一种图像推荐方法、系统、终端设备及服务器与流程

文档序号:19943676发布日期:2020-02-14 23:33
一种图像推荐方法、系统、终端设备及服务器与流程

本发明涉及图像处理技术领域,特别是指一种图像推荐方法、系统、终端设备及服务器。



背景技术:

一些情况下,用户需要获取感兴趣的图像。目前,用户获取感兴趣图像的方案一般包括:用户在电子设备的搜索界面中选择“图像”选项,然后输入对图像的描述内容,比如名称、主题、内容等等,电子设备根据这些描述内容查找相关图像,并将查找到的图像展示给用户。

但是这种方案中,需要用户自己组织语言对图像进行描述,并且需要用户手动输入描述内容,操作比较繁琐。因此,亟需一种自动推荐用户感兴趣图像的方案。



技术实现要素:

有鉴于此,本发明的目的在于提出一种图像推荐方法、系统、终端设备及服务器,以实现自动推荐用户感兴趣的图像。

基于上述目的,本发明实施例提供了一种图像推荐方法,所述方法包括:

获取用户上传的图像,作为待处理图像;

获取所述用户的行为日志;

基于所述行为日志对所述待处理图像相关联的推荐图像进行排序;

推荐排序后的推荐图像。

可选的,所述基于所述行为日志对所述待处理图像相关联的推荐图像进行排序,包括:

确定所述待处理图像相关联的推荐图像的信息;

基于所述行为日志对所述推荐图像的信息进行排序;

基于排序后的推荐图像的信息,获取排序后的推荐图像。

可选的,所述确定所述待处理图像相关联的推荐图像的信息,包括:

确定所述待处理图像的相似图像的信息,作为推荐图像的信息。

可选的,所述确定所述待处理图像的相似图像的信息,作为推荐图像的信息,包括:

对所述待处理图像进行特征提取,对提取到的特征进行降维及量化处理,得到量化特征码;

在特征库中查找与所述量化特征码相似度高于预设阈值的特征码,作为目标特征码;

获取所述目标特征码对应的图像的信息,作为推荐图像的信息。

可选的,所述基于所述行为日志对所述推荐图像的信息进行排序,包括:

基于所述行为日志,确定所述用户感兴趣的图像属性,图像属性包括以下任意一种或多种:主题、作者、风格;

基于所述用户感兴趣的图像属性,对所述推荐图像的信息进行排序。

可选的,在所述推荐排序后的推荐图像之后,还包括:

确定用户点击的推荐图像,作为感兴趣推荐图像;

将所述感兴趣推荐图像的图像属性与所述用户的标识对应存储至用户的行为日志。

可选的,所述基于所述行为日志,确定所述用户感兴趣的图像属性,包括:在所述行为日志中,查找所述用户的标识对应的每种图像属性,作为用户感兴趣的图像属性;

所述方法还包括:统计所述用户感兴趣的图像属性在所述行为日志中的记录次数;根据所述记录次数,对所述用户感兴趣的图像属性进行排序;

所述基于所述用户感兴趣的图像属性,对所述推荐图像的信息进行排序,包括:基于排序后的用户感兴趣的图像属性,对所述推荐图像的信息进行排序。

可选的,所述方法还包括:

若推荐图像的属性与所述待处理图像的属性相同,则输出提示信息。

可选的,在所述确定用户点击的推荐图像,作为感兴趣推荐图像之后,还包括:

确定与所述感兴趣推荐图像的图像属性相同的图像的信息,作为二级推荐图像的信息;

基于所述行为日志对所述二级推荐图像的信息进行排序;

基于排序后的二级推荐图像的信息,推荐排序后的二级推荐图像。

基于上述目的,本发明实施例还提供了一种图像推荐系统,所述系统包括:终端设备和服务器,其中,

所述终端设备,用于获取用户上传的图像,作为待处理图像;将所述待处理图像发送至所述服务器;

所述服务器,用于获取所述用户的行为日志;基于所述行为日志对所述待处理图像相关联的推荐图像进行排序;将排序后的推荐图像发送至所述终端设备;

所述终端设备,还用于输出所述排序后的图像。

可选的,所述服务器包括:第一服务器和第二服务器;其中,

所述第一服务器,用于接收所述待处理图像,对所述待处理图像进行压缩,得到压缩后的图像;将所述压缩后的图像发送至所述第二服务器;

所述第二服务器,用于确定所述压缩后的图像的相似图像的信息,作为推荐图像的信息;获取所述用户的行为日志;基于所述行为日志对所述推荐图像的信息进行排序;将排序后的推荐图像的信息发送至所述第一服务器;

所述第一服务器,还用于基于排序后的推荐图像的信息,获取排序后的推荐图像;将排序后的推荐图像发送至所述终端设备。

可选的,所述第二服务器,具体用于:

对所述压缩后的图像进行特征提取,对提取到的特征进行降维及量化处理,得到量化特征码;在特征库中查找与所述量化特征码相似度高于预设阈值的特征码,作为目标特征码;获取所述目标特征码对应的图像的信息,作为推荐图像的信息;获取所述用户的行为日志;基于所述行为日志对所述推荐图像的信息进行排序;将排序后的推荐图像的信息发送至所述第一服务器。

基于上述目的,本发明实施例还提供了一种终端设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一种图像推荐方法。

基于上述目的,本发明实施例还提供了一种服务器,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述任一种图像推荐方法。

应用本发明所示实施例,获取用户上传的图像,作为待处理图像;获取用户的行为日志,基于行为日志对待处理图像相关联的推荐图像进行排序;推荐排序后的推荐图像;可见,第一方面,本方案实现了自动推荐用户感兴趣的图像;第二方面,用户的行为日志能够反应用户的喜好,基于用户的行为日志向用户推荐图像,提高了推荐的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种图像推荐方法的流程示意图;

图2为本发明实施例提供的一种图像排序的流程示意图;

图3为本发明实施例提供的一种展示界面示意图;

图4为本发明实施例提供的一种展示界面部分区域示意图;

图5为本发明实施例提供的另一种展示界面示意图;

图6为本发明实施例提供的一种图像推荐系统的结构示意图;

图7为本发明实施例提供的一种终端设备与服务器的交互示意图;

图8为本发明实施例提供的另一种终端设备与服务器的交互示意图;

图9为本发明实施例提供的一种应用于云端服务器的具体的实施方式的流程示意图;

图10为本发明实施例提供的一种终端设备的结构示意图;

图11为本发明实施例提供的一种服务器的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。

需要说明的是,本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量,可见“第一”“第二”仅为了表述的方便,不应理解为对本发明实施例的限定,后续实施例对此不再一一说明。

为了达到上述目的,本发明实施例提供了一种图像推荐方法、系统、终端设备及服务器。下面首先对该图像推荐方法进行详细介绍。该图像推荐方法可以应用于各种终端设备,比如,手机、平板电脑、计算机等,或者也可以应用于服务器,具体不做限定。

图1为本发明实施例提供的一种图像推荐方法的流程示意图,包括:

s101:获取用户上传的图像,作为待处理图像。

如果执行主体(执行本方案的设备)为终端设备,则终端设备可以通过与用户交互,获取用户上传的图像;如果执行主体为服务器,则服务器可以接收终端设备发送的用户上传的图像。为了区分描述,将用户上传的图像称为待处理图像,基于用户上传的图像,向用户进行图像推荐。

一种情况下,用户可以上传画作图像,作为待处理图像。或者,其他情况下,用户也可以上传其他类型的图像,图像的具体类型不做限定。

s102:获取该用户的行为日志。

用户的行为日志可以理解为记录用户行为数据的日志,其可以包括用户的浏览记录、操作记录等,比如用户在某张图像的停留时长、针对某张图像的点击次数等等,具体内容不做限定。用户的行为日志能够反应用户的喜好,后续内容中,可以根据用户的喜好程度,对推荐图像进行排序。

s103:基于该行为日志对待处理图像相关联的推荐图像进行排序。

一种实施方式中,s103可以包括:获取待处理图像相关联的推荐图像;基于用户的行为日志对该推荐图像进行排序。

另一种实施方式中,如图2所示,s103可以包括:

s103a:确定待处理图像相关联的推荐图像的信息;

s103b:基于该行为日志对推荐图像的信息进行排序;

s103c:基于排序后的推荐图像的信息,获取排序后的推荐图像。

举例来说,推荐图像的信息可以包括推荐图像的地址和/或标识,该标识可以为图像名称或图像id(identitydocument,身份标识号)。上一实施方式中,先获取图像再排序;图2所示实施方式中,先排序再获取图像。

一种情况下,待处理图像相关联的推荐图像可以为待处理图像的相似图像。或者其他情况下,待处理图像相关联的推荐图像可以为与待处理图像属性相同的图像,或者为与待处理图像存在关联关系的图像。

以推荐图像为待处理图像的相似图像为例来说,图2所示实施方式中,可以确定所述待处理图像的相似图像的信息,作为推荐图像的信息。

一种实施方式中,确定所述待处理图像的相似图像的信息,作为推荐图像的信息,可以包括:对所述待处理图像进行特征提取,对提取到的特征进行降维及量化处理,得到量化特征码;在特征库中查找与所述量化特征码相似度高于预设阈值的特征码,作为目标特征码;获取所述目标特征码对应的图像的信息,作为推荐图像的信息。

举例来说,可以预先创建特征库,在特征库中存储图像的量化特征码。存储过程可以包括:获取样本图像,对样本图像进行特征提取,对提取到的特征进行降维及量化处理,得到量化特征码,将量化特征码存储至特征库。此外,记录量化特征码与样本图像的信息之间的对应关系,该对应关系可以存储至特征库中,也可以存储至其他存储位置。为了区分描述,将存储量化特征码过程中涉及的图像称为样本图像。

比如,可以利用主成分分析(principalcomponentanalysis,pca)、多维缩放(multipledimensionalscaling,mds)等降维算法,对图像进行降维处理,然后可以对降维后的图像进行哈希量化处理,得到量化特征码。

计算“待处理图像的量化特征码”与“特征库中的量化特征码”之间的距离。一种情况下,可以确定特征库中与“待处理图像的量化特征码”距离最近的量化特征码,作为目标特征码;获取目标特征码对应的图像的信息,作为推荐图像的信息。

另一种情况下,可以将计算得到的距离由小到大进行排序,判断排在第一位的距离是否大于预设距离阈值;如果不大于,表示查找到与待处理图像内容相同的图像,可以将该内容相同的图像的信息作为推荐图像的信息;如果大于,表示未查找到与待处理图像内容相同的图像,可以将排在前预设数量个距离对应的图像的信息作为推荐图像的信息。

一种实施方式中,可以获取推荐图像的其他关联信息,比如图像的主题、作者、内容描述等等,具体不做限定。进行图像推荐时,可以推荐图像及其关联信息。

一种实施方式中,s103b可以包括:基于所述行为日志,确定所述用户感兴趣的图像属性,图像属性包括以下任意一种或多种:主题、作者、风格;基于所述用户感兴趣的图像属性,对所述推荐图像的信息进行排序。

如上所述,用户可以上传画作图像,作为待处理图像,这种情况下,画作图像的属性可以包括:主题、作者、风格、流派,等等,具体不做限定。

举例来说,可以对用户的行为日志中记录的行为数据进行统计,根据统计结果,确定用户感兴趣的图像属性。比如,行为日志中包括用户在某张图像的停留时长、针对某张图像的点击次数等,如果用户在相同属性图像的停留时长大于平均停留时长,或者对相同属性图像的点击次数大于平均点击次数,则可以将该属性确定为用户感兴趣的图像属性,一些情况下,还可以根据停留时长或者点击次数的具体数值,确定用户的感兴趣程度。

一种实施方式中,在向用户进行图像推荐后,可以确定用户点击的推荐图像,作为感兴趣推荐图像;将所述感兴趣推荐图像的图像属性与所述用户的标识对应存储至用户的行为日志。

这样,行为日志中便记录了用户的行为数据,行为日志中包括用户对感兴趣图像的点击记录。用户的标识可以为用户在终端设备中的登录账号数据,或者,也可以为用户在终端设备中的注册数据等等,或者,也可以为终端设备的标识,用户标识的具体形式不做限定。

一种实施方式中,可以在所述行为日志中,查找所述用户的标识对应的每种图像属性,作为用户感兴趣的图像属性;统计所述用户感兴趣的图像属性在所述行为日志中的记录次数;根据所述记录次数,对所述用户感兴趣的图像属性进行排序;基于排序后的用户感兴趣的图像属性,对所述推荐图像的信息进行排序。

上述实施方式中,将用户感兴趣的推荐图像的图像属性与用户的标识对应存储至用户的行为日志;本实施方式中,可以获取上传待处理图像的用户的标识,在行为日志中,查找该待处理图像的用户的标识对应的一种或多种图像属性,为了方便描述,将查找到的图像属性称为用户感兴趣的图像属性。

若某图像属性在行为日志中的记录次数较多,则表示用户点击这一属性的图像次数较多,进而表示用户对这一属性的图像感兴趣程度较高。根据记录次数进行排序,也就是根据用户的感兴趣程度进行排序。

如上所述,图2所示实施方式中,推荐图像的信息可以包括推荐图像的地址和/或标识,可以基于推荐图像的信息获取到推荐图像。对推荐图像信息进行了排序,也就是对推荐图像进行了排序,这样,便获取到了排序后的推荐图像。

s104:推荐排序后的推荐图像。

如果执行主体为终端设备,则终端设备可以将排序后的推荐图像展示给用户;如果执行主体为服务器,则服务器可以将排序后的推荐图像发送至终端设备,终端设备将该排序后的推荐图像展示给用户。

一种实施方式中,若推荐图像的属性与待处理图像的属性相同,则输出提示信息。

举例来说,在向用户展示推荐图像时,可以一并展示该提示信息。比如,假设推荐图像与待处理图像的作者相同,则可以展示“同作者”的提示信息;再比如,假设推荐图像与待处理图像的风格相同,则可以展示“同风格”的提示信息;再比如,假设推荐图像与待处理图像的主题相同,则可以展示“同主题”的提示信息;再比如,假设推荐图像与待处理图像的流派相同,则可以展示“同流派”的提示信息。

参考图3所示,假设图3上端的一张图像为用户上传的图像,下端的四张图像为向用户推荐的图像;对图3中展示界面下端的区域进行放大,如图4所示,下端的四张图像下方均展示有提示信息,分别为“同作者”、“同风格”、“同主题”、“同流派”。这样,可以更直观地向用户进行推荐。

上述一种实施方式中,在向用户进行图像推荐后,可以确定用户点击的推荐图像,作为感兴趣推荐图像;这样,一种情况下,可以确定与所述感兴趣推荐图像的图像属性相同的图像的信息,作为二级推荐图像的信息;基于所述行为日志对所述二级推荐图像的信息进行排序;基于排序后的二级推荐图像的信息,推荐排序后的二级推荐图像。

或者,另一种情况下,也可以获取与所述感兴趣推荐图像的图像属性相同的图像,作为二级推荐图像;基于所述用户的行为日志对所述二级推荐图像进行排序;推荐排序后的二级推荐图像。

举例来说,终端设备可以向用户展示排序后的推荐图像,这一展示界面可以理解为一级界面,用户在一级界面中点击其感兴趣的图像后,终端设备展示二级界面,二级界面中展示与用户点击图像属性相同的图像,二级界面展示的图像也是基于行为日志进行排序后的图像。

上述图3即可理解为一级界面,假设用户点击图3下端四张图像中第一排第二张图像,终端设备展示的二级界面可以如图5所示,图5上端的一张图像为用户点击的推荐图像(感兴趣推荐图像),下端的四张图像为二级推荐图像,也就是与该感兴趣推荐图像属性相同的图像:同作者的图像、同主题的图像、同风格的图像、同流派的图像。对图5中展示界面下端的区域进行放大,如图4所示,下端的四张图像下方均展示有提示信息,分别为“同作者”、“同风格”、“同主题”、“同流派”。这样,可以更直观地向用户进行推荐。

进一步的,用户还可以继续在二级界面中,点击二级推荐图像,这样,终端设备可以继续展示下一级界面,下一级界面中展示与用户点击图像属性相同的图像。将用户点击的图像属性与用户的标识均对应存储至用户的行为日志中。

应用本发明所示实施例,获取用户上传的图像,作为待处理图像;获取用户的行为日志;基于行为日志对待处理图像相关联的推荐图像进行排序;推荐排序后的推荐图像;可见,第一方面,本方案实现了自动推荐用户感兴趣的图像;第二方面,用户的行为日志能够反应用户的喜好,基于用户的行为日志向用户推荐图像,提高了推荐的准确性。

本发明实施例还提供了一种图像推荐系统,如图6所示,该系统包括:终端设备100和服务器200,终端设备100和服务器200的交互过程可以如图7所示:

终端设备100,用于获取用户上传的图像,作为待处理图像;将所述待处理图像发送至服务器200;

服务器200,用于获取所述用户的行为日志;基于所述行为日志对所述待处理图像相关联的推荐图像进行排序;将排序后的推荐图像发送至终端设备100;

终端设备100,还用于输出所述排序后的图像。

一种实施方式中,服务器200可以进一步包括:第一服务器210和第二服务器220;终端设备100、第一服务器210和第二服务器220的交互过程可以如图8所示:

终端设备100,用于获取用户上传的图像,作为待处理图像;将所述待处理图像发送至第一服务器210;

第一服务器210,用于接收所述待处理图像,对所述待处理图像进行压缩,得到压缩后的图像;将所述压缩后的图像发送至第二服务器220;

第二服务器220,用于确定所述压缩后的图像的相似图像的信息,作为推荐图像的信息;获取所述用户的行为日志;基于所述行为日志对所述推荐图像的信息进行排序;将排序后的推荐图像的信息发送至第一服务器210;

第一服务器210,还用于基于排序后的推荐图像的信息,获取排序后的推荐图像;将排序后的推荐图像发送至终端设备100;

终端设备100,还用于输出所述排序后的图像。

一种情况下,第二服务器220确定所述压缩后的图像的相似图像的信息,作为推荐图像的信息,可以包括:对所述压缩后的图像进行特征提取,对提取到的特征进行降维及量化处理,得到量化特征码;在特征库中查找与所述量化特征码相似度高于预设阈值的特征码,作为目标特征码;获取所述目标特征码对应的图像的信息,作为推荐图像的信息。

举例来说,可以在终端设备中安装进行图像推荐的app(application,应用程序),第一服务器210可以为app后端服务器,第二服务器220可以为云端服务器。举例来说,该app可以调用终端设备的摄像头,拍摄画作图像,将该画作图像作为待处理图像上传至app后端服务器。app后端服务器对待处理图像进行压缩,得到压缩后的图像;将压缩后的图像发送至云端服务器。

云端服务器对压缩后的图像进行特征提取,对提取到的特征进行降维及量化处理,得到量化特征码;调用搜索算法,在特征库中搜索与该量化特征码相似度高于预设阈值的特征码,作为目标特征码;目标特征码即为推荐图像的特征码。

云端服务器可以预先创建特征库,在特征库中存储图像的量化特征码。存储过程可以包括:获取样本图像,对样本图像进行特征提取,对提取到的特征进行降维及量化处理,得到量化特征码,将量化特征码存储至特征库。

云端服务器中可以记录有量化特征码与图像的信息之间的对应关系。获取图像信息列表,该列表中包括推荐图像的信息,比如,图像地址和/或图像标识,或者该列表中还可以包括:图像的主题、作者、内容描述等等,具体不做限定。

此外,云端服务器中存储有用户的行为日志,用户的行为日志可以理解为记录用户行为数据的日志,其可以包括用户的浏览记录、操作记录等,比如用户在某张图像的停留时长、针对某张图像的点击次数等等,具体内容不做限定。用户的行为日志能够反应用户的喜好,可以基于该行为日志对推荐图像的信息进行排序,也就是根据用户的喜好程度,对推荐图像的信息进行排序。这样,图像信息列表中包括排序后的推荐图像的信息。云端服务器将该图像信息列表发送给app后端服务器。

app后端服务器基于图像信息列表中的推荐图像的地址或者标识,获取到推荐图像。上述内容中,对推荐图像信息进行了排序,也就是对推荐图像进行了排序,这样,便获取到了排序后的推荐图像。app后端服务器将排序后的推荐图像发送至终端设备。或者,app后端服务器可以将推荐图像的地址、标识、主题、作者、内容描述等一并发送至终端设备。

终端设备将排序后的推荐图像以及图像的其他信息一并展示给用户。这一展示界面可以理解为一级界面,如图3所示,图3上端的一张图像为用户上传的图像,下端的四张图像为向用户推荐的图像。

若推荐图像的属性与待处理图像的属性相同,则可以一并展示提示信息。比如,假设推荐图像与待处理图像的作者相同,则可以展示“同作者”的提示信息;再比如,假设推荐图像与待处理图像的风格相同,则可以展示“同风格”的提示信息;再比如,假设推荐图像与待处理图像的主题相同,则可以展示“同主题”的提示信息;再比如,假设推荐图像与待处理图像的流派相同,则可以展示“同流派”的提示信息。

对图3中展示界面下端的区域进行放大,如图4所示,下端的四张图像下方均展示有提示信息,分别为“同作者”、“同风格”、“同主题”、“同流派”。这样,可以更直观地向用户进行推荐。

用户在一级界面中点击其感兴趣的图像后,终端设备展示二级界面,二级界面中展示与用户点击图像属性相同的图像,二级界面展示的图像也是基于行为日志进行排序后的图像。

一种情况下,终端设备可以将用户所点击图像的属性发送至app后端服务器,app后端服务器可以获取该属性的图像,作为二级推荐图像;此外,app后端服务器可以读取云端服务器中存储的用户的行为日志,基于该行为日志对二级推荐图像进行排序,并将排序后的二级推荐图像返回至终端设备进行展示。

另一种情况下,终端设备可以将用户所点击图像的属性发送至app后端服务器,app后端服务器可以确定该属性的图像的信息,作为二级推荐图像的信息,app后端服务器将二级推荐图像的信息发送给云端服务器;云端服务器基于用户的行为日志,对二级推荐图像的信息进行排序,并将排序结果返回至app后端服务器;app后端服务器基于排序结果,将排序后的二级推荐图像返回至终端设备进行展示。

进一步的,用户还可以继续在二级界面中,点击二级推荐图像,这样,终端设备可以继续展示下一级界面,下一级界面中展示与用户点击图像属性相同的图像。将用户点击的图像属性与用户的标识均对应存储至用户的行为日志中。

应用本发明所示实施例,获取用户上传的图像,作为待处理图像;获取用户的行为日志,基于行为日志对待处理图像相关联的推荐图像进行排序;推荐排序后的推荐图像;可见,第一方面,本方案实现了自动推荐用户感兴趣的图像;第二方面,用户的行为日志能够反应用户的喜好,基于用户的行为日志向用户推荐图像,提高了推荐的准确性。

下面参考图9介绍一种应用于云端服务器的具体的实施方式:

云端服务器获取图像,该图像可以为app后端服务器发送的压缩后的图像;云端服务器还获取到上传图像的用户的标识,基于该用户的标识判断该用户是否为新用户,或者说,判断云端服务器中是否存储有该用户的行为日志。

如果该用户不是新用户,则获取该用户的行为日志;将获取的图像与该行为日志传给图像检索算法。图像检索算法对该图像进行特征提取,对提取到的特征进行降维及量化处理,得到量化特征码;计算该量化特征码与特征库中的量化特征码之间的距离。将得到的距离由小到大进行排序,判断排在第一位的距离是否大于预设距离阈值。如果不大于,表示查找到内容相同的图像,可以将该内容相同的图像的信息作为推荐图像的信息;如果大于,表示未查找到内容相同的图像,可以将排在前预设数量个距离对应的图像(相似图像)的信息作为推荐图像的信息。

图像的信息可以包括:图像的地址、id、主题、作者、风格等等。生成图像信息列表,列表中一条数据为一张图像的信息。图像检索算法基于该行为日志,对图像信息列表中图像的信息进行排序,将排序后的图像信息列表发送至app后端服务器,使得app后端服务器基于排序后的图像信息列表,获取排序后的推荐图像,并将排序后的推荐图像及其相关信息推荐至终端设备。

如果该用户是新用户,也就是说,未获取到该用户的行为日志,则将获取的图像传给图像检索算法。图像检索算法对该图像进行特征提取,对提取到的特征进行降维及量化处理,得到量化特征码;计算该量化特征码与特征库中的量化特征码之间的距离。将得到的距离由小到大进行排序,判断排在第一位的距离是否大于预设距离阈值。如果不大于,表示查找到内容相同的图像,可以将该内容相同的图像的信息作为推荐图像的信息;如果大于,表示未查找到内容相同的图像,可以将排在前预设数量个距离对应的图像(相似图像)的信息作为推荐图像的信息。

图像的信息可以包括:图像的地址、id、主题、作者、风格等等。生成图像信息列表,列表中一条数据为一张图像的信息。图像检索算法将该图像信息列表发送至app后端服务器,使得app后端服务器基于该图像信息列表,获取推荐图像,并将推荐图像及其相关信息推荐至终端设备。

举例来说,假设用户上传了一张清晰度较差的图像,则可以利用本实施方式,向用户推荐与该图像内容相同或相似的、清晰度较好的图像。比如,用户在展示橱窗里看到一张画作,想要获得该画作的原图,则用户可以对该画作进行拍摄,上传拍摄的图像,利用本实施方式,可以向用户推荐该画作的原图,并且能够根据该用户的喜好,对推荐的原图进行排序。

再举一例,假设用户上传了一张图像,还可以利用本实施方式,向用户推荐该图像的关联信息。比如,用户在展示橱窗里看到一张画作,想要了解该画作的相关信息,则用户可以对该画作进行拍摄,上传拍摄的图像,利用本实施方式,可以向用户推荐该画作的相关信息,并且能够根据该用户的喜好,对推荐的图像进行排序。

与上述方法实施例相对应,本发明实施例还提供了一种终端设备,如图10所示,包括:存储器1002、处理器1001及存储在存储器1002上并可在处理器1001上运行的计算机程序,处理器1001执行所述程序时实现上述任一种图像推荐方法。

与上述方法实施例相对应,本发明实施例还提供了一种服务器,如图11所示,包括:存储器1102、处理器1101及存储在存储器1102上并可在处理器1101上运行的计算机程序,处理器1101执行所述程序时实现上述任一种图像推荐方法。

本发明实施例还提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行上述任一种图像推荐方法。

所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本发明的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本发明的不同方面的许多其它变化,为了简明它们没有在细节中提供。

另外,为简化说明和讨论,并且为了不会使本发明难以理解,在所提供的附图中可以示出或可以不示出与集成电路(ic)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本发明难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本发明的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此,这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本发明的具体实施例对本发明进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态ram(dram))可以使用所讨论的实施例。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本发明的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本发明的保护范围之内。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1
彩票开奖查询 广东11选5 500万彩票网 500w彩票 500w彩票 500w彩票 500w彩票 500w彩票 500w彩票 500w彩票 <258全本小说网>| <80%好评>| <完美世界小说全文阅读>| <小说无弹窗免费阅读>| <完美世界小说最新>| <小说教育网作家中心>| <80%好评>| <完美世界txt下载txt>| <我欲封天 耳根 小说>| <520免费小说阅读网>| <神受男友 祭小尹 小说>| <已完结免费小说阅读网>| <思路客>| <高h禁忌恋txt小说下载>| <完美世界 起点5200>| <无广告无弹窗小说网>| <80%好评>| <豆豆小说网 言情小说>| <exo校园小说阅读网>| <已完结免费小说阅读网>| <思路客>| <完美世界小说全文阅读>|