[发明专利]一致性检测方法、装置、终端设备及计算机可读存储介质在审
| 申请号: | 201910273244.X | 申请日: | 2019-04-04 |
| 公开(公告)号: | CN110147814A | 公开(公告)日: | 2019-08-20 |
| 发明(设计)人: | 郭晓锋;姚晓宇;谭颖 | 申请(专利权)人: | 北京奇艺世纪科技有限公司 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62;G06F17/27;G06K9/46 |
| 代理公司: | 北京润泽恒知识产权代理有限公司 11319 | 代理人: | 莎日娜 |
| 地址: | 100080 北京市海淀*** | 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: | 子图像 一致性检测 重建 物体类别 像素 预设 计算机可读存储介质 终端设备 图像 一致性检测结果 数据处理领域 文本 | ||
1.一种一致性检测方法,其特征在于,所述方法包括:
针对待检测的文本及对应的图像,提取所述文本中的关键词和所述图像中各物体对应的子图像;
将像素总数小于第一预设数量的子图像进行重建,得到重建后的子图像;所述重建后的子图像的像素总数大于或者等于所述第一预设数量;
对像素总数大于或等于所述第一预设数量的子图像、以及所述重建后的子图像进行识别,得到所述图像中各物体对应的物体类别;
对所述物体类别与所述关键词进行一致性检测,获得一致性检测结果。
2.根据权利要求1所述的方法,其特征在于,所述提取所述文本中的关键词,包括:
对所述文本进行分词处理,以得到所述文本对应的各个分词;
对所述分词进行过滤,获取词性为名词的分词,以作为所述文本的关键词。
3.根据权利要求1所述的方法,其特征在于,所述将像素总数小于第一预设数量的子图像进行重建,得到重建后的子图像,包括:
将所述像素总数小于第一预设数量的子图像输入图像重建模型,所述图像重建模型对输入的子图像进行像素特征提取和像素特征重建处理,得到重建后的子图像。
4.根据权利要求3所述的方法,其特征在于,所述将所述像素总数小于第一预设数量的子图像输入图像重建模型,所述图像重建模型对输入的子图像进行像素特征提取和像素特征重建处理,得到重建后的子图像,包括:
将所述像素总数小于第一预设数量的子图像输入图像重建模型,进行像素特征提取,以及,获取所述像素特征对应的第一待插入像素特征,并在所述输入的子图像中插入所述第一待插入像素特征,以进行像素特征重建处理,得到重建后的物体图像。
5.根据权利要求3所述的方法,其特征在于,所述将所述像素总数小于第一预设数量的子图像输入图像重建模型,所述图像重建模型对输入的子图像进行像素特征提取和像素特征重建处理,得到重建后的子图像之前,还包括:
将所述像素总数小于第一预设数量的子图像进行放大处理;
所述将所述像素总数小于第一预设数量的子图像输入图像重建模型,所述图像重建模型对输入的子图像进行像素特征提取和像素特征重建处理,得到重建后的子图像,包括:
将放大处理后的子图像输入所述图像重建模型,进行像素特征提取,以及,获取所述像素特征对应的第二待插入像素特征,并在所述放大处理后的子图像中插入所述第二待插入像素特征,以进行像素特征重建处理,得到重建后的物体图像。
6.根据权利要求1所述的方法,其特征在于,所述获得一致性检测结果,包括:
响应于相匹配的物体类别和关键词的数目大于或等于第二预设数量,确定所述文本与所述图像一致;
或,
响应于相匹配的物体类别和关键词的数目小于所述第二预设数量,确定所述文本与所述图像不一致。
7.一种一致性检测装置,其特征在于,所述装置包括:
提取模块,用于针对待检测的文本及对应的图像,提取所述文本中的关键词和所述图像中各物体对应的子图像;
重建模块,用于将像素总数小于第一预设数量的子图像进行重建,得到重建后的子图像;所述重建后的子图像的像素总数大于或者等于所述第一预设数量;
物体识别模块,用于对像素总数大于或等于所述第一预设数量的子图像、以及所述重建后的子图像进行识别,得到所述图像中各物体对应的物体类别;
一致性检测模块,用于对所述物体类别与所述关键词进行一致性检测,获得一致性检测结果。
8.根据权利要求7所述的装置,其特征在于,所述提取模块,包括:
分词子模块,用于对所述文本进行分词处理,以得到所述文本对应的各个分词;
关键词提取子模块,用于对所述分词进行过滤,获取词性为名词的分词,以作为所述文本的关键词。
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奇艺世纪科技有限公司,未经北京奇艺世纪科技有限公司许可,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/201910273244.X/1.html,转载请声明来源钻瓜专利网。





