一种特征图像类别信息的生成方法和装置制造方法及图纸

本发明专利技术实施例提供了一种特征图像类别信息的生成方法和装置，其中，所述方法包括：获取原始图像；从所述原始图像中查找出目标区域；获取所述原始图像的特征信息图像；在所述目标区域中提取所述特征信息图像的目标特征信息；根据所述目标特征信息生成所述目标区域的类别信息。采用上述方式，可以先确定出原始图像中用于展现目标图像的目标区域，再从该目标区域的特征信息图像中提取目标特征信息来生成对应的类别信息，从而提升了针对具有复杂背景的原始图像的特征图像类别信息的生成准确率，进而提升了对用户推送相关信息的准确率。

A Method and Device for Generating Category Information of Characteristic Images

The embodiment of the present invention provides a method and device for generating feature image category information, which includes: acquiring the original image; finding the target area from the original image; acquiring the feature information image of the original image; extracting the target feature information of the feature information image in the target area; and generating the target feature information according to the target feature information. Describes the category information of the target area. By using the above method, the target area in the original image for displaying the target image can be determined first, and then the target feature information can be extracted from the feature information image of the target area to generate the corresponding category information, thus improving the accuracy of generating the feature image category information for the original image with complex background, and then improving the accuracy of pushing the relevant information to the user. Accuracy rate.

【技术实现步骤摘要】
一种特征图像类别信息的生成方法和装置
本专利技术涉及特征图像类别信息的生成
，特别是涉及一种特征图像类别信息的生成方法和一种特征图像类别信息的生成装置。
技术介绍
随着科技的发展，计算机技术已经影响了人们生活的方方面面，例如，用户可以通过网络快速浏览时下热点新闻，或用户所关注的讯息。而在用户浏览讯息的过程中，通过对用户的浏览内容进行分析，并根据分析结果对用户制定个性化的信息推送，可以极大的节省用户搜寻信息所耗费的时间，从而提高了用户浏览信息的效率，例如，在用户通过网络浏览图片时，可以通过分析该图片中的元素，向用户推送与该元素相关信息。在用户浏览图片的过程中，若图片中的元素为游戏内容时，则无法准确的向用户推送与该游戏内容相关的信息，这是因为在现有技术中，识别图像中的元素的方式为直接采用基于机器学习或深度学习的分类技术来对图片中的元素进行分类，而在实际应用中，游戏内容作为元素存在于图片中时，其并不一定是该图片所包含的唯一元素，除了游戏内容本身，还可能包含有较复杂背景，若采用上述方式则无法高准确识别出图片中的游戏内容，进而无法针对该游戏内容向用户推送相关信息。专利
技术实现思路
鉴于上述问题本文档来自技高网...

【技术保护点】
1.一种特征图像类别信息的生成方法，其特征在于，包括：获取原始图像；从所述原始图像中查找出目标区域；获取所述原始图像的特征信息图像；在所述目标区域中提取所述特征信息图像的目标特征信息；根据所述目标特征信息生成所述目标区域的类别信息。

【技术特征摘要】
1.一种特征图像类别信息的生成方法，其特征在于，包括：获取原始图像；从所述原始图像中查找出目标区域；获取所述原始图像的特征信息图像；在所述目标区域中提取所述特征信息图像的目标特征信息；根据所述目标特征信息生成所述目标区域的类别信息。2.根据权利要求1所述的方法，其特征在于，所述原始图像具有对应的原始图像平均像素值，和，多个待检测区域；所述多个待检测区域包括第一待检测区域，和，第二待检测区域；所述第一待检测区域具有对应的待检测区域平均像素值，所述从所述原始图像中查找出目标区域的步骤包括：将所述原始图像平均像素值，和，所述待检测区域平均像素值分别平均分配到预设个数的区间中，生成针对所述原始图像的第一分布直方图，和，针对所述第一待检测区域的第二分布直方图；判断所述第一分布直方图，和，所述第二分布直方对应的欧式距离是否大于预设阈值；若是，则标记所述第一待检测区域的第一区域位置坐标；统计所述第二待检测区域中相邻两个像素点之间的梯度变化频率；判断所述梯度变化频率是否大于预设阈值；若是，则标记所述第二待检测区域的第二区域位置坐标；采用所述第一区域位置坐标和所述第二区域位置坐标，判断所述第一待检测区域与所述第二待检测区域是否具有重合区域；若是，则采用与所述重合区域，以及，与所述重合区域相邻的区域生成目标区域。3.根据权利要求1所述的方法，其特征在于，在所述从所述原始图像中查找出目标区域的步骤之前，还包括：对所述原始图像进行降噪处理，生成降噪图像。4.根据权利要求1所述的方法，其特征在于，所述方法应用于深度学习系统中，所述深度学习系统包括多层卷积神经网络，所述获取所述原始图像的特征信息图像的步骤包括：采用所述多层卷积神经网络从所述原始图像中提取出特征信息图像；其中，所述多层卷积神经网络具有对应的层级，两个所述层级对应的卷积神经网络之间具有池化层和激活层。5.根据权利要求4所述的方法，其特征在于，所述多层卷积神经网络包括多个全连接层，所述根据所述目标特征信息生成所述目标区域的类别信息的步骤包括：采用所述池化层和激活层以预设的尺寸值通过所述特征信息生成待分类图像；将所述待分类图像输入所述多个全连接层中，并采用所述多个全连接层生成针对所述待分类图像所对应的类别信息。6.一种特征图像类别信息的生成装置，其特征在于，包括：图像获取模块，用于获取原始图像；目标区域查找模块，用于从所述原始图像中查找出目标区域；特征信息图像获取模块，用于获取所述...

【专利技术属性】
技术研发人员：丛恒，
申请(专利权)人：网易杭州网络有限公司，
类型：发明
国别省市：浙江,33