一种京族图案收集整理系统

摘要

本发明公开了一种京族图案收集整理系统，包括：京族图案因素汇总分类模块，用于实现京族图案因素的汇总、分类，生成京族图案因素集；识别模型构建模块，用于基于所述京族图案谱因素集分别训练获取对应的京族图案爬取模型，生成京族图案识别模型集；京族图案爬虫模块，用于基于Hadoop同步运行所述京族图案识别模型集在各网络基站上分别挖取对应的京族图案数据，生成京族图案数据集；京族图案整理模块，用于实现京族图案的整理，清除内载的重复的京族图案，并实现各京族图案之间关联关系的构建。本发明实现了京族图案的自动收集和分类，在可以大大降低人为工作量的同时，可以很好的避免数据的错误和遗漏。

说明书

技术领域

本发明涉及京族图案领域，具体涉及一种京族图案收集整理系统。

背景技术

目前，对于京族图案的整理普遍依赖人为进行，费时费力的同时，容易造成数据的错误和遗漏。

发明内容

为解决上述问题，本发明提供了一种京族图案收集整理系统，实现了京族图案的自动采集、整理、分类储存，在可以大大降低人为工作量的同时，可以很好的避免数据的错误和遗漏。

为实现上述目的，本发明采取的技术方案为：

一种京族图案收集整理系统，包括：

京族图案因素汇总分类模块，用于实现京族图案因素的汇总、分类，生成京族图案因素集；

识别模型构建模块，用于基于所述京族图案谱因素集分别训练获取对应的京族图案爬取模型，生成京族图案识别模型集；

京族图案爬虫模块，用于基于Hadoop同步运行所述京族图案识别模型集在各网络基站上分别挖取对应的京族图案数据，生成京族图案数据集；

京族图案整理模块，用于实现京族图案的整理，清除内载的重复的京族图案，并实现各京族图案之间关联关系的构建。

进一步地，所述京族图案因素汇总分类模块通过人为圈定的方式实现京族图案因素的汇总，通过提取京族图案因素的特征参数，基于特征参数的相似度实现京族图案因素的分类。

进一步地，所述京族图案识别模型采用 Faster R-CNN模型，基于京族图案因素集训练所得，一个京族图案识别模型对应一个独立的数据储存文件夹。

进一步地，每一个京族图案因素集的每一次更新均会自动生成一个新的京族图案识别模型，新的京族图案识别模型基于新的京族图案因素构建。

进一步地，所述京族图案数据集内每一张京族图案均携带有可隐形的京族图案因素标记框，通过点击京族图案即可实现京族图案因素标记框的显现。

进一步地，所述京族图案整理模块采用基于轻量级分组注意力模块(LGAM)的图像分类算法根据各京族图案内载的京族图案因素实现各京族图案之间关联关系的构建，剔除重复的京族图案谱数据。

进一步地，还包括：

京族图案检测模块，用于实现目标图像、视频内载京族图案的检测，以携带有京族图案因素标记框的图像的形式反馈检测结果。

本发明具有以下有益效果：

1）通过互联网技术+ Faster R-CNN模型集，实现了京族图案的自动收集和分类，在可以大大降低人为工作量的同时，可以很好的避免数据的错误和遗漏。

2）基于京族图案因素的分类实现不同的Faster R-CNN模型的构建，然后基于Hadoop同步运行所述京族图案识别模型集在各网络基站上分别挖取对应的京族图案数据，在实现京族图案采集的同时即可完成京族图案的分类，从而大大提高了京族图案的采集分类效率。

3）每一个京族图案因素集的每一次更新均会自动生成一个新的京族图案识别模型，从而可以实现京族图案数据库的自动更新。

附图说明

图1为本发明实施例一种京族图案收集整理系统的系统框图。

具体实施方式

为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

如图1所示，本发明实施例提供了一种京族图案收集整理系统，包括：

京族图案因素汇总分类模块，用于实现京族图案因素的汇总、分类，生成京族图案因素集；

识别模型构建模块，用于基于所述京族图案谱因素集分别训练获取对应的京族图案爬取模型，生成京族图案识别模型集；

京族图案爬虫模块，用于基于Hadoop同步运行所述京族图案识别模型集在各网络基站上分别挖取对应的京族图案数据，生成京族图案数据集；

京族图案整理模块，用于实现京族图案的整理，清除内载的重复的京族图案，并实现各京族图案之间关联关系的构建；

京族图案检测模块，用于实现目标图像、视频内载京族图案的检测，以携带有京族图案因素标记框的图像的形式反馈检测结果。使用时，用户通过上传的方式实现目标图像、目标视频的上传，上传完毕后，点击“检测”，京族图案检测模块启动，唤醒所述京族图案识别模型集实现目标图像、目标视频内载京族图案因素的识别，其中，针对目标视频，系统配置一视频取帧脚本，每隔一定帧数获取一张图像。该模块还可以用于京族图案的预检测，即当用户发现一个看似新的京族图案因素时，可以通过该模块确认目前系统中是否存在该京族图案因素，若识别结果为空白，则证明该京族图案因素为新的因素。

本实施例中，所述京族图案因素汇总分类模块通过人为圈定的方式实现京族图案因素的汇总，通过提取京族图案因素的特征参数，基于特征参数的相似度实现京族图案因素的分类。具体的，首先通过京族图案/视频上传模块上传现有的京族图案集，然后通过遍历每一副京族图案的方式进行每一副京族图案上京族图案因素的圈定，圈定的京族图案区域自动生成京族图案因素图像，从而实现京族图案因素的汇总；基于BP神经网络模型实现京族图案因素图像特征参数的提取，基于特征参数的相似度实现京族图案因素的分类。

本实施例中，所述京族图案识别模型采用 Faster R-CNN模型，基于京族图案因素集训练所得，一个京族图案识别模型对应一个独立的数据储存文件夹。

本实施例中，每一个京族图案因素集的每一次更新均会自动生成一个新的京族图案识别模型，新的京族图案识别模型基于新的京族图案因素构建，新的京族图案识别模型生成后，京族图案爬虫模块自动启动，基于新的京族图案识别模型在各网络基站上分别挖取对应的京族图案数据；值得注意的是，新的京族图案识别模型所采集到的京族图案自动规整到其原始京族图案因素集构建的京族图案识别模型所对应的数据储存文件夹。

本实施中，所述京族图案数据集内每一张京族图案均携带有可隐形的京族图案因素标记框，通过点击京族图案即可实现京族图案因素标记框的显现，便于工作人员进行每一张京族图案上京族图案因素的直接查看。

本实施例中，所述京族图案整理模块采用基于轻量级分组注意力模块(LGAM)的图像分类算法根据各京族图案内载的京族图案因素实现各京族图案之间关联关系的构建，剔除重复的京族图案谱数据。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。