中所述處理器更從網路上的多個圖庫收集多種類型的多張圖片,輸入所述圖片於所述機器學習模型,以輸出所述圖片的分類結果,並透過所述網頁接收所述使用者上傳的至少一個人圖片,輸入所述個人圖片於所述機器學習模型,以輸出所述個人圖片的分類結果,以及從所述個人圖片的分類結果中選擇內容並從所述圖片的分類結果中選擇風格,同時輸入所選擇的所述圖片的風格及所述個人圖片的內容於所述機器學習模型,以輸出風格與所述個人圖片的所述內容相符的所述圖片作為桌布。
- 如請求項7所述映像檔產生裝置,其中所述處理器更接收所述當前使用者透過所述網頁上傳的所述個人圖片,以及標 籤化所述當前使用者的所述個人資訊,並將所述當前使用者的所述個人圖片與標籤化的所述個人資訊輸入所述機器學習模型,以產生包括適於所述當前使用者的所述應用程式及所述桌布的所述客製化映像檔。
- 如請求項6所述映像檔產生裝置,其中所述機器學習模型包括卷積神經網路模型、遞迴神經網路模型或長短期記憶遞迴神經網路模型。
- 如請求項6所述映像檔產生裝置,其中所述個人資訊包括姓名、國家、日期、時間或偏好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111133754A TWI825978B (zh) | 2022-09-06 | 2022-09-06 | 映像檔產生方法與映像檔產生裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111133754A TWI825978B (zh) | 2022-09-06 | 2022-09-06 | 映像檔產生方法與映像檔產生裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI825978B true TWI825978B (zh) | 2023-12-11 |
TW202411832A TW202411832A (zh) | 2024-03-16 |
Family
ID=90053158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111133754A TWI825978B (zh) | 2022-09-06 | 2022-09-06 | 映像檔產生方法與映像檔產生裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI825978B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201042539A (en) * | 2009-05-26 | 2010-12-01 | Tatung Co | System and method for producing customized kernel image of embedded operating system |
US20210241019A1 (en) * | 2020-01-31 | 2021-08-05 | Salesforce.Com, Inc. | Machine learning photographic metadata |
CN113486248A (zh) * | 2021-07-27 | 2021-10-08 | 中国银行股份有限公司 | 一种应用程序中功能模块的推荐方法及装置 |
CN113515689A (zh) * | 2020-04-10 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 推荐方法及装置 |
CN114356744A (zh) * | 2020-09-29 | 2022-04-15 | 武汉安天信息技术有限责任公司 | 基于机器学习的应用程序界面遍历方法及设备 |
-
2022
- 2022-09-06 TW TW111133754A patent/TWI825978B/zh active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201042539A (en) * | 2009-05-26 | 2010-12-01 | Tatung Co | System and method for producing customized kernel image of embedded operating system |
US20210241019A1 (en) * | 2020-01-31 | 2021-08-05 | Salesforce.Com, Inc. | Machine learning photographic metadata |
CN113515689A (zh) * | 2020-04-10 | 2021-10-19 | 阿里巴巴集团控股有限公司 | 推荐方法及装置 |
CN114356744A (zh) * | 2020-09-29 | 2022-04-15 | 武汉安天信息技术有限责任公司 | 基于机器学习的应用程序界面遍历方法及设备 |
CN113486248A (zh) * | 2021-07-27 | 2021-10-08 | 中国银行股份有限公司 | 一种应用程序中功能模块的推荐方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
TW202411832A (zh) | 2024-03-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11812184B2 (en) | Systems and methods for presenting image classification results | |
US20240046306A1 (en) | Methods and apparatus for detection of spam publication | |
US11423253B2 (en) | Systems and methods for generating graphical user interfaces | |
US10542123B2 (en) | System and method for generating and monitoring feedback of a published webpage as implemented on a remote client | |
US20160170712A1 (en) | Method for integrally implementing development and release of APP | |
CN110968309A (zh) | 一种模板生成方法、装置、电子设备及存储介质 | |
US20200264851A1 (en) | Systems and methods for organizing, classifying, and discovering automatically generated computer software | |
CN113536098A (zh) | 信息推荐方法、装置、设备及计算机可读存储介质 | |
US20230127525A1 (en) | Generating digital assets utilizing a content aware machine-learning model | |
TWI825978B (zh) | 映像檔產生方法與映像檔產生裝置 | |
US20140002484A1 (en) | Generic media covers | |
CN113343109A (zh) | 榜单推荐方法、计算设备及计算机存储介质 | |
US9135725B2 (en) | Generic media covers | |
US11379898B2 (en) | Touch and pressure-based apparel image searching | |
CN107147732A (zh) | 图片处理方法、装置、客户端及服务端 | |
EP3627313A1 (en) | Method and system for operating a software application on a processor of a mobile device | |
US20210342130A1 (en) | Systems and methods for software application generation and delivery | |
CN113608737A (zh) | 页面生成方法、装置、设备及介质 | |
WO2020225791A1 (en) | Method and system for transforming wireframes to as-is screens with responsive behaviour | |
CN111428178B (zh) | 页面内容的处理方法、系统及计算设备 | |
WO2024032087A1 (zh) | 局部动态化页面生成方法、装置、电子设备、计算机可读存储介质及计算机程序产品 | |
US11765428B2 (en) | System and method to adapting video size | |
CN116415062A (zh) | 信息推送方法及装置和信息接收方法及装置 | |
CN115658059A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN114565473A (zh) | 投保流程配置方法及装置、存储介质、计算机设备 |