[发明专利]一种图片筛选方法、装置、电子设备及存储介质在审

专利信息
申请号: 202010705823.X 申请日: 2020-07-21
公开(公告)号: CN111966850A 公开(公告)日: 2020-11-20
发明(设计)人: 郑建军;刘小平;陆愿基;冉东军 申请(专利权)人: 珠海格力电器股份有限公司;珠海联云科技有限公司
主分类号: G06F16/535 分类号: G06F16/535;G06F16/51;G06F16/538;G06N3/08
代理公司: 北京华夏泰和知识产权代理有限公司 11662 代理人: 卢万腾;杜欣
地址: 519070*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 图片 筛选 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种图片筛选方法,其特征在于,包括:

获取目标关键词;

获取与所述目标关键词相匹配的目标图像识别模型;

将待筛选图片集中的各图片分别输入所述目标图像识别模型,输出各图片对应的识别结果,所述识别结果用于指示图片是否与所述目标关键词相匹配;

根据所述各图片对应的识别结果对所述待筛选图片集进行筛选,输出所述待筛选图片集中与所述目标关键词相匹配的目标图片。

2.根据权利要求1所述的方法,其特征在于,获取与所述目标关键词相匹配的目标图像筛选模型,包括:

从模型库中匹配出与所述目标关键词相匹配的目标图像识别模型,所述模型库包括多个预先训练好的图像识别模型,每个所述图像识别模型设置有对应的关键词标签,所述关键词标签用于与所述目标关键词进行匹配。

3.根据权利要求2所述的方法,其特征在于,获取与所述目标关键词相匹配的目标图像筛选模型,还包括:

若未从所述模型库中匹配出与所述目标关键词相匹配的目标图像识别模型,则基于所述目标关键词确定对应的训练图片集和测试图片集;

利用所述训练图片集对初始模型进行训练,得到第一模型;

在所述第一模型对所述测试图片集的识别准确率不大于预设的准确率阈值的情况下,继续使用所述训练图片集对所述第一模型进行训练,以调整所述第一模型的参数,直至所述第一模型对所述测试图片集的识别准确率大于所述准确率阈值;

在所述第一模型对所述测试图片集的识别准确率大于所述准确率阈值的情况下,将所述第一模型作为与所述目标关键词相匹配的目标图像识别模型。

4.根据权利要求3所述的方法,其特征在于,在所述第一模型对所述测试图片集的识别准确率大于所述准确率阈值的情况下,所述方法还包括:

基于所述目标关键词为所述第一模型设置关键词标签,并将设置有关键词标签的所述第一模型存储至模型库中。

5.一种图片筛选装置,其特征在于,包括:

关键词获取模块,用于获取目标关键词;

模型获取模块,用于获取与所述目标关键词相匹配的目标图像识别模型;

识别模块,用于将待筛选图片集中的各图片分别输入所述目标图像识别模型,输出各图片对应的识别结果,所述识别结果用于指示图片是否与所述目标关键词相匹配;

输出模块,用于根据所述各图片对应的识别结果对所述待筛选图片集进行筛选,输出所述待筛选图片集中与所述目标关键词相匹配的目标图片。

6.根据权利要求5所述的装置,其特征在于,所述模型获取模块包括:

匹配子模块,用于从模型库中匹配出与所述目标关键词相匹配的目标图像识别模型,所述模型库包括多个预先训练好的图像识别模型,每个所述图像识别模型设置有对应的关键词标签,所述关键词标签用于与所述目标关键词进行匹配。

7.根据权利要求6所述的装置,其特征在于,所述模型获取模块还包括:

建模子模块,用于若未从所述模型库中匹配出与所述目标关键词相匹配的目标图像识别模型,则基于所述目标关键词确定对应的训练图片集和测试图片集,利用所述训练图片集对初始模型进行训练,得到第一模型,在所述第一模型对所述测试图片集的识别准确率不大于预设的准确率阈值的情况下,继续使用所述训练图片集对所述第一模型进行训练,以调整所述第一模型的参数,直至所述第一模型对所述测试图片集的识别准确率大于所述准确率阈值,在所述第一模型对所述测试图片集的识别准确率大于所述准确率阈值的情况下,将所述第一模型作为与所述目标关键词相匹配的目标图像识别模型。

8.根据权利要求7所述的装置,其特征在于,所述模型获取模块还包括:

存储子模块,用于在所述第一模型对所述测试图片集的识别准确率大于所述准确率阈值的情况下,基于所述目标关键词为所述第一模型设置关键词标签,并将设置有关键词标签的所述第一模型存储至模型库中。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于珠海格力电器股份有限公司;珠海联云科技有限公司,未经珠海格力电器股份有限公司;珠海联云科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010705823.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top