用于生成信息的方法和装置制造方法及图纸

本公开的实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括：获取拍摄时间相关联的预设数目张待测图像，其中，预设数目张待测图像中包括相似度大于预设阈值的背景图像；将预设数目张待测图像输入至预先训练的变更检测模型，生成变更检测结果，其中，变更检测模型用于表征预设数目张待测图像与变更检测结果之间的对应关系，变更检测结果用于表征预设数目张待测图像所显示的对象是否发生变更。该实施方式实现了终端设备根据获取的多张图像生成变更检测结果。

【技术实现步骤摘要】
用于生成信息的方法和装置
本公开的实施例涉及计算机
，具体涉及用于生成信息的方法和装置。
技术介绍
随着人工智能技术的飞速发展，在深度学习和计算机视觉处理领域的应用也越来越多。相关的方式通常是通过终端设备来采集的图像，并将采集的图像发送至后端支持深度学习框架的计算设备。由后端计算设备完成对所采集的图像的检测、识别等处理。
技术实现思路
本公开的实施例提出了用于生成信息的方法和装置。第一方面，本公开的实施例提供了一种用于生成信息的方法，该方法包括：获取拍摄时间相关联的预设数目张待测图像，其中，预设数目张待测图像中包括相似度大于预设阈值的背景图像；将预设数目张待测图像输入至预先训练的变更检测模型，生成变更检测结果，其中，变更检测模型用于表征预设数目张待测图像与变更检测结果之间的对应关系，变更检测结果用于表征预设数目张待测图像所显示的对象是否发生变更。在一些实施例中，变更检测模型包括基于深度学习框架中的神经网络拼接而成的神经网络。在一些实施例中，变更检测模型通过如下步骤训练生成：获取训练输入参数，其中，训练输入参数包括输入图像的数目、批处理参数、通道数、高度和宽度；基于输入图像的数目与批处理参数、通道数、高度和宽度之一的结合，生成降维后的训练输入参数；根据降维后的训练输入参数，调用与变更检测模型对应的应用程序编程接口，训练得到变更检测模型。在一些实施例中，基于输入图像的数目与批处理参数、通道数、高度和宽度之一的结合，生成降维后的训练输入参数，包括：将输入图像的数目与通道数相乘，得到组合通道数；基于批处理参数、组合通道数、高度和宽度，生成降维后的训练输入参数。在一些实施例中，预设数目为2，变更检测结果用于表征物品是否被取走或放回。在一些实施例中，该方法还包括：响应于确定所生成的变更检测结果为表征物品被取走或放回的物品取放结果，向目标设备发送库存调整信息，以使目标设备根据库存调整信息执行库存调整操作。第二方面，本公开的实施例提供了一种用于生成信息的装置，该装置包括：获取单元，被配置成获取拍摄时间相关联的预设数目张待测图像，其中，预设数目张待测图像中包括相似度大于预设阈值的背景图像；生成单元，被配置成将预设数目张待测图像输入至预先训练的变更检测模型，生成变更检测结果，其中，变更检测模型用于表征预设数目张待测图像与变更检测结果之间的对应关系，变更检测结果用于表征预设数目张待测图像所显示的对象是否发生变更。在一些实施例中，变更检测模型包括基于深度学习框架中的神经网络拼接而成的神经网络。在一些实施例中，该装置还包括训练单元；上述训练单元包括：获取模块，被配置成获取训练输入参数，其中，训练输入参数包括输入图像的数目、批处理参数、通道数、高度和宽度；生成模块，被配置成基于输入图像的数目与批处理参数、通道数、高度和宽度之一的结合，生成降维后的训练输入参数；调用模块，被配置成根据降维后的训练输入参数，调用与变更检测模型对应的应用程序编程接口，训练得到变更检测模型。在一些实施例中，生成模块包括：第一生成子模块，被配置成将输入图像的数目与通道数相乘，得到组合通道数；第二生成子模块，被配置成基于批处理参数、组合通道数、高度和宽度，生成降维后的训练输入参数。在一些实施例中，预设数目为2，变更检测结果用于表征物品是否被取走或放回。在一些实施例中，该装置还包括：发送单元，被配置成响应于确定所生成的变更检测结果为表征物品被取走或放回的物品取放结果，向目标设备发送库存调整信息，以使目标设备根据库存调整信息执行库存调整操作。第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；摄像头，被配置成采集图像；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。第五方面，本申请实施例提供了另一种服务器，包括：接口；存储器，其上存储有一个或多个程序；以及一个或多个处理器，在操作上连接到上述接口和上述存储器，用于：获取拍摄时间相关联的预设数目张待测图像，其中，预设数目张待测图像中包括相似度大于预设阈值的背景图像；将预设数目张待测图像输入至预先训练的变更检测模型，生成变更检测结果，其中，变更检测模型用于表征预设数目张待测图像与变更检测结果之间的对应关系，变更检测结果用于表征预设数目张待测图像所显示的对象是否发生变更。第六方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，当上述计算机程序被一个或多个处理器执行时，使得上述一个或多个处理器：获取拍摄时间相关联的预设数目张待测图像，其中，预设数目张待测图像中包括相似度大于预设阈值的背景图像；将预设数目张待测图像输入至预先训练的变更检测模型，生成变更检测结果，其中，变更检测模型用于表征预设数目张待测图像与变更检测结果之间的对应关系，变更检测结果用于表征预设数目张待测图像所显示的对象是否发生变更。本公开的实施例提供的用于生成信息的方法和装置，首先获取拍摄时间相关联的预设数目张待测图像，其中，预设数目张待测图像中包括相似度大于预设阈值的背景图像；之后，将预设数目张待测图像输入至预先训练的变更检测模型，生成变更检测结果，其中，变更检测模型用于表征预设数目张待测图像与变更检测结果之间的对应关系，变更检测结果用于表征预设数目张待测图像所显示的对象是否发生变更。从而实现了终端设备根据获取的多张图像生成变更检测结果。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：图1是本公开的一个实施例可以应用于其中的示例性系统架构图；图2是根据本公开的用于生成信息的方法的一个实施例的流程图；图3是根据本公开的实施例的用于生成信息的方法的一个具体应用场景的流程示意图；图4是根据本公开的用于生成信息的方法的又一个实施例的流程图；图5是根据本公开的用于生成信息的装置的一个实施例的结构示意图；图6是适于用来实现本公开的实施例的电子设备的结构示意图。具体实施方式下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。图1示出了可以应用本公开的用于生成信息的方法或用于生成信息的装置的示例性架构100。如图1所示，系统架构100可以包括智能摄像头101、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络本文档来自技高网...

【技术保护点】
1.一种用于生成信息的方法，包括：/n获取拍摄时间相关联的预设数目张待测图像，其中，所述预设数目张待测图像中包括相似度大于预设阈值的背景图像；/n将所述预设数目张待测图像输入至预先训练的变更检测模型，生成变更检测结果，其中，所述变更检测模型用于表征预设数目张待测图像与变更检测结果之间的对应关系，所述变更检测结果用于表征预设数目张待测图像所显示的对象是否发生变更。/n

【技术特征摘要】
1.一种用于生成信息的方法，包括：
获取拍摄时间相关联的预设数目张待测图像，其中，所述预设数目张待测图像中包括相似度大于预设阈值的背景图像；
将所述预设数目张待测图像输入至预先训练的变更检测模型，生成变更检测结果，其中，所述变更检测模型用于表征预设数目张待测图像与变更检测结果之间的对应关系，所述变更检测结果用于表征预设数目张待测图像所显示的对象是否发生变更。


2.根据权利要求1所述的方法，其中，所述变更检测模型包括基于深度学习框架中的神经网络拼接而成的神经网络。


3.根据权利要求2所述的方法，其中，所述变更检测模型通过如下步骤训练生成：
获取训练输入参数，其中，所述训练输入参数包括输入图像的数目、批处理参数、通道数、高度和宽度；
基于所述输入图像的数目与所述批处理参数、所述通道数、所述高度和所述宽度之一的结合，生成降维后的训练输入参数；
根据所述降维后的训练输入参数，调用与所述变更检测模型对应的应用程序编程接口，训练得到所述变更检测模型。


4.根据权利要求3所述的方法，其中，所述基于所述输入图像的数目与所述批处理参数、所述通道数、所述高度和所述宽度之一的结合，生成降维后的训练输入参数，包括：
将所述输入图像的数目与所述通道数相乘，得到组合通道数；
基于所述批处理参数、所述组合通道数、所述高度和所述宽度，生成降维后的训练输入参数。


5.根据权利要求1-4之一所述的方法，其中，所述预设数目为2，所述变更检测结果用于表征物品是否被取走或放回。


6.根据权利要求5所述的方法，其中，所述方法还包括：
响应于确定所生成的变更检测结果为表征物品被取走或放回的物品取放结果，向目标设备发送库存调整信息，以使所述目标设备根据所述库存调整信息执行库存调整操作。


7.一种用于生成信息的装置，包括：
获取单元，被配置成获取拍摄时间相关联的预设数目张待测图像，其中，所述预设数目张待测图像中包括相似度大于预设阈值的背景图像；
生成单元，被配置成将所述预设数目张待测图像输入至预先训...

【专利技术属性】
技术研发人员：程治宇，寇浩锋，付鹏，包英泽，
申请(专利权)人：百度时代网络技术北京有限公司，百度美国有限责任公司，
类型：发明
国别省市：北京;11