[发明专利]植入图片的方法及装置有效
申请号: | 201710141946.3 | 申请日: | 2017-03-10 |
公开(公告)号: | CN106991641B | 公开(公告)日: | 2020-12-29 |
发明(设计)人: | 张涛 | 申请(专利权)人: | 北京小米移动软件有限公司 |
主分类号: | G06T3/00 | 分类号: | G06T3/00;G06N3/04 |
代理公司: | 北京博思佳知识产权代理有限公司 11415 | 代理人: | 林祥 |
地址: | 100085 北京市海淀区清河*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 植入 图片 方法 装置 | ||
1.一种植入图片的方法,其特征在于,应用于视频播放装置或者与视频播放装置相连接的图像处理设备,所述方法包括:
从视频画面中选取出用于植入图片的至少一个候选区域;
将所述至少一个候选区域输入至已训练的卷积神经网络;所述已训练的卷积神经网络的各个卷积层和全连接层中的权值参数用于表示候选区域的标定条件;
通过所述已训练的卷积神经网络提取所述至少一个候选区域中每一个候选区域各自的图像特征;
对所述每一个候选区域中图像特征符合所述标定条件的候选区域进行标定,得到具备对应标定信息的至少一个候选区域;未标定的候选区域不能被植入图片;
根据所述至少一个候选区域对应的标定信息、预设的标定信息与图片的对应关系,确定所述至少一个具备对应标定信息的候选区域对应的待植入图片。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将包含至少一个标定区域的设定数量的图像样本以及每一图像样本中所包含的至少一个标定区域对应的标定信息输入至未训练的卷积神经网络,对所述未训练的卷积神经网络的卷积层和全连接层进行训练;
在确定所述卷积层和全连接层中各节点之间的连接的权重参数符合预设条件时,停止训练所述卷积神经网络,得到已训练的卷积神经网络。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
确定所述每一图像样本中所包含的至少一个标定区域对应的标定信息与所述每一图像样本中所包含的至少一个标定区域对应的实际信息是否对应相同;
当所述每一图像样本中所包含的至少一个标定区域对应的标定信息与所述每一图像样本中所包含的至少一个标定区域对应的实际信息对应相同时,确定所述卷积层和全连接层中各节点之间的连接的权重参数符合预设条件。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
确定所述具备对应标定信息的至少一个候选区域对应的实际信息;
根据所述具备对应标定信息的至少一个候选区域对应的标定信息与所述具备对应标定信息的至少一个候选区域对应的实际信息是否对应相同确定是否需要对所述已训练的卷积神经网络的权值参数进行更新。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当需要对所述已训练的卷积神经网络的权值参数进行更新时,向提供所述已训练的卷积神经网络的服务器获取更新后的卷积神经网络的权值参数。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述待植入图片对应地植入所述至少一个具备对应标定信息的候选区域。
7.一种植入图片的装置,其特征在于,应用于视频播放装置或者与视频播放装置相连接的图像处理设备,所述装置包括:
选取模块,被配置为从视频画面中选取出用于植入图片的至少一个候选区域;
输入模块,被配置为将所述至少一个候选区域输入至已训练的卷积神经网络;所述已训练的卷积神经网络的各个卷积层和全连接层中的权值参数用于表示候选区域的标定条件;
特征提取模块,被配置为通过所述已训练的卷积神经网络提取所述至少一个候选区域中每一个候选区域各自的图像特征;
标定模块,被配置为对所述每一个候选区域中图像特征符合所述标定条件的候选区域进行标定,得到具备对应标定信息的至少一个候选区域;未标定的候选区域不能被植入图片;
第一确定模块,被配置为根据所述至少一个候选区域对应的标定信息、预设的标定信息与图片的对应关系,确定所述至少一个具备对应标定信息的候选区域对应的待植入图片。
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北京小米移动软件有限公司,未经北京小米移动软件有限公司许可,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/201710141946.3/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种全景图像展开方法及系统
- 下一篇:一种全景视频八角形采样方法及装置