TWM623802U - 智慧資訊連結系統 - Google Patents
智慧資訊連結系統 Download PDFInfo
- Publication number
- TWM623802U TWM623802U TW110213647U TW110213647U TWM623802U TW M623802 U TWM623802 U TW M623802U TW 110213647 U TW110213647 U TW 110213647U TW 110213647 U TW110213647 U TW 110213647U TW M623802 U TWM623802 U TW M623802U
- Authority
- TW
- Taiwan
- Prior art keywords
- data
- processing module
- module
- model parameter
- network
- Prior art date
Links
Images
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本新型包括一處理模組電連接一網路模組、一人工智慧模組和一資料庫模組;該處理模組通過該網路模組從一外部裝置接收一畫面資料;該處理模組將該畫面資料送至該人工智慧模組,並得到該人工智慧模組輸出的一第一模型參數資料;該資料庫模組存有複數模型參數資料和複數呈現資料,且各模型參數資料對應該些呈現資料中的其中一呈現資料;該處理模組判斷該第一模型參數資料是否等於該些模型參數資料中的其中一模型參數資料;當判斷等於時,該處理模組將對應該模型參數資料的該呈現資料通過該網路模組做輸出,以準確投遞資訊至該外部裝置。
Description
一種資訊連結系統,尤指能準確呈現資訊的一種智慧資訊連結系統。
數位資訊普及的社會中,使用隨身的智慧型裝置,例如手機,即可輕易的掃描條碼以接收資訊。典型的例子,就例如利用手機掃描快速反應碼(QR碼;QR code)以開啟網址的連結。然而,並非所有手機能看到的畫面資訊都如同QR碼般能容易地被掃描和辨識。
舉例來說,當一路人看到一轎車而覺得心動時,該路人不知道該轎車的相關資訊,但是希望能得到該轎車於當地販售相關的促銷資訊。該路人希望以手機找尋相關資訊,卻無從有QR碼能即時的給予該路人想要的資訊。因此,該路人只能先照相該轎車後再上網圖片搜尋該轎車的相關資訊,並再進一步找尋該轎車於當地販售相關的促銷資訊。為了想要得到一特定資訊,上述這一系列的動作非常的不方便。並且,以該轎車照片的單一取照角度上網搜尋圖片時,很有可能找到其他相似的轎車或其他相似顏色的轎車,而產生搜尋結果的錯誤。
由此可知,用智慧型裝置所擷取的一畫面來提供該畫面內容事物附加資訊的這門技術,還有可以受到改進的空間。也就是說,負責提供上述數位服務的一資訊連結系統還有可以受到改良的空間。
本新型提供一智慧資訊連結系統,該智慧資訊連結系統包括:一資料庫模組,存有複數模型參數資料和複數呈現資料;其中,該些模型參數資料分別對應該些呈現資料;
一網路模組,連接一網路;一處理模組,電連接該資料庫模組及該網路模組,且該處理模組通過該網路模組從連接該網路的一外部裝置接收一畫面資料;一人工智慧模組,電連接該處理模組,以接收該畫面資料,並且對應該畫面資料輸出一第一模型參數資料;其中,該處理模組接收該第一模型參數資料,且該處理模組判斷該第一模型參數資料是否相同於該些模型參數資料中的其中一模型參數資料;其中,當該處理模組判斷該第一模型參數資料相同於該些模型參數資料中的其中一模型參數資料時,該處理模組將該資料庫模組中對應該模型參數資料的該呈現資料通過該網路模組的該網路輸出至該外部裝置。
本新型利用經訓練過的該人工智慧模組,大幅降低誤判該畫面資料的特徵的可能性,並且進一步確認該畫面資料對應的該第一模型參數資料是否等於該些模型參數資料中的其中一模型參數資料,以降低誤判該畫面資料的可能性。如此,本新型對應該畫面資料所輸出的該呈現資料將能提高其準確性,以達到準確投遞該呈現資料的目的。
10:網路模組
11:畫面資料
12:第一模型參數資料
13:資料庫模型參數資料
14:呈現資料
20:處理模組
30:人工智慧模組
31:訓練輸入資料
32:訓練輸出資料
40:資料庫模組
41:複數模型參數資料
42:呈現資料
50:輸入模組
100:外部裝置
S1~S14:步驟
圖1為本新型一智慧資訊連結系統的系統方塊圖。
圖2為本新型該智慧資訊連結系統的運作流程圖。
圖3為本新型該智慧資訊連結系統的另一系統方塊圖。
圖4為本新型該智慧資訊連結系統的另一運作流程圖。
圖5為本新型該智慧資訊連結系統另一實施例的運作流程圖。
圖6為本新型該智慧資訊連結系統另一實施例的運作流程圖。
圖7為本新型該智慧資訊連結系統內的資料示意圖。
圖8A為連接本新型該智慧資訊連結系統的一外部裝置的示意圖。
圖8B為連接本新型該智慧資訊連結系統的該外部裝置的另一示意圖。
圖9為連接本新型該智慧資訊連結系統的該外部裝置的另一示意圖。
請參閱圖1和圖2所示,本新型為一智慧資訊連結系統。該智慧資訊連結系統包括一網路模組10、一處理模組20、一人工智慧模組30和一資料庫模組40。其中該處理模組20分別電連接和分別控制該網路模組10、該人工智慧模組30和該資料庫模組40。
網路模組10連接一網路,並且一外部裝置100同樣連接該網路。該處理模組20通過該網路模組10的該網路連接該外部裝置100,並且該處理模組20通過該網路模組10從該外部裝置接收一畫面資料(S1)。該畫面資料為由該外部裝置100所提供。在本新型一第一實施例中,該外部裝置100為一智慧型手機,且該畫面資料為該外部裝置100相機所擷取的資料。在其他實施例中,該外部裝置100可為一智慧型裝置,例如一智慧型行動裝置或是一智慧型穿戴裝置。該智慧型行動裝置例如該智慧型手機或是一智慧型平板電腦,而該智慧型穿戴裝置例如一智慧型眼鏡。
該處理模組20將該畫面資料送至該人工智慧模組30,而該人工智慧模組30接收該畫面資料並且對應該畫面資料輸出一第一模型參數資料。換句話說,該處理模組20通過該人工智慧模組30取得該第一模型參數資料(S2)。在本實施例中,該人工智慧模組30受到一大數據資料的訓練,因此該人工智慧模組30能夠準確的根據該畫面資料產生該第一模型參數資料。也就是說,該人工智慧模組30受過訓練,能大幅降低誤判該畫面資料中呈現特徵的可能性。
該資料庫模組40存有複數模型參數資料和複數呈現資料,且該些模型參數資料分別對應該些呈現資料,也就是說該些模型參數資料中的各模型參數資料對應該些呈現資料中的其中一呈現資料。
該處理模組20接收該第一模型參數資料,且該處理模組20判斷該第一模型參數資料是否相同於該資料庫模組40中存有該些模型參數資料中的其中一該模型參數資料。進一步來說,在本實施例中,該處理模組20逐一判斷該第一模型參數資料是否相同於該些模型參數資料中的任一該模型參數資料(S3)?當該處理模組20判斷該第一模型參數資料相同於該些模型參數資料中的其中一該模型參數資料時,該處理模組20將該資料庫模組40中對應該模型參數資料的該呈現資料通過該網路模組10的該網路輸出至該外部裝置100(S4)。而當該處理模組20判斷該第一模型參數資料不同於該些模型參數資料中的任一該模型參數資料時,該處理模組20停止判斷,並該處理模組20通過該網路模組10重新接收該畫面資料(S5)。換句話說,該處理模組20逐一判斷該些模型參數資料中有沒有任何的一該模型參數資料和該第一模型參數資料相同,其中只要有一個相同的話就算有對應到一個該呈現資料,而如果沒有任何一個相同的話就重新接收該畫面資料。
經過上述的判斷,該處理模組20能即時的確認該畫面資料是否有確切出現需要本新型呈現附加資訊動作的物件。當該處理模組20判斷該第一模型參數資料等於該些模型參數資料中的其中一模型參數資料時,即代表需要本新型注意的物件出現在該畫面資料中,而所以本新型需對應提供相關的附加資訊,即提供該呈現資料。
在本實施例中,該呈現資料的資料形式可為一圖片檔、一網址文字檔、或一文字檔,而該資料庫模組40中存有的該些呈現資料即包括至少一圖片資料、至少一網址資料、和至少一文字資料。該文字檔可為一商業廣告的促銷資
訊,而該網址文字檔可為一線上影片檔的一統一資源定位符(Uniform Resource Locator;url)。在其他實施例中,該呈現資料的資料形式也可為其他之檔案形式。
在其他實施例中,該畫面資料為一擴增實境(Augmented Reality;AR)或一虛擬實境(Virtual Reality;VR)形式的資料。換句話說,在含有虛擬資訊的空間內,含有虛擬物件的該畫面資料還是可以受到本新型得該人工智慧模組30的辨識。該人工智慧模組30所受到訓練的資料不限種類,因此並不會造成該人工智慧模組30訓練上的困難。該人工智慧模組30能夠對事先對一三維度(3D)的物件進行多角度、多視角的訓練,如此,無論是虛擬視角還是真實的視角,該外部裝置100擷取的該畫面資料都能受到該人工智慧模組30的辨識。
請參閱圖3和圖4所示,本實施例進一步包括一輸入模組50。該輸入模組50電連接該處理模組20,且該輸入模組50能接收一更新資料和一大數據資料的輸入。該處理模組20根據該輸入模組50所輸入的該更新資料而更新該資料庫模組40的該些模型參數資料和該些呈現資料。並且,該處理模組20根據該輸入模組50所輸入的該大數據資料而訓練該人工智慧模組30,以更加準確地對應該畫面資料輸出該第一模型參數資料。
在本實施例中,該處理模組20根據該大數據資料以強化學習(Reinforcement learning;RL)的方法訓練該人工智慧模組30辨識圖像特徵,使該人工智慧模組30更能辨識該畫面資料中的圖像特徵。並且,該人工智慧模組30採用二階段特徵強化演算法辨識圖像特徵。該第一模型參數資料的內容包括該人工智慧模組30對該畫面資料出現任何數值特徵的定義。該人工智慧模組30在辨識該畫面資料的至少一圖像特徵後,將產生對應該至少一圖像特徵的該第一模型參數資料。
二階段特徵強化演算法即對於該畫面資料中的該至少一圖像特徵做二次的差異比較。詳細來說,該人工智慧模組30通過二階段特徵強化演算法
先對該畫面資料中的該至少一圖像特徵做第一次的差異比較,以比較該畫面資料中的該至少一圖像特徵是否出現一第一特徵。當該至少一圖像特徵出現該第一特徵時,即比較成功時,該人工智慧模組30再對該畫面資料中的該至少一圖像特徵做第二次的差異比較,以比較該畫面資料中的該至少一圖像特徵除了出現該第一特徵之外是否也一併出現一第二特徵。當該至少一圖像特徵未出現該第一特徵時,也就是當第一次的差異比較失敗時,即無須繼續進行第二次的差異比較,該人工智慧模組30即判斷該畫面資料未對應根據該大數據資料所訓練的內容。當該畫面資料中的該至少一圖像特徵同時出現該第一特徵和該第二特徵時,也就是當第一次和第二次的差異比較都成功時,該人工智慧模組30即判斷該畫面資料確實對應根據該大數據資料所訓練的內容。該人工智慧模組30通過二階段特徵強化演算法,能更嚴苛的對該畫面資料進行辨識,以增加判斷該畫面資料確實對應該大數據資料所訓練內容的正確率,而進一步使產生的該第一模型參數資料更能確實對應該大數據資料所訓練的內容。
舉例來說,通過該大數據資料的訓練,該人工智慧模組30有兩個人工智慧(Artificial Intelligence;AI)模型,其中一第一AI模型受訓練用於辨識為一布偶的該第一特徵,一第二AI模型受訓練用於辨識為一帽子的該第二特徵。當接收到該畫面資料時,該人工智慧模組30先用該第一AI模型在該畫面資料中差異比較而辨識出該布偶,之後再用該第二AI模型在該畫面資料中辨識戴有該帽子的該布偶,即該畫面資料中差異比較而嘗試辨識是否出現一併擁有該第一特徵和該第二特徵的情形。當該人工智慧模組30判斷該畫面資料中只出現該布偶或是只出現該帽子時,該人工智慧模組30判斷該畫面資料中未對應根據該大數據資料所訓練的內容。當該人工智慧模組30判斷該畫面資料同時出現該布偶和該帽子時,該人工智慧模組30判斷該畫面資料確實有對應根據該大數據資料所訓練的內容。
當該人工智慧模組30發現該畫面資料無對應根據該大數據資料所訓練的內容時,該人工智慧模組30即將該第一模型參數資料設為一未知的模型參數。這種情況下,理所當然該處理模組20將發現該第一模型參數資料無法對應該資料庫模組40中所存的內容,於是該處理模組20重新接收該畫面資料,以重新更新該第一模型參數資料。該資料庫模組40中所存的內容可根據該更新資料而時常更新和調整本新型所期望看到的該畫面資料和該第一模型參數資料。
另外,該資料庫模組40進一步存有複數位置資料,且該些位置資料分別對應該些呈現資料,也就是說該些位置資料中的各位置資料對應該些呈現資料中的其中一呈現資料。該處理模組20通過該網路模組10從該外部裝置100接收一現在位置資料(S5),並且該處理模組20判斷該現在位置資料是否相同於該些位置資料中的其中一該位置資料。在本實施例中,該處理模組20逐一判斷該現在位置資料是否相同於該些位置資料中的任一該位置資料(S6)?
當該處理模組20判斷該現在位置資料相同於該些位置資料中的其中一該位置資料時,該處理模組20將該資料庫模組40中對應該位置資料的該呈現資料通過該網路模組10的該網路輸出至該外部裝置100(S7)。而當該處理模組20判斷該現在位置資料不同於該些位置資料中的任一該位置資料時,該處理模組20停止判斷,並該處理模組20通過該網路模組10重新接收該現在位置資料。
請參閱圖5所示,在本新型一第二實施例中,該資料庫模組40進一步存有一附近位置資料,且該附近位置資料包括一距離閾值。當該處理模組20判斷該現在位置資料不同於該些位置資料中的任一該位置資料時,該處理模組20計算該現在位置資料和該些位置資料之間的一距離資料。接著,該處理模組20進一步判斷該距離資料是否小於或等於該距離閾值。更詳細來說,該處理模組20逐一計算該現在位置資料和各該些位置資料之間的各該距離資料(S8)。接著,該處理模組20判斷任一該距離資料是否小於或等於距離閾值(S9)?當該處理模組
20判斷該距離資料小於或等於該距離閾值時,該處理模組20即認定該現在位置資料相同於該些位置資料中離該現在位置資料距離最近的其中一該位置資料。當該處理模組20判斷該距離資料大於該距離閾值時,該處理模組20即停止判斷,並該處理模組20通過該網路模組重新接收該畫面資料和該現在位置資料。
換句話說,在該第二實施例中,該處理模組20對該現在位置資料的定義上較有寬容性。該處理模組20計算該現在位置資料和各該些位置資料之間的各該距離資料後,該處理模組20將能找出離該現在位置資料距離最近之其中一該位置資料,而這離該現在位置最近之其中一該位置資料即在所有計算的該距離資料中對應最小之該距離資料。只要該處理模組20判斷任一個該距離資料小於或等於該距離閾值,即該處理模組20判斷該現在位置資料位於可以接受的範圍內,而進一步認定該現在位置資料相同於該些位置資料中離該現在位置資料距離最近的其中一該位置資料。如此,在可接受範圍內的該外部裝置100將能從本新型接受到對應該位置資料的該呈現資料。
在該第二實施例中,該現在位置資料和該些位置資料為全球定位系統(Global Positioning System;GPS)之座標資料。計算該現在位置資料和該些位置資料,也就是兩GPS座標資料,之間的該距離資料為習知的計算手段,故不贅述該處理模組20如何計算該距離資料。
請參閱圖6所示,進一步,本新型之該處理模組20能從該網路模組10同時接收該畫面資料和該現在位置資料。當該處理模組20同時接收該畫面資料和該現在位置資料(S10)時,該處理模組20通過該人工智慧模組30取得該第一模型參數資料(S11)。該處理模組20判斷該第一模型參數資料是否相同於該些模型參數資料中的其中一該模型參數資料。進一步來說,在本實施例中,該處理模組20逐一判斷該第一模型參數資料是否相同於該些模型參數資料中的任一該模型參數資料(S12)?當該處理模組20判斷該第一模型參數資料不同於該些模型
參數資料中的任一該模型參數資料時,該處理模組20停止判斷,並該處理模組20通過該網路模組10重新接收該畫面資料和該現在位置資料。
當該處理模組20判斷該第一模型參數資料相同於該些模型參數資料中的其中一該模型參數資料時,該處理模組20進一步判斷該現在位置資料是否相同於該些位置資料中的其中一該位置資料。進一步來說,在本實施例中,當該處理模組20判斷該第一模型參數資料相同於該些模型參數資料中的其中一該模型參數資料時,該處理模組20進一步逐一判斷該現在位置資料是否相同於該些位置資料中的任一該位置資料(S13)?當該處理模組20判斷該現在位置資料相同於該些位置資料中的其中一該位置資料時,該處理模組20認定該資料庫模組40中對應該模型參數資料的該呈現資料進一步對應該位置資料,且該處理模組20將該呈現資料通過該網路模組10的該網路輸出至該外部裝置100(S14)。
當該處理模組20判斷該現在位置資料不同於該些位置資料中的任一該位置資料時,該處理模組20認定該資料庫模組40中對應該模型參數資料的該呈現資料未進一步對應該位置資料,則該處理模組20即停止判斷,並該處理模組20通過該網路模組10重新接收該畫面資料和該現在位置資料。
換句話說,當該處理模組20同時接收該畫面資料和該現在位置資料(S10)時,該處理模組20會分別考慮對應該畫面資料的該第一模型參數資料和該現在位置資料是否最終同時對應同一個該呈現資料。如果是的話,本新型才會將該呈現資料送給該外部裝置100。如此一來,經過(S12、S13)雙重的確認後,該外部裝置100將能更正確的接收到特定的資訊,也就是該呈現資料能夠更正確、更減少失誤的呈現給該外部裝置100。這裡指的失誤,即指投遞錯誤資訊的失誤。本新型之該智慧資訊連結系統,能減少投遞該呈現資料至該外部裝置100錯誤的情況,並且提升該呈現資料投遞至該外部裝置100的正確性。
請參閱圖7所示,圖7為本新型該智慧資訊連結系統內的資料示意圖。在本實施例中,該人工智慧模組30經該大數據資料訓練後,存有了一訓練輸入資料31和一訓練輸出資料32。該訓練輸入資料31包括了一車輛的輸入畫面資料和一長方體的輸入畫面資料。該長方體的輸入畫面資料包括了該長方體多視覺角度的資料。根據該長方體多視覺角度的資料,該長方體六個面中的其中四個面積較大的面,別分別包括了含有一圓型的面、含有一三角形的面、含有一正方形的面、和含有一圓型、三角型和一正方形的面。另外,該訓練輸出資料32包括了一第一模型參數、一第二模型參數和一未知模型參數。其中,該第一模型參數對應該車輛的輸入畫面資料,該第二模型參數對應該長方體的輸入畫面資料,而其他未知的輸入畫面資料對應該未知模型參數。所謂其他未知的輸入畫面資料,即該人工智慧模組30受該大數據資料訓練後還未知道的輸入畫面資料。
圖7中,該資料庫模組40存有了包括該第一模型參數和該第二模型參數的該些模型參數資料41。並且,該資料庫模組40存有了包括一第一呈現資料和一第二呈現資料的該些呈現資料42。其中,該第一呈現資料對應該第一模型參數,且該第二呈現資料對應該第二模型參數。
圖7中,該處理模組20將該畫面資料11送至該人工智慧模組30,而該人工智慧模組30接收該畫面資料11後輸出該第一模型參數資料12。其中,該畫面資料11為前述該長方體其中一視角的畫面資料。該第一模型參數資料12為前述之該第二模型參數。因此,該第一模型參數資料12等於該些模型參數資料41中的其中一模型參數資料,即一資料庫模型參數資料13。該處理模組20將該資料庫模組40中對應該資料庫模型參數資料13的該呈現資料14通過該網路模組10的該網路輸出至該外部裝置100。該呈現資料14即前述的該第二呈現資料。
請參閱圖8A至圖9所示,如前述在該第一實施例中,配合本新型之該外部裝置100為一智慧型手機。如圖8A,該外部裝置100所擷取的該畫面資
料11為該前述該長方體其中一視角的畫面資料。本新型接收該外部裝置100的該畫面資料11,且該處理模組20經由前述的一系列判斷後,將為該第二呈現資料的該呈現資料14傳回該外部裝置100。如圖8B,該外部裝置100接收該呈現資料14後能呈現該呈現資料14,以達到使用本新型該智慧資訊連結系統根據該畫面資料11傳遞特定資訊的功能。
如圖9,當該外部裝置100所擷取的該畫面資料11為一三角錐的畫面時,本新型接收該外部裝置100的該畫面資料11,且該處理模組20經由前述的一系列判斷後,將無回傳任何呈現資料至該外部裝置100。如此,表示該三角錐的畫面未對應本新型所知的該些模型參數資料41,因此本新型將忽視該三角錐的畫面而重新更新接收到的該畫面資料11。
本新型利用經訓練過的該人工智慧模組30,大幅降低誤判該畫面資料11的特徵的可能性,並且進一步確認該畫面資料11對應的該第一模型參數資料12是否等於該些模型參數資料41中的其中一模型參數資料,以降低誤判該畫面資料11的可能性。如此,本新型對應該畫面資料11所輸出的該呈現資料14將能提高其準確性,以達到準確投遞該呈現資料14至該外部裝置100的目的。
10:網路模組
20:處理模組
30:人工智慧模組
40:資料庫模組
50:輸入模組
Claims (10)
- 一種智慧資訊連結系統,包括: 一資料庫模組,存有複數模型參數資料和複數呈現資料;其中,該些模型參數資料分別對應該些呈現資料; 一網路模組,連接一網路; 一處理模組,電連接該資料庫模組及該網路模組,且該處理模組通過該網路模組從連接該網路的一外部裝置接收一畫面資料; 一人工智慧模組,電連接該處理模組,以接收該畫面資料,並且對應該畫面資料輸出一第一模型參數資料; 其中,該處理模組接收該第一模型參數資料,且該處理模組判斷該第一模型參數資料是否相同於其中一該模型參數資料; 當該處理模組判斷該第一模型參數資料相同於其中一該模型參數資料時,該處理模組將該資料庫模組中對應該模型參數資料的該呈現資料通過該網路模組的該網路輸出至該外部裝置。
- 如請求項1所述之智慧資訊連結系統,其中: 當該處理模組判斷該第一模型參數資料不同於任一該模型參數資料時,該處理模組停止判斷,並該處理模組通過該網路模組重新接收該畫面資料。
- 如請求項2所述之智慧資訊連結系統,進一步包括: 一輸入模組,電連接該處理模組; 其中,該處理模組根據該輸入模組所輸入的一更新資料更新該資料庫模組的該些模型參數資料和該些呈現資料; 其中,該處理模組根據該輸入模組所輸入的一大數據資料訓練該人工智慧模組,以更加準確對應該畫面資料輸出該第一模型參數資料。
- 如請求項3所述之智慧資訊連結系統,其中: 該處理模組根據該大數據資料以強化學習的方法訓練該人工智慧模組辨識圖像特徵,且該人工智慧模組採用二階段特徵強化演算法辨識圖像特徵以產生對應至少一圖像特徵的該第一模型參數資料,即該人工智慧模組先對該畫面資料中的該至少一圖像特徵做第一次的差異比較,以比較該畫面資料中的該至少一圖像特徵是否出現一第一特徵; 當該至少一圖像特徵出現該第一特徵時,該人工智慧模組再對該畫面資料中的該至少一圖像特徵做第二次的差異比較,以比較該畫面資料中的該至少一圖像特徵除了出現該第一特徵之外是否也同時一併出現一第二特徵; 當該至少一圖像特徵未出現該第一特徵時,即無須繼續進行第二次的差異比較,且該人工智慧模組即判斷該畫面資料未對應根據該大數據資料所訓練的內容,而進一步對應設定該第一模型參數資料為一未知的模型參數; 當該畫面資料中的該至少一圖像特徵同時出現該第一特徵和該第二特徵時,該人工智慧模組即判斷該畫面資料確實對應根據該大數據資料所訓練的內容,而使產生的該第一模型參數資料更能確實對應該大數據資料所訓練的內容。
- 如請求項1所述之智慧資訊連結系統,其中: 該資料庫模組進一步存有複數位置資料; 該些位置資料分別對應該些呈現資料; 該處理模組通過該網路模組從該外部裝置接收一現在位置資料,並且該處理模組判斷該現在位置資料是否相同於其中一該位置資料; 當該處理模組判斷該現在位置資料相同於其中一該位置資料時,該處理模組將該資料庫模組中對應該位置資料的該呈現資料通過該網路模組的該網路輸出至該外部裝置。
- 如請求項5所述之智慧資訊連結系統,其中: 該資料庫模組進一步存有一附近位置資料,且該附近位置資料包括一距離閾值; 當該處理模組判斷該現在位置資料不同於任一該位置資料時,該處理模組計算該現在位置資料和該些位置資料之間的一距離資料; 該處理模組進一步判斷該距離資料是否小於或等於該距離閾值; 當該處理模組判斷該距離資料小於或等於該距離閾值時,該處理模組即認定該現在位置資料相同於其中一該位置資料; 當該處理模組判斷該距離資料大於該距離閾值時,該處理模組即停止判斷,並該處理模組通過該網路模組重新接收該畫面資料和該現在位置資料。
- 如請求項5所述之智慧資訊連結系統,其中: 當該處理模組同時接收該畫面資料和該現在位置資料時,該處理模組判斷該第一模型參數資料是否相同於其中一該模型參數資料; 當該處理模組判斷該第一模型參數資料不同於任一該模型參數資料時,該處理模組停止判斷,並該處理模組通過該網路模組重新接收該畫面資料和該現在位置資料; 當該處理模組判斷該第一模型參數資料相同於其中一該模型參數資料時,該處理模組進一步判斷該現在位置資料是否相同於其中一該位置資料; 當該處理模組判斷該現在位置資料相同於其中一該位置資料時,該處理模組認定該資料庫模組中對應該模型參數資料的該呈現資料進一步對應該位置資料,且該處理模組將該呈現資料通過該網路模組的該網路輸出至該外部裝置; 當該處理模組判斷該現在位置資料不同於任一該位置資料時,該處理模組認定該資料庫模組中對應該模型參數資料的該呈現資料未進一步對應該位置資料,則該處理模組即停止判斷,並該處理模組通過該網路模組重新接收該畫面資料和該現在位置資料。
- 如請求項5所述之智慧資訊連結系統,其中: 該現在位置資料和該些位置資料為全球定位系統(GPS)之座標資料。
- 如請求項1至8中任一項所述之智慧資訊連結系統,其中: 該些呈現資料包括至少一圖片資料、至少一網址資料、和至少一文字資料。
- 如請求項1至8中任一項所述之智慧資訊連結系統,其中: 該畫面資料為一擴增實境(AR)或一虛擬實境(VR)形式的資料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110213647U TWM623802U (zh) | 2021-11-18 | 2021-11-18 | 智慧資訊連結系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW110213647U TWM623802U (zh) | 2021-11-18 | 2021-11-18 | 智慧資訊連結系統 |
Publications (1)
Publication Number | Publication Date |
---|---|
TWM623802U true TWM623802U (zh) | 2022-02-21 |
Family
ID=81324683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW110213647U TWM623802U (zh) | 2021-11-18 | 2021-11-18 | 智慧資訊連結系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWM623802U (zh) |
-
2021
- 2021-11-18 TW TW110213647U patent/TWM623802U/zh unknown
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110568447B (zh) | 视觉定位的方法、装置及计算机可读介质 | |
CN107223269B (zh) | 三维场景定位方法和装置 | |
CN110246163B (zh) | 图像处理方法及其装置、设备、计算机存储介质 | |
EP3274964B1 (en) | Automatic connection of images using visual features | |
JP2023502972A (ja) | 物品識別および追跡システム | |
CN112750203B (zh) | 模型重建方法、装置、设备及存储介质 | |
JP2000020728A (ja) | 画像処理装置及び方法 | |
CN111144356B (zh) | 一种远程教学的教师视线跟随方法及装置 | |
WO2023056544A1 (en) | Object and camera localization system and localization method for mapping of the real world | |
CN111323024B (zh) | 定位方法及装置、设备、存储介质 | |
CN108430032B (zh) | 一种实现vr/ar设备位置共享的方法及设备 | |
JP6699518B2 (ja) | 画像認識処理方法、画像認識処理プログラム、データ提供方法、データ提供システム、データ提供プログラム、記録媒体、プロセッサ及び電子機器 | |
KR102464271B1 (ko) | 포즈 획득 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
CN110162585B (zh) | 实时成像三维建模历史地理信息系统 | |
CN114266823A (zh) | 一种结合SuperPoint网络特征提取的单目SLAM方法 | |
CN112288876A (zh) | 远距离ar识别服务器及系统 | |
TWM623802U (zh) | 智慧資訊連結系統 | |
CN113678171A (zh) | 信息处理装置、信息处理方法和记录介质 | |
WO2023088127A1 (zh) | 室内导航方法、服务器、装置和终端 | |
JP6304815B2 (ja) | 画像処理装置ならびにその画像特徴検出方法、プログラムおよび装置 | |
CN116503474A (zh) | 位姿获取方法、装置、电子设备、存储介质及程序产品 | |
TW202321948A (zh) | 智慧資訊連結系統 | |
KR102299902B1 (ko) | 증강현실을 제공하기 위한 장치 및 이를 위한 방법 | |
CN114998686A (zh) | 烟雾检测模型构建方法、装置、设备、介质及检测方法 | |
CN113327313A (zh) | 人脸动画展示方法、装置、系统、服务器及可读存储介质 |