兴趣点图像的检测方法、装置、电子设备及存储介质制造方法及图纸

本公开公开了一种兴趣点图像的检测方法、装置、电子设备及存储介质，涉及机器学习与自然语言处理等人工智能技术领域。具体实现方案为：提取采集的待检测图像中的文字信息；基于待检测图像中的文字信息，采用基于NLP的POI检测模块，检测待检测图像是否为POI图像。本公开的技术，能够有效地滤除杂质图像，提高POI图像的检测准确性和检测效率。的检测准确性和检测效率。的检测准确性和检测效率。

【技术实现步骤摘要】
兴趣点图像的检测方法、装置、电子设备及存储介质


[0001]本申请涉及计算机
，具体涉及机器学习与自然语言处理等人 工智能
，尤其涉及一种兴趣点图像的检测方法、装置、电子设备 及存储介质。

技术介绍

[0002]随着人工智能(Artificial Intelligence；AI)技术的发展，目前地图类 应用上的数据都逐渐从人工实地采集标记迁移至自动化处理。
[0003]兴趣点(Point OfInterest；POI)是地图上极为重要的组成元素，而 POI招牌图像则是描述真实世界中POI存在的证据。在地图的POI招牌图 像自动化处理流程中，往往需要利用计算机视觉(Computer Vision；CV) 技术从一张自然场景下拍摄的图像中检测出其中包含招牌部分的图像，然 后通过光学字符识别(Optical Charactor Recognition；OCR)技术提取POI 文本作为名称。

技术实现思路

[0004]本公开提供了一种兴趣点图像的检测方法、装置、电子设备及存储介 质。
[0005]根据本公开的一方面，提供了一种兴趣点图像的检测方法，其中，所 述方法包括：
[0006]提取采集的待检测图像中的文字信息；
[0007]基于所述待检测图像中的文字信息，采用基于自然语言处理的兴趣点 检测模块，检测所述待检测图像是否为兴趣点图像。
[0008]根据本公开的另一方面，提供了一种兴趣点图像的检测装置，其中， 所述装置包括：
[0009]提取模块，用于提取采集的待检测图像中的文字信息；
[0010]第一检测模块，用于基于所述待检测图像中的文字信息，采用基于自 然语言处理的兴趣点检测模块，检测所述待检测图像是否为兴趣点图像。
[0011]根据本公开的再一方面，提供了一种电子设备，包括：
[0012]至少一个处理器；以及
[0013]与所述至少一个处理器通信连接的存储器；其中，
[0014]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被 所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的 方法。
[0015]根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算 机可读存储介质，其中，所述计算机指令用于使所述计算机执行如上所述 的方法。
[0016]根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机 程序，所述计算机程序在被处理器执行时实现如上所述的方法。
[0017]根据本公开的技术，通过提取采集的待检测图像中的文字信息；基于 待检测图像中的文字信息，采用基于NLP的POI检测模块，检测待检测 图像是否为POI图像，能够有效地滤除杂质图像，提高POI图像的检测准 确性和检测效率。
[0018]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键 或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下 的说明书而变得容易理解。
附图说明
[0019]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0020]图1是根据本公开第一实施例的示意图；
[0021]图2是根据本公开第二实施例的示意图；
[0022]图3是本实施例提供的依存句法分析示意图；
[0023]图4是根据本公开第三实施例的示意图；
[0024]图5是根据本公开第四实施例的示意图；
[0025]图6是用来实现本公开实施例的示例电子设备的框图。
具体实施方式
[0026]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实 施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本 领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和 修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的 描述中省略了对公知功能和结构的描述。
[0027]图1是根据本公开第一实施例的示意图；如图1所示，本实施例提供 一种POI图像的检测方法，其具体可以包括如下步骤：
[0028]S101、提取采集的待检测图像中的文字信息；
[0029]S102、基于待检测图像中的文字信息，采用基于自然语言处理(NaturalLanguage Processing；NLP)的POI检测模块，检测待检测图像是否为POI 图像。
[0030]本实施例的POI图像的检测方法的执行主体为POI图像的检测装置， 该装置可以为电子实体，或者也可以为采用软件集成的应用。使用时，基 于待检测图像中的文字信息，检测该待检测图像是否为POI的图像。
[0031]本实施例的POI图像的检测方法的应用场景可以为：在自动化提取地 图中的POI图像的场景下，由于图像采集的现实场景非常复杂，包含了很 多噪声，其中不仅仅包括了商家的招牌图像等有效的POI图像，还包含了 路边张贴的标语、交通指示牌，大型广告牌等杂质图像。而且考虑到部分 杂质招牌图像具有和POI图像极为相似的视觉特征，如都含有文本，背景 相似，若按照传统方式非常容易识别错误，将杂质图像误认为是POI图像， 导致POI图像的检测错误。基于该问题，本实施例提供一种POI图像的检 测方法，提高POI图像的检测效果和检测准确性。
[0032]具体地，本实施例的POI图像的检测方法中，首先获取待检测图像中 的文字信息，并基于待检测图像的文字信息，采用基于NLP处理的方式 的POI检测模块，实现对待检测图像进行检测，以确定该待检测图像是否 为POI图像。
[0033]本实施例的基于NLP的POI检测模块可以理解为该POI检测模块是 基于NLP的方式，对待检测图像的文字信息进行检测。若待检测图像的 文字信息符合POI图像的特征，可以确定该待检测图像为POI图像，否则 若待检测图像的文字信息不符合POI图像的特征，则
可以确定该待检测图 像不是POI图像。
[0034]本实施例的POI图像的检测方法，通过提取采集的待检测图像中的文 字信息；基于待检测图像中的文字信息，采用基于NLP的POI检测模块， 检测待检测图像是否为POI图像，能够有效地滤除杂质图像，提高POI 图像的检测准确性和检测效率。
[0035]图2是根据本公开第二实施例的示意图；如图2所示，本实施例的 POI图像的检测方法，在上述图1所示实施例的技术方案的基础上，进一 步更加详细地描述本申请的技术方案。如图2所示，本实施例的POI图像 的检测方法，具体可以包括如下步骤：
[0036]S201、采用预先训练的图像检测模型，检测待检测图像是否为疑似 POI图像；若是，执行步骤S202；否则，确定待检测图像为杂质图像，滤 除该待检测图像，结束。
[0037]本实施例中的图像检测模型也为神经网络模型，在使用之前，需要经 过预先训练。例如，可以预先采集多条训练图像数据，各训练图像数据中 包括训练图像、并标注该训练图像为POI图像还是非POI本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种兴趣点图像的检测方法，其中，所述方法包括：提取采集的待检测图像中的文字信息；基于所述待检测图像中的文字信息，采用基于自然语言处理的兴趣点检测模块，检测所述待检测图像是否为兴趣点图像。2.根据权利要求1所述的方法，其中，基于所述待检测图像中的文字信息，采用基于自然语言处理的兴趣点检测模块，检测所述待检测图像是否为兴趣点图像，包括：基于所述待检测图像中的文字信息，采用所述兴趣点检测模块中的兴趣点语法分析单元，分析所述待检测图像中的文字信息是否符合兴趣点名称的语法规则，以确定所述待检测图像是否为兴趣点图像；和/或基于所述待检测图像中的文字信息，采用所述兴趣点检测模块中预先训练的兴趣点语义分析模型，分析所述待检测图像是否为兴趣点图像。3.根据权利要求2所述的方法，其中，基于所述待检测图像中的文字信息，采用所述兴趣点检测模块中的兴趣点语法分析单元，分析所述待检测图像中的文字信息是否符合兴趣点名称的语法规则，以确定所述待检测图像是否为兴趣点图像，包括：基于所述待检测图像中的文字信息和预设的非兴趣点敏感词库，采用所述兴趣点语法分析单元，分析所述文字信息中是否包括所述预设的非兴趣点敏感词库中的敏感词，以确定所述待检测图像是否为兴趣点图像；和/或基于所述待检测图像中的文字信息和预设的兴趣点语法结构库，采用所述兴趣点语法分析单元，分析所述文字信息中的语法结构是否属于所述预设的兴趣点语法结构库中的语法结构，以确定所述待检测图像是否为兴趣点图像。4.根据权利要求2所述的方法，其中，基于所述待检测图像中的文字信息，采用所述兴趣点检测模块中预先训练的兴趣点语义分析模型，分析所述待检测图像是否为兴趣点图像，包括：获取所述待检测图像中的文字信息的特征表达；采用所述兴趣点语义分析模型，基于所述待检测图像中的文字信息的特征表达，分析所述待检测图像是否为兴趣点图像。5.根据权利要求1
‑
4任一所述的方法，其中，提取采集的待检测图像中的文字信息之前，所述方法还包括：采用预先训练的图像检测模型，检测并确定所述待检测图像为疑似兴趣点图像。6.根据权利要求1
‑
4任一所述的方法，其中，提取采集的待检测图像中的文字信息，包括：采用光学字符识别模块提取所述待检测图像中的文字信息。7.一种兴趣点图像的检测装置，其中，所述装置包括：提取模块，用于提取采集的待检测图像中的文字信息；第一检测模块，用于基于所述待检测图像中的文...

【专利技术属性】
技术研发人员：王昆，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：