WO2019127832A1 - 智能搜索方法、装置、终端及服务器、存储介质 - Google Patents
智能搜索方法、装置、终端及服务器、存储介质 Download PDFInfo
- Publication number
- WO2019127832A1 WO2019127832A1 PCT/CN2018/074832 CN2018074832W WO2019127832A1 WO 2019127832 A1 WO2019127832 A1 WO 2019127832A1 CN 2018074832 W CN2018074832 W CN 2018074832W WO 2019127832 A1 WO2019127832 A1 WO 2019127832A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- feature information
- search
- category
- target
- database
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种智能搜索方法、装置、终端及服务器、存储介质,智能搜索方法可以识别目标图片的图像内容,并根据识别结果设置特征信息,再确定特征信息所属的类别,将特征信息作为搜索关键字,在特征信息所属类别的数据库中进行搜索,得到与目标图像内容相关的搜索结果;在使用搜索功能时,不再强制要求用户输入准确的文字信息作为关键字,而是将目标图片的特征信息作为搜索关键字,直接在特征信息所属类别的数据库中进行搜索,在保证搜索准确性的前提下,缩小搜索范围,提升资源利用率的同时,提升用户体验的满意度。
Description
本发明涉及通信领域,尤其涉及一种智能搜索方法、装置、终端及服务器、存储介质。
随着网络技术以及终端技术的日益发展,用户可以通过终端实现图像拍摄、看视频、浏览网页、听歌、通话等各种功能。且终端也提供了各种本地搜索或网络搜索的功能。但不管是本地搜索还是网络搜索,目前所提供的搜索方式中,都是通过输入的文字信息进行搜索。也即要通过搜索功能进行搜索,首先用户需要获取到相应的文字信息作为搜索关键字输入。而在日常生活和工作中,往往会遇到用户不知道用文字怎么表达一种事物,或用文字不能准确进行表达,导致用户不能通过搜索功能对该事物进行搜索,或搜索出来的结果完全不是用户想要的结果。所以,现有传统的文字搜索功能具有较大的局限性,并不能很好的满足需求,导致用户体验满意度差。
本发明实施例提供一种智能搜索方法、装置、终端及服务器、存储介质,以解决现有文字搜索功能需要用户准确输入文字关键字才能实现准确搜索这一局限性问题。
为解决上述技术问题,本发明实施例采用以下技术方案:
本发明实施例提供一种智能搜索方法,包括:
对目标图片中的图像内容进行识别,根据识别结果为目标图片设置特征信息,特征信息用于表征目标图片所包含的图像内容;
确定特征信息所属的类别;
将特征信息作为搜索关键字,在特征信息所属类别的数据库中进行搜索,得到搜索结果。
可选地,根据识别结果为目标图片设置特征信息之后,确定特征信息所属的类别之前,还包括以下特征信息筛选过程:获取特征信息在目标图片中所占的权重值;将权重值小于等于预设权重阈值的特征信息剔除;或将特征信息按权重值从大到小的顺序排列,将排列在第K个之后的各权重值对应的特征信息剔除。
可选地,获取特征信息在目标图片中所占的权重值包括:获取特征信息对应的图像内容在目标图片中所占的面积比,将面积比作为特征信息的权重值。
可选地,得到搜索结果之后,还包括:
获取所述搜索结果中各目标对象中的内容;
在存在相同内容的目标对象个数大于数量阈值时,从这些目标对象中选择M个目标对象在所述搜索结果中进行显示;所述M小于等于所述数量阈值;若两个目标对象的内容相似度大于第一相似度阈值则判定二者存在相同内容。
可选地,得到搜索结果之后,还包括:对搜索结果中搜索到的各目标对象进行二次分类;将各目标对象按分类结果进行分类显示。
可选地,对搜索到的各目标对象进行二次分类包括:按以下分类方式中的任意一种对搜索到的各目标对象进行二次分类:
方式一:获取各目标对象的来源信息,将来源信息相关联的目标对象分为一类;
方式二:获取各目标对象的文件类型信息,将文件类型信息相同的目标对象分为一类;
方式三:获取各目标对象中的内容,将两两内容相似度高于预设第二相似度阈值的各目标对象分为一类;
方式四:获取各目标对象中的关键内容,根据预设内容场景分类算法和各目标对象中的关键内容,对各目标对象进行分类。
可选地,至少一个类别的数据库中包括文本类型文件;将特征信息作为搜索关键字,在特征信息所属类别的数据库中进行搜索之前,还包括:提取文本类型文件中的关键字作为该文本类型文件的文本特征信息;确定各文本特征信息所属的类别,将各文本类型文件设置于其文本特征信息所属类别的数据库中;
将特征信息作为搜索关键字,在特征信息所属类别的数据库中进行搜索包括:查找到特征信息所属类别的数据库;在数据库中存在文本类型文件时,将特征信息与文本类型文件的文本特征信息进行匹配。
可选地,将特征信息作为搜索关键字,在特征信息所属类别的数据库中进行搜索包括:
服务器接收终端发送的特征信息和特征信息所属的类别,并将特征信息作为搜索关键字,在特征信息所属类别的数据库中进行搜索;
和/或,
终端将特征信息作为搜索关键字,在本地的特征信息所属类别的数据库中进行搜索。
本发明实施例还提供一种智能搜索装置,包括:
特征信息设置模块,用于对目标图片中的图像内容进行识别,根据识别结果为目标图片设置特征信息,特征信息用于表征目标图片所包含的图像内容;
特征信息分类模块,用于确定特征信息所属的类别;
搜索处理模块,用于将特征信息作为搜索关键字,在特征信息所属类别的数据库中进行搜索,得到搜索结果。
本发明实施例还提供一种终端,终端包括第一处理器、第一存储器以及第一通信总线;第一通信总线用于实现第一处理器与第一存储器之间的通信连接;第一处理器用于执行第一存储器中存储的一个或者多个第一程序,以实现如上任一项的智能搜索方法的步骤。
本发明实施例还提供一种服务器,服务器包括第二处理器、第二存储器以及第二通信总线;第二通信总线用于实现第二处理器与第二存储器之间的通信连接;第二处理器用于执行第二存储器中存储的一个或者多个第二程序,以实现如上任一项的智能搜索方法的步骤。
本发明实施例还提供一种存储介质,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现如上任一项的智能搜索方法的步骤。
本发明实施例提供一种智能搜索方法、装置、终端及服务器、存储介质,该智能搜索方法至少具备以下优点:1、在使用搜索功能时,不再强制要求用户输入准确的文字信息作为关键字,用户只需要输入待搜索的目标图片即可,极大简化了搜索操作,丰富了搜索方式,可带给用户全新的搜索体验;例如用户在遇到不知道如何用文字表述的事物时,只需要对该事物进行拍照,将拍得的照片作为目标图片输入即可准确的搜索到与该事物相关的内容,避免用户因不知如何表达描述而不能进行搜索的尴尬情况发生;也能避免因用户输入的文字关键字不对而搜索结果冗余杂糅的情况发生;2、通过图像识别技术和特征信息分类技术对目标图片中的图像内容进行自动识别、打标签(设置特征信息)和分类,实现简单、简洁;且在搜索时,将特征信息作为搜索关键字,直接在特征信息所属类别的数据库中进行搜索,在保证搜索准确性的前提下,缩小搜索范围,提升资源利用率的同时,提升搜索结果的准确性,可进一步提升用户体验的满意度。
图1为本发明实施例一提供的智能搜索方法的流程示意图;
图2为本发明实施例一提供的一图片的示意图;
图3为本发明实施例一提供的另一图片的示意图;
图4为本发明实施例一中特征信息筛选的流程示意图;
图5为本发明实施例一中特征信息权重值获取的流程示意图;
图6为本发明实施例一提供的对目标对象进行筛选的流程示意图;
图7为本发明实施例一中对目标对象分类的流程示意图;
图8为本发明实施例一的文本类型文件设置流程示意图;
图9为本发明实施例一的文本类型文件匹配流程示意图;
图10为本发明实施例二的智能搜索装置结构示意图;
图11为本发明实施例三的终端结构示意图;
图12为本发明实施例三的服务器结构示意图。
为了使本发明的目的、技术方案及优点更加清楚明白,下面通过具体实施方式结合附图对本发明实施例作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一:
针对现有文字搜索功能需要用户准确输入文字关键字才能实现准确搜索这一局限性问题,本实施例提供了一种基于图片的智能搜索方法,参见图1所示,包括:
S101:对目标图片中的图像内容进行识别,根据识别结果为目标图片设置特征信息,所设置的特征信息用于表征目标图片所包含的图像内容。
本实施例中的目标图片可以是各种来源的图片,例如可以是终端从其他终端获取到的图片,终端从网络侧获取到的图片,终端通过图像采集设备拍摄得到的图片、终端从本地或网络视频中截取的图片、终端本地文件或云端网页提取到的图片等等。且本实施例中对于目标图片的格式、大小并无限制。
本实施例中对目标图片中的图像内容进行识别时,所采用的图片识别技术可以是各种图片识别技术,例如包括但不限于神经网络的图像识别方法、基于小波矩的图像识别方法,具体采用什么图像识别方法可以灵活的选择设置,在此不对其进行赘述。
本实施例中,对目标图片中的图像内容进行识别时,可以识别出目标图片中的各种内容,包括但不限于各种物体、植物、人物、动物、文字信息等等。例如对于图2所示的图片,可以准确的识别出该图片包括猫的图像区域21和显示器的图像区域22,对于图3所示的图片,至少可以准确识别出该图片包含文字“招商银行”的图像区域31以及包含数字“6225 7688 8888 8888”的图像区域32。本实施例中,对于图片中的图像内容进行识别时,可以对该图片中的所有内容进行识别,也可以对该图片中的内容有选择性的进行识别。例如,当用户输入目标图片后,指定对该目标图片上的特定区域内的图像内容进行识别时,则可以仅针对用户指定区域内的图像内容进行识别并进行后续的搜索。
本实施例中,根据识别结果为目标图片设置特征信息,所设置的特征信息用于表征目标图片所包含的图像内容,该步骤也称为为目标图片设置标签(即特征信息)的过程,且一个目标图片可能设置一个标签,也可能设置多个标签。例如,针对图2所示的图片,根据识别结果可设置其特征信息包括“猫”和“电脑显示器”,对于图3所示的图片,根据识别结果可设置其特征信息包括“招商银行”和“6225 7688 8888 8888(或为“银行卡号”,或“银行卡号6225 7688 8888 8888”)”等。具体特征信息的设置规则也可以灵活确定。
S102:确定目标图片各特征信息所属的类别。
在本实施例中,可以采用各种文意识别技术进行场景分类,确定各种特征信息对应的类别,例如将图2中的“猫”确定为“动物”类别,甚至确定为更精细的“猫科动物”类,将图2中的“电脑显示器”确定为“电脑”类等。对特征信息进行分类所采用的算法包括但不限于决策树(Decision Trees)分类算法、人工神经网络(Convolutional Neural Networks, CNN)分类算法、遗传算法、KNN算法(K-Nearest
Neighbour)、支持向量机(SVM)算法、朴素贝叶斯算法、Adaboosting算法以及Rocchio算法等几种中的至少一种。
S103:将目标图片的各特征信息作为搜索关键字,在各特征信息所属类别的数据库中进行搜索,得到搜索结果。
本实施例中,在得到目标图片的特征信息之后,并不是直接将该特征信息直接在数据库中进行散乱盲目搜索,而是再对特征信息进行分类,然后将特征信息作为搜索关键字,直接在特征信息所属类别的数据库中进行搜索,可在保证搜索准确性的前提下,缩小搜索范围,提升资源利用率的同时,提升搜索结果的准确性,可进一步提升用户体验的满意度。应当理解的是,本实施例中各类别对应的数据库是预先设置好的,且该数据库还可支持实时、动态更新。
应当理解的是,本实施例中用户在输入目标图片后,还可支持用户进一步输入文字信息作为补充搜索信息,后续搜索时可结合用户输入的目标图片的特征信息以及用户输入的补充搜索信息进行搜索,以及对搜索结果进行筛选,提升搜索准确率,也即可支持图片和文字结合进行搜索。
在本实施例的示例一中,图1所示的步骤可全部由终端执行,此时终端可以从其他终端、云端、或通过图像采集装置等方式获取到目标图片。且此时S103执行搜索时,终端可将目标图片特征信息作为搜索关键字,在本地的特征信息所属类别的数据库中进行搜索,得到本地搜索结果。
在本实施例的示例二中,图1所示的步骤可全部由服务器执行,此时S101中的目标图片可由服务器从终端获取,也即用户在需要搜索时,可以在终端上输入目标图片,然后终端可直接将该目标图片发送至服务器,然后由服务器执行图1所示的S101至S103步骤。此时S103中,由服务器将目标图片的特征信息作为搜索关键字,在各特征信息所属类别的数据库(该数据库则为网络侧的数据库,并非终端本地的数据库)中进行搜索,得到搜索结果;然后服务器可将得到的搜索结果反馈给终端。
在本实施例的示例三中,图1所示的步骤则可由终端和服务器联合执行。例如,S101至S102可由终端执行,此时终端在获取到目标图片后,对该目标图片中的图像内容进行识别,根据识别结果为该目标图片设置特征信息,然后确定各特征信息所属的类别,并将目标图片的特征信息和各特征信息所属的类别发给服务器;在S103中,则是由服务器接收终端发送的特征信息和各特征信息所属的类别,在各特征信息所属类别的数据库(该数据库则为网络侧的数据库,并非终端本地的数据库)中进行搜索,得到搜索结果;然后服务器可将得到的搜索结果反馈给终端。在本示例中,终端将特征信息和各特征信息所属的类别发给服务器执行网络侧的搜索时,根据具体需求,终端也可同时将目标图片特征信息作为搜索关键字,在本地的特征信息所属类别的数据库中进行搜索,得到本地搜索结果;此时则可同时获取到网络侧的搜索结果和本地的搜索结果。应当理解的是,这里所谓的“同时”并不要求终端与服务器在同一时刻进行搜索,只是表示终端和服务器都会分别进行搜索而已。当然,在本示例中,S102也可转由服务器执行,也即终端执行完S101之后,将得到的目标图片的特征信息发给服务器,由服务器执行S102中的对特征信息进行分类以及S103中的搜索过程,且服务器执行完S102之后根据需要还可将得到的分类结果反馈给终端,使得终端根据该分类结果同时在本地进行搜索。
可见,本实施例提供的智能搜索方法适用于终端、服务器以及终端与服务器的灵活结合,适用领域广,实现方式灵活简单。例如用户只需查找本地内容时(例如从本地历史照片中查找照片、文件库中查找文件等),则可采用上述示例一;当用户只需查找网络侧的内容时,或同时查找网络侧的内容时,则可采用上述示例二或三。
在本实施例中,可以基于目标图片所有的特征信息进行搜索,以提升搜索的全面性。也可以针对目标图片上的重要特征信息进行搜索,以在保证搜索结果准确性的基础上,缩小搜索范围,进一步提升资源利用率,也能避免呈现过多的搜索结果给用户。因此,在本实施例中,根据识别结果为目标图片设置特征信息之后,在确定特征信息所属的类别之前,还包括以下图4所示的特征信息筛选过程:
S401:获取目标图片的各特征信息在目标图片中所占的权重值。
S402:将权重值小于等于预设权重阈值的特征信息剔除;或将特征信息按权重值从大到小的顺序排列,将排列在第K(例如M可取1、2或3等)个之后的各权重值对应的特征信息剔除。
在本实施例中,也可以在目标图片的特征信息超过一定个数之后才执行图4所示的筛选步骤。例如设定超过3个时才执行图4所示的筛选过程,3个以内时则不执行。
本实施例中,确定目标图片的各特征信息的权重值的方式也可以灵活设定。例如可以根据各特征信息的历史搜索情况,将搜索很频繁的特征信息权重值设置的大一些,将很少搜索的或者没有搜索记录的特征信息的权重值设置的小一些,也即可以通过基于搜索频率计算权重值的方式获取各特征信息的权重值。也可以基于各特征信息自身内容确定权重值等。
在实施例的一种示例中,考虑到用户在通过图片搜索方式对某一事物进行搜索时,用户在对该事物进行拍照得到目标图片时,至少会是的该事物完整的在目标图片中呈现,因此该事物对应的图像内容在图片中所占的面积比例一般不会特别小。基于该特点,在本实施例中,可以基于各特征信息对应的图像内容在目标图片中所占的面积比确定各特征信息的权重值,例如,一种权重值获取方式参见图5所示,包括:
S501:获取目标图片的各特征信息对应的图像内容在目标图片中所占的面积比。
例如对于图2中的特征信息“猫”,则计算“猫”对应的图像区域21在图2所示的图片上所占的面积比(可通过该图像区域的像素点个数与整个图片的像素点个数之比进行表征);对于图2中的特征信息“电脑显示器”,则计算 “电脑显示器”对应的图像区域22在图2所示的图片上所占的面积比,从而可以得到特征信息“猫”和“电脑显示器”的权重值。
S502:将各特征信息对应的图像内容在目标图片中所占的面积比作为各特征信息的权重值。
本实施例中,对于最终保留的各特征信息,可按各特征信息按权重值进行排序从而得到目标图片的特征向量。在得到搜索结果并进行反馈时,则可根据各特征信息的权重值大小确定特征信息对应的搜索结果的排序以及反馈的数据量等。例如将权重值最大的特征信息对应的搜索结果排在最前面反馈,并可设置该特征信息对应的搜索结果反馈的数据量可以最大。当然,搜索结果的排序也可以根据搜索结果中各目标对象的具体内容的匹配程度、发布时间、用户的搜索习惯等各种因素灵活确定。
在搜索时,有时搜索到的目标对象可能存在很多重复的内容。例如有可能搜索到内容相同,只是来源不同,或者只是排版不同,或者只是发布时间不同的多个目标对象。现有的文本搜索功能中,对于这些内容实质相同的目标对象也都会反馈给用户,既造成资源浪费,又导致用户需要重复查看相同内容的目标对象,在很大程度上降低了用户体验的满意度。因此,在本实施例中,在得到搜索结果之后,还可包括图6所示的以下目标对象筛选过程:
S601:获取搜索结果中各目标对象中的内容。
S602:在两两内容相似度高于预设第一相似度阈值的目标对象个数大于数量阈值时,从这些目标对象中选择M个目标对象在搜索结果中进行显示, M小于等于数量阈值。
本实施例中的第一相似度阈值、数量阈值以及M值都可以灵活设定;例如第一相似度阈值可设置为90%,数量阈值可设置为10,M为1或3,假设经判断发现具有相同内容的目标对象的个数超过20个时,则从这20个目标对象中选择1个或3个进行显示,且选择时可以根据各目标对象与特征信息的匹配度、发布时间、类型等因素灵活设定,例如选择发布时间最新的目标对象。应当理解的是,由于第一相似度阈值为90%,因此,若两个目标对象具有相同内容实际是指这两个目标对象具有90%的相同内容。
通过图6所示的筛选过程,可以将搜索结果中内容重复的目标对象予以筛选剔除,避免用户查看过多的重复内容,既能提升资源利用率,又能进一步提升用户体验的满意度。
在传统的文本搜索功能中,对于搜索得到的各目标对象,都直接采用混合显示的方式在一个页面中进行显示。例如其中一个目标对象明显属于体育类,另一个目标对象明显属于财经类,对于这两个目标对象,传统搜索功能会将其无差别处理直接混合显示;导致用户查看时比较混乱,体验不好。为此,在本实施例中,在得到搜索结果之后,将其呈现给用户之前,还可包括以下图7所示的二次分类过程:
S701:对搜索到的各目标对象进行二次分类。
S702:将各目标对象按分类进行显示;从而带给用户全新的、规则的搜索结果显示界面,可进一步提升搜索的智能性和用户体验。
应当理解的是,本实施例中对搜索结果中的目标对象进行分类时,可以采用各种分类方式进行分类,具体可以根据用户习惯和需求灵活确定。为了便于理解,本实施例以下面几种分类方式进行示例说明。
分类方式一:获取搜索结果中的各目标对象的来源信息,将来源信息相关联的目标对应分为一类。例如,假设当前搜索到的目标对象中有来自百度文库的、有来自知乎论坛,则将来源信息属于百度文库的目标对象分为一类,将来源信息属于知乎论坛的目标对象分为另一类。
分类方式二:获取搜索结果中的各目标对象的文件类型信息,将文件类型信息相同的目标对象分为一类。例如,假设当前搜索到的目标对象中有来文件类型为图片、文档、网页,则将文件类型属于图片的目标对象分为一类,将文件类型属于网页的目标对象分为一类,将文件类型属于文档的目标对象分为一类。
分类方式三:获取搜索结果中的各目标对象中的内容,将两两内容相似度高于预设第二相似度阈值的各目标对象分为一类。通过这种方式可以将内容相似的各目标对象进行集中显示,便于用户根据内容相似度情况分类查看。
分类方式四:获取搜索结果中的各目标对象中的关键内容,根据预设内容场景分类算法和各目标对象中的关键内容,对各目标对象进行分类。
二次分类所采用的算法可以参照实施例一中对目标图片特征信息进行分类所采用的算法。另外,本实施例中对于搜索结果进行的以上筛选和分类处理的步骤可以由终端执行,也可以由服务器执行,或者由二者联合执行。可以根据应用场景灵活设定。
本实施例在数据库中设置文本类型文件时,其设置过程参见图8所示,包括:
S801:提取各文本类型文件中的关键字作为各文本类型文件的文本特征信息。
本实施例中,提取各文本类型文件中的关键字的方式可以灵活设定。例如可以提炼出标题,首尾段或目录的关键词,作为文本特征信息。
S802:确定各文本特征信息所属的类别,将各文本类型文件设置于其文本特征信息所属类别的数据库中。
本实施例中确定各文本特征信息所属的类别时所采用的算法可以参照实施例一中对目标图片特征信息进行分类所采用的算法。基于上述文本设置,在将目标特征信息作为搜索关键字,在特征信息所属类别的数据库中进行搜索的过程还包括如下图9所示的文本匹配过程:
S901:查找到目标图片的特征信息所属类别的数据库。
S902:在某一类别的数据库中存在文本类型文件时,将对应该类别的特征信息与该文本类型文件的文本特征信息进行匹配。
本实施例可以实现图片与文本类文件的匹配,尤其适用于是在终端本地搜索,扩大了的搜索范围,提升了搜索精度。另外,现有文字搜索功能,其所搜索的范围比较窄,一般仅限于一些大的网站、文库、电子平台;用户通过搜索所能得到的有用的目标对象有限。本实施例对于网络侧的数据库,其可以与各种资源对接,通过相应的搜索引擎可以搜索到各种资源中对应的目标对象,例如各种科普或者技术性知识性网页,文本文档,相关下载包链接,各种交流性论坛,生活娱乐性网页(如:视频网站,音乐网站,购物网站,实现“以图搜一切”的目的。
实施例二:
为了便于理解本发明实施例的方案,本实施例提供了一种智能搜索装置,参见图10所示,其包括:
特征信息设置模块1001,用于对目标图片中的图像内容进行识别,根据识别结果为目标图片设置特征信息,设置的特征信息用于表征目标图片所包含的图像内容。特征信息分类模块1002,用于确定目标图片的各特征信息所属的类别。搜索处理模块1003,用于将目标图片的各特征信息作为搜索关键字,在各特征信息所属类别的数据库中进行搜索,得到搜索结果。
智能搜索装置中各模块实现上述功能的具体方式可以参见实施例一的介绍,这里不再赘述。另外,各模块除了可以实现上述功能以外,还可以实现其他功能,具体的也请参见实施例一所示,在此不再赘述。
应当理解的是,本实施例中的特征信息设置模块1001、特征信息分类模块1002和搜索处理模块1003可以全部部署在终端上,也可以全部部署在服务器上;或者一部分部署在终端上,一部分部署在服务器上。例如特征信息设置模块1001、特征信息分类模块1002部署在终端上,搜索处理模块1003部署在服务器上;或者特征信息设置模块1001部署在终端上,特征信息分类模块1002、搜索处理模块1003部署在服务器上。针对各种部署方式的相应搜索过程参见上述实施例一所示,在此也不再进行赘述。但应当理解的是,在本实施例中,各模块的功能可以由其部署的设备的处理器实现。在本实施例的一些示例中,用于实现上述各模块对应功能的处理器包括但不限于CPU和GPU(Graphics
Processing Unit,图形处理器)中的至少一个,当涉及到对图像进行处理时,可采用GPU实现对应功能,图像处理以外的功能则由CPU实现。例如,特征信息设置模块1001对目标图片中的图像内容进行识别的过程可以由处理器中的GPU实现,特征信息分类模块1002、搜索处理模块1003的功能则可以由处理器中的CPU实现。
根据实施例一的介绍可知,智能搜索装置在搜索时并不限于图片与图片的匹配,还可支持图片与文本类型文件进行匹配,因此,本实施例中的智能搜索装置还可包括设置模块,用于在数据库中设置文本类型文件时,提取各文本类型文件中的关键字作为各文本类型文件的文本特征信息,根据文本特征信息分类方法确定各文本特征信息所属的类别,将各文本类型文件设置于其文本特征信息所属类别的数据库中。具体设置过程参见上述实施例一所示,在此不再赘述。该设置模块可以部署在终端上,由终端的处理器实现其功能,或者部署在服务器上,由服务器的处理器实现其功能。
实施例三:
本实施例首先提供一种存储介质,该存储介质可以存储一个或多个计算机程序以供处理器读取、编译并执行从而实现对应的功能。例如在本实施例中,该存储介质中存储有智能搜索程序,该智能搜索程序可供终端和/或服务器中的至少一个执行实现前述各实施例介绍的智能搜索方法。
应当理解的是,该存储介质可以设置在一个硬件设备上,也可以分布在多个硬件设备上。当该存储介质仅设置在一个硬件设备上时,可以设置于终端上,也可以设置于服务器上。当该存储介质设置于终端上时,可以为第一计算机可读存储介质,该第一计算机可读存储介质存储有一个或者多个第一程序,该一个或者多个第一程序可被一个或者多个处理器执行,以便让终端实现如上各实施例中所示例的智能搜索方法的步骤。当该存储介质设置于服务器上时,可以为第二计算机可读存储介质,该第二计算机可读存储介质存储有一个或者多个第二程序,该一个或者多个第二程序可被一个或者多个处理器执行,以便让服务器实现如上各实施例中所示例的智能搜索方法的步骤。当该存储介质分布在至少两个硬件设备上时,该存储介质包括至少两个可以分离设置的存储单元,这些存储单元中的部分设置在终端上,部分设置于服务器上,例如,终端处理器通过读取设置在其上的存储单元中的计算机程序,可以实现智能搜索方法中对目标图片中的图像内容进行识别,根据识别结果为目标图片设置特征信息的步骤和确定特征信息所属类别的步骤;而服务器处理器通过读取设置在其上的存储单元中的计算机程序,可以实现智能搜索方法中根据特征信息在特征信息所属类别的数据库中进行搜索的步骤。或者,也可以由服务器处理器读取设置在其上的存储单元中的计算机程序,实现智能搜索方法中对目标图片中的图像内容进行识别,根据识别结果为目标图片设置特征信息的步骤和确定特征信息所属类别的步骤;然后由终端处理器根据设置在其上的存储单元中的计算机程序实现根据特征信息在特征信息所属类别的数据库中进行搜索的步骤。
本实施例还提供一种终端,参见图11所示,包括第一处理器1101、第一存储器1102以及第一通信总线1103;第一通信总线1103用于实现第一处理器1101与第一存储器1102之间的通信连接;第一处理器1101用于执行第一存储器1102中存储的一个或者多个第一程序,以实现如上述各实施例所示例的智能搜索方法的步骤,该第一存储器1102可以是为前面介绍的第一计算机可读存储介质。
为了便于理解,本实施例以一种具体应用场景为示例,对本发明实施例做进一步示例说明。在本示例中,终端可通过服务器实现网络侧的搜索,也可以在本地进行搜索:假设用户外出时遇到没见过新奇事物,例如新的动植物或新奇的节日,仪式等,用户可以现场拍摄照片,然后启动选择相片的搜索功能,将该相片作为目标图片进行搜索,终端执行搜索的过程包括:
终端接收用户输入的目标图片,如用户现场拍摄的照片,然后利用图片识别技术对目标图片中的图像内容进行识别,根据识别结果为目标图片设置标签,也即设置特征信息。例如,在本示例中,可以采用机器学习技术,例如包括但不限于物体识别模型faster-rcnn和yolo,这两个模型都是基于神经网络的图像识别方法。可以首先收集大量的图片,然后手工对照片终端图像内容进行识别分类,若为图片中包含文字信息,则设置其对应文字;然后设计CNN的模型,设计神经网络的卷积层数,全连接层层数,卷积核的个数,以及损失函数;最后进行训练,此过程涉及大量的计算,可以在高性能的GPU服务器上进行。训练结束后得到整体的神经网络的参数。另外,在本实施例中,为了提升处理效率和资源利用率,在学习过程中,还可让机器“记住”特定的常用图片,比如图像处理中经常用到的测试图片“lena”,linux编程用到的“终端”等,在进行识别时,可以先直接与这些特定的图片进行比较,从而搜索节约时间成本。
随后,终端确定目标图片各特征信息所属的类别,具体的分类过程参见上述实施例所示,在此不再赘述。终端确定出特征信息所属内别之后,将目标图片的各特征信息以及各特征信息所属的类别发给服务器;本实施例中的服务器上可设置对应的搜索引擎。在本实施例中,终端还可目标图片的各特征信息作为搜索关键字,在本地的各特征信息所属类别的数据库中进行搜索,得到本地搜索结果。并对得到的本地搜索结果进行重复内容的剔除,以及进行二次分类,然后呈现给用户。
服务器将目标图片的各特征信息作为搜索关键字,在各特征信息所属类别的数据库中进行搜索,得到网络测得搜索结果;本示例中的数据库可以连接到各类资源以实现各种领域的资源搜索。得到搜索结果并进行反馈之前,服务器还可以对搜索结果中相似度较高的重复目标对象进行剔除处理。另外,服务器可以对搜索结果中的各目标对象采用预设的分类方式进行二次分类后,反馈给终端,以通过终端呈现给用户。
本实施例还提供一种服务器,参见图12所示,包括第二处理器1201、第二存储器1202以及第二通信总线1203;第二通信总线1203用于实现第二处理器1201与第二存储器1202之间的通信连接;第二处理器1201用于执行第二存储器1202中存储的一个或者多个第二程序,以实现如上述各实施例所示例的智能搜索方法的步骤,该第二存储器1202可以是为前面介绍的第二计算机可读存储介质。
为了便于理解,本实施例以另一种具体应用场景为示例,对本发明实施例做进一步示例说明。在本示例中,终端通过服务器实现网络侧的搜索;本实施例中的数据库可以连接到地图资源。假设用户外出时走到不熟悉的地方时,也可以拿出手机拍照得到目标图片,然后通过对应数据库中的GPS(Global Positioning System)街景模式从而可以得到准确位置,可方便出行。
在本示例中,一种示例的搜索处理流程可如下所示:终端根据用户的拍摄指示拍取现场照片,或从其他终端或网络侧获取照片,并将其作为目标图片发给服务器。服务器利用图片识别技术对目标图片中的图像内容进行识别,根据识别结果为目标图片设置标签,也即设置特征信息。具体识别及设置过程在此则不再赘述。服务器确定目标图片各特征信息所属的类别,具体的分类过程参见上述实施例所示,在此不再赘述。服务器将各特征信息以及各特征信息所属的类别导入搜索引擎,在各特征信息所属类别的数据库中进行搜索,得到网络测得搜索结果;本示例中的数据库可以连接到各类资源(例如GPS街景地图资源)以实现各种领域的资源搜索。服务器对搜索结果中相似度较高的重复目标对象进行剔除处理。服务器对搜索结果中的各目标对象采用预设的分类方式进行二次分类后,反馈给终端,以通过终端呈现给用户。
本实施例提供的终端与服务器联合实现图片智能搜索的方案,简化了搜索过程,丰富了搜索信息。可以让表达概括能力不好的用户,初次接触或非专业人士有更好的搜索体验。同时增强了搜索的能力,不仅可以得到类似图片,百科,还可以搜出新闻,文本文件,相关下载包链接,以及交流性论坛,生活娱乐性网页(如:视频网站,音乐网站,购物网站等),且用户在搜索结果中可以自主选择进入有需要的类别,提供了一步到位的搜索服务。此发明也大大增强了本地的搜索功能。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
本发明各实施例的序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例的方法。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (12)
- 一种智能搜索方法,其特征在于,包括:对目标图片中的图像内容进行识别,根据识别结果为所述目标图片设置特征信息,所述特征信息用于表征所述目标图片所包含的图像内容;确定所述特征信息所属的类别;将所述特征信息作为搜索关键字,在所述特征信息所属类别的数据库中进行搜索,得到搜索结果。
- 如权利要求1所述的智能搜索方法,其特征在于,所述根据识别结果为所述目标图片设置特征信息之后,确定所述特征信息所属的类别之前,还包括以下特征信息筛选过程:获取所述特征信息在所述目标图片中所占的权重值;将权重值小于等于预设权重阈值的特征信息剔除;或将所述特征信息按权重值从大到小的顺序排列,将排列在第K个之后的各权重值对应的特征信息剔除。
- 如权利要求2所述的智能搜索方法,其特征在于,获取所述特征信息在所述目标图片中所占的权重值包括:获取所述特征信息对应的图像内容在所述目标图片中所占的面积比,将所述面积比作为所述特征信息的权重值。
- 如权利要求1-3任一项所述的智能搜索方法,其特征在于,所述得到搜索结果之后,还包括:获取所述搜索结果中各目标对象中的内容;在存在相同内容的目标对象个数大于数量阈值时,从这些目标对象中选择M个目标对象在所述搜索结果中进行显示;所述M小于等于所述数量阈值;若两个目标对象的内容相似度大于第一相似度阈值则判定二者存在相同内容。
- 如权利要求1-3任一项所述的智能搜索方法,其特征在于,所述得到搜索结果之后,还包括:对所述搜索结果中搜索到的各目标对象进行二次分类;将所述各目标对象按分类结果进行分类显示。
- 如权利要求5所述的智能搜索方法,其特征在于,所述对搜索到的各目标对象进行二次分类包括:按以下分类方式中的任意一种对搜索到的各目标对象进行二次分类:方式一:获取所述各目标对象的来源信息,将来源信息相关联的目标对象分为一类;方式二:获取所述各目标对象的文件类型信息,将文件类型信息相同的目标对象分为一类;方式三:获取所述各目标对象中的内容,将两两内容相似度高于预设第二相似度阈值的各目标对象分为一类;方式四:获取所述各目标对象中的关键内容,根据预设内容场景分类算法和所述各目标对象中的关键内容,对所述各目标对象进行分类。
- 如权利要求1-3任一项所述的智能搜索方法,其特征在于,至少一个类别的数据库中包括文本类型文件;所述将所述特征信息作为搜索关键字,在所述特征信息所属类别的数据库中进行搜索之前,还包括:提取文本类型文件中的关键字作为该文本类型文件的文本特征信息;确定所述各文本特征信息所属的类别,将所述各文本类型文件设置于其文本特征信息所属类别的数据库中;所述将所述特征信息作为搜索关键字,在所述特征信息所属类别的数据库中进行搜索包括:查找到所述特征信息所属类别的数据库;在所述数据库中存在文本类型文件时,将所述特征信息与所述文本类型文件的文本特征信息进行匹配。
- 如权利要求1-3任一项所述的智能搜索方法,其特征在于,所述将所述特征信息作为搜索关键字,在所述特征信息所属类别的数据库中进行搜索包括:服务器接收终端发送的所述特征信息和所述特征信息所属的类别,并将所述特征信息作为搜索关键字,在所述特征信息所属类别的数据库中进行搜索;和/或,所述终端将所述特征信息作为搜索关键字,在本地的所述特征信息所属类别的数据库中进行搜索。
- 一种智能搜索装置,其特征在于,包括:特征信息设置模块,用于对目标图片中的图像内容进行识别,根据识别结果为所述目标图片设置特征信息,所述特征信息用于表征所述目标图片所包含的图像内容;特征信息分类模块,用于确定所述特征信息所属的类别;搜索处理模块,用于将所述特征信息作为搜索关键字,在所述特征信息所属类别的数据库中进行搜索,得到搜索结果。
- 一种终端,其特征在于,所述终端包括第一处理器、第一存储器以及第一通信总线;所述第一通信总线用于实现所述第一处理器与所述第一存储器之间的通信连接;所述第一处理器用于执行第一存储器中存储的一个或者多个第一程序,以实现如权利要求1-8任一项所述的智能搜索方法的步骤。
- 一种服务器,其特征在于,所述服务器包括第二处理器、第二存储器以及第二通信总线;所述第二通信总线用于实现所述第二处理器与所述第二存储器之间的通信连接;所述第二处理器用于执行第二存储器中存储的一个或者多个第二程序,以实现如权利要求1-8任一项所述的智能搜索方法的步骤。
- 一种存储介质,其特征在于,所述存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1至8中任一项所述的智能搜索方法的步骤。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711485136.6 | 2017-12-29 | ||
CN201711485136 | 2017-12-29 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2019127832A1 true WO2019127832A1 (zh) | 2019-07-04 |
Family
ID=67062936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2018/074832 WO2019127832A1 (zh) | 2017-12-29 | 2018-01-31 | 智能搜索方法、装置、终端及服务器、存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110020185A (zh) |
WO (1) | WO2019127832A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110677537A (zh) * | 2019-09-29 | 2020-01-10 | 维沃移动通信有限公司 | 便签信息显示方法、便签信息发送方法及电子设备 |
CN111506758A (zh) * | 2020-04-16 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 物品名称确定方法、装置、计算机设备及存储介质 |
CN111611492A (zh) * | 2020-05-26 | 2020-09-01 | 北京字节跳动网络技术有限公司 | 一种触发搜索的方法、装置、电子设备及存储介质 |
CN111723308A (zh) * | 2020-06-22 | 2020-09-29 | 北京环球优路教育科技股份有限公司 | 一种基于互联网的教育信息搜索系统 |
CN111767918A (zh) * | 2020-02-21 | 2020-10-13 | 北京沃东天骏信息技术有限公司 | 一种图片识别方法和装置 |
CN112988794A (zh) * | 2019-12-02 | 2021-06-18 | 深圳云天励飞技术有限公司 | 一种动态调整搜索策略的数据搜索方法、装置及电子设备 |
CN113704534A (zh) * | 2021-04-13 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置及计算机设备 |
CN113868453A (zh) * | 2021-09-28 | 2021-12-31 | 北京百度网讯科技有限公司 | 对象推荐方法和装置 |
CN114129058A (zh) * | 2021-10-22 | 2022-03-04 | 深圳市微厨科技有限公司 | 饮品机的控制方法、饮品机和计算机可读存储介质 |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110381210A (zh) * | 2019-07-22 | 2019-10-25 | 深圳传音控股股份有限公司 | 一种虚拟现实交互方法及装置 |
CN110362714B (zh) * | 2019-07-25 | 2023-05-02 | 腾讯科技(深圳)有限公司 | 视频内容的搜索方法和装置 |
CN111782850A (zh) * | 2019-11-27 | 2020-10-16 | 北京沃东天骏信息技术有限公司 | 一种基于手绘图的物品搜索方法和装置 |
CN111125398A (zh) * | 2019-12-19 | 2020-05-08 | 云粒智慧科技有限公司 | 一种图片信息检索方法、装置、设备和介质 |
CN113377970A (zh) * | 2020-03-10 | 2021-09-10 | 阿里巴巴集团控股有限公司 | 信息的处理方法和装置 |
CN111797765B (zh) * | 2020-07-03 | 2024-04-16 | 北京达佳互联信息技术有限公司 | 图像处理方法、装置、服务器及存储介质 |
CN111783786A (zh) * | 2020-07-06 | 2020-10-16 | 上海摩勤智能技术有限公司 | 图片的识别方法、系统、电子设备及存储介质 |
CN112969021B (zh) * | 2020-10-30 | 2022-03-15 | 上海称意包装设备有限公司 | 利用内容搜索的继电器控制平台及方法 |
CN112559903B (zh) * | 2020-12-15 | 2024-04-05 | 广州市贺氏办公设备有限公司 | 一种社区成员搜索方法、系统、装置及介质 |
CN113127663B (zh) * | 2021-04-01 | 2024-02-27 | 深圳力维智联技术有限公司 | 目标图像搜索方法、装置、设备及计算机可读存储介质 |
CN114969479B (zh) * | 2021-04-21 | 2023-08-15 | 中移互联网有限公司 | 一种搜索方法、装置及存储介质 |
CN113688263B (zh) * | 2021-10-26 | 2022-01-18 | 北京欧应信息技术有限公司 | 用于搜索图像的方法、计算设备和存储介质 |
WO2023225919A1 (zh) * | 2022-05-25 | 2023-11-30 | 华为技术有限公司 | 一种视觉搜索方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087654A (zh) * | 2009-12-04 | 2011-06-08 | 晶相光电股份有限公司 | 结合图像扫描模块的网络检索系统及方法 |
CN103500172A (zh) * | 2013-09-04 | 2014-01-08 | 苏州荣越网络技术有限公司 | 一种图片搜索系统 |
CN107357815A (zh) * | 2017-06-07 | 2017-11-17 | 上海斐讯数据通信技术有限公司 | 一种图片内容的识别方法及系统 |
CN107491512A (zh) * | 2017-08-07 | 2017-12-19 | 上海斐讯数据通信技术有限公司 | 一种基于图片识别进行内容搜索的方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101715036B1 (ko) * | 2010-06-29 | 2017-03-22 | 에스케이플래닛 주식회사 | 객체 인식을 통한 상품 분류 검색 및 쇼핑 정보 제공 서비스 방법, 서버 및 시스템 |
CN104992146B (zh) * | 2015-06-15 | 2019-09-20 | 百度在线网络技术(北京)有限公司 | 一种用于人脸识别的方法和装置 |
CN105824928A (zh) * | 2016-03-17 | 2016-08-03 | 广东欧珀移动通信有限公司 | 移动终端、服务器、基于内容的图像识别搜索方法及系统 |
CN107315844A (zh) * | 2017-08-17 | 2017-11-03 | 广州视源电子科技股份有限公司 | 一种基于图片的检索方法、装置、设备及存储介质 |
-
2018
- 2018-01-18 CN CN201810049979.XA patent/CN110020185A/zh active Pending
- 2018-01-31 WO PCT/CN2018/074832 patent/WO2019127832A1/zh active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087654A (zh) * | 2009-12-04 | 2011-06-08 | 晶相光电股份有限公司 | 结合图像扫描模块的网络检索系统及方法 |
CN103500172A (zh) * | 2013-09-04 | 2014-01-08 | 苏州荣越网络技术有限公司 | 一种图片搜索系统 |
CN107357815A (zh) * | 2017-06-07 | 2017-11-17 | 上海斐讯数据通信技术有限公司 | 一种图片内容的识别方法及系统 |
CN107491512A (zh) * | 2017-08-07 | 2017-12-19 | 上海斐讯数据通信技术有限公司 | 一种基于图片识别进行内容搜索的方法及系统 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110677537A (zh) * | 2019-09-29 | 2020-01-10 | 维沃移动通信有限公司 | 便签信息显示方法、便签信息发送方法及电子设备 |
CN112988794A (zh) * | 2019-12-02 | 2021-06-18 | 深圳云天励飞技术有限公司 | 一种动态调整搜索策略的数据搜索方法、装置及电子设备 |
CN112988794B (zh) * | 2019-12-02 | 2024-05-03 | 深圳云天励飞技术有限公司 | 一种动态调整搜索策略的数据搜索方法、装置及电子设备 |
CN111767918A (zh) * | 2020-02-21 | 2020-10-13 | 北京沃东天骏信息技术有限公司 | 一种图片识别方法和装置 |
CN111506758A (zh) * | 2020-04-16 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 物品名称确定方法、装置、计算机设备及存储介质 |
CN111506758B (zh) * | 2020-04-16 | 2024-05-03 | 腾讯科技(深圳)有限公司 | 物品名称确定方法、装置、计算机设备及存储介质 |
CN111611492A (zh) * | 2020-05-26 | 2020-09-01 | 北京字节跳动网络技术有限公司 | 一种触发搜索的方法、装置、电子设备及存储介质 |
CN111723308A (zh) * | 2020-06-22 | 2020-09-29 | 北京环球优路教育科技股份有限公司 | 一种基于互联网的教育信息搜索系统 |
CN113704534A (zh) * | 2021-04-13 | 2021-11-26 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置及计算机设备 |
CN113868453A (zh) * | 2021-09-28 | 2021-12-31 | 北京百度网讯科技有限公司 | 对象推荐方法和装置 |
CN113868453B (zh) * | 2021-09-28 | 2024-02-27 | 北京百度网讯科技有限公司 | 对象推荐方法和装置 |
CN114129058A (zh) * | 2021-10-22 | 2022-03-04 | 深圳市微厨科技有限公司 | 饮品机的控制方法、饮品机和计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110020185A (zh) | 2019-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019127832A1 (zh) | 智能搜索方法、装置、终端及服务器、存储介质 | |
US11238066B2 (en) | Generating personalized clusters of multimedia content elements based on user interests | |
EP2402867B1 (en) | A computer-implemented method, a computer program product and a computer system for image processing | |
WO2017129018A1 (zh) | 一种图片处理方法、装置和智能终端 | |
US8340405B2 (en) | Systems and methods for scalable media categorization | |
Wang et al. | Combining global, regional and contextual features for automatic image annotation | |
US20210240757A1 (en) | Automatic Detection and Transfer of Relevant Image Data to Content Collections | |
US20100262609A1 (en) | System and method for linking multimedia data elements to web pages | |
WO2012073421A1 (ja) | 画像分類装置、画像分類方法、プログラム、記録媒体、集積回路、モデル作成装置 | |
US20100064254A1 (en) | Object search and navigation method and system | |
US20120114257A1 (en) | Interactive image selection method | |
US20180089228A1 (en) | Interactive image selection method | |
CN102591868A (zh) | 用于拍照指南自动生成的系统和方法 | |
WO2021190165A1 (zh) | 图片处理方法、装置、存储介质及电子设备 | |
US20170185690A1 (en) | System and method for providing content recommendations based on personalized multimedia content element clusters | |
CN110765305A (zh) | 媒介信息推送系统及其基于视觉特征的图文检索方法 | |
JP2004164331A (ja) | 画像検索方法、画像検索装置、および画像検索プログラム | |
US20180189602A1 (en) | Method of and system for determining and selecting media representing event diversity | |
KR101896177B1 (ko) | 다중 결과 제공 기능을 구비한 이미지 검색 시스템 | |
US11003706B2 (en) | System and methods for determining access permissions on personalized clusters of multimedia content elements | |
Satomi et al. | New functionality for digital libraries: enhancing discoverability at the National Diet Library | |
Lin et al. | Smartphone landmark image retrieval based on Lucene and GPS | |
Pertusa et al. | Mirbot: A multimodal interactive image retrieval system | |
Yanai et al. | Mining regional representative photos from consumer-generated geotagged photos | |
Patil et al. | Fetching Relevant Images and Videos in Keyword Based Search Mechanism with Hypergraph Learning and Similarity Matching |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
32PN | Ep: public notification in the ep bulletin as address of the adressee cannot be established |
Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 19/11/2020) |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 18894226 Country of ref document: EP Kind code of ref document: A1 |