页面错误识别方法和装置制造方法及图纸

本发明专利技术提出一种页面错误识别方法和装置，其中，方法包括：获取待检测的页面图像，并提取页面图像的图像特征；将图像特征输入至预先训练的识别模型，其中，识别模型已学习得到页面图像的图像特征和页面错误类型的对应关系；获取识别模型输出的识别结果，根据识别结果确定页面图像是否为错误页面。由此，基于预先学习的深度模型进行页面错误的识别，提高了对错误页的识别能力，有利于提升有关应用的可用性。

Page Error Recognition Method and Device

【技术实现步骤摘要】
页面错误识别方法和装置
本专利技术涉及计算机
，尤其涉及一种页面错误识别方法和装置。
技术介绍
随着计算机技术的发展，基于计算机技术的各种应用也越来越普遍，其中，对于应用而言，可用性的优越成为主要竞争点。通常，应用的错误页面越少在一定程序上代表其可用性越优越，相关技术中，检测应用的界面是否为纯色背景进行错误页的判断，这种判断方式，一方面，有一定的误判率，比如纯色图片上覆盖了透明蒙层和弹窗，都有可能导致基于色值的判断无法生效，另一方面，错误页的类型有多种多样，基于纯色背景可判断的错误页类型较少。
技术实现思路
本专利技术旨在至少在一定程度上解决上述相关技术中的技术问题之一。为此，本专利技术的第一个目的在于提出一种页面错误识别，以基于预先学习的模型进行页面错误的识别，提高了对错误页的识别能力，有利于提升有关应用的可用性。本专利技术的第二个目的在于提出一种页面错误识别装置。本专利技术的第三个目的在于提出一种计算机设备。本专利技术的第四个目的在于提出一种非临时性计算机可读存储介质。为达上述目的，本专利技术第一方面实施例提出了一种页面错误识别方法，包括：获取待检测的页面图像，并提取页面图像的图像特征；将图像特征输入至预先训练的识别模型，其中，识别模型已学习得到页面图像的图像特征和页面错误类型的对应关系；获取识别模型输出的识别结果，根据识别结果确定页面图像是否为错误页面。本专利技术实施例的页面错误识别方法，获取待检测的页面图像，并提取页面图像的图像特征，进而，将图像特征输入至预先训练的识别模型，其中，识别模型已学习得到页面图像的图像特征和页面错误类型的对应关系，最后，获取识别模型输出的识别结果，根据识别结果确定页面图像是否为错误页面，由此，基于预先学习的模型进行页面错误的识别，提高了对错误页的识别能力，有利于提升有关应用的可用性。为达上述目的，本专利技术第二方面实施例提出了一种页面错误识别装置，包括：提取模块，用于获取待检测的页面图像，并提取所述页面图像的图像特征；输入模块，用于将所述图像特征输入至预先训练的识别模型，其中，所述识别模型已学习得到页面图像的图像特征和页面错误类型的对应关系；第一获取模块，用于获取所述识别模型输出的识别结果；确定模块，用于根据所述识别结果确定所述页面图像是否为错误页面。本专利技术实施例的页面错误识别装置，获取待检测的页面图像，并提取页面图像的图像特征，进而，将图像特征输入至预先训练的识别模型，其中，识别模型已学习得到页面图像的图像特征和页面错误类型的对应关系，最后，获取识别模型输出的识别结果，根据识别结果确定页面图像是否为错误页面，由此，基于预先学习的模型进行页面错误的识别，提高了对错误页的识别能力，有利于提升有关应用的可用性。为达上述目的，本专利技术第三方面实施例提出了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上述实施例所述的页面错误识别方法。为了实现上述目的，本专利技术第四方面实施例提出了一种非临时性计算机可读存储介质，所述计算机程序被处理器执行时实现如上述实施例所述的页面错误识别方法。本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：图1为本专利技术实施例所提供的一种页面错误识别方法的流程示意图；图2为一种自定义错误页面示意图；图3为本专利技术实施例所提供的一种页面错误识别方法的应用场景示意图；图4是根据本专利技术一个实施例的页面错误识别装置的结构示意图；图5是根据本专利技术另一个实施例的页面错误识别装置的结构示意图；以及图6为实现本申请实施方式的示例性计算机设备的框图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本专利技术，而不能理解为对本专利技术的限制。下面参考附图描述本专利技术实施例的页面错误识别方法和装置。针对上述
技术介绍
中提到的，基于纯色背景进行页面错误判断导致存在误判，以及判断页面错误类型有限的技术问题，本专利技术提供了一种优化的页面错误识别方法，在该方法中，丰富和扩展了对错误页的识别能力。图1为本专利技术实施例所提供的一种页面错误识别方法的流程示意图。其中，本专利技术实施例的页面错误识别方法可以集成在客户端上，从而，扩展了小程序对错误页面的识别能力。具体而言，如图1所示，该页面错误识别方法包括：步骤101，获取待检测的页面图像，并提取页面图像的图像特征。具体地，获取待检测的应用中的页面图像，该页面图像可以是应用当前页面图像，也可以是任意时刻保存的页面图像，由此，不但可以检测有关应用的当前页面错误还可以检测到任意时刻的页面错误。进一步地，提取页面图像的图像特征，其中，提取图像特征的方法可以结合注意力模型进行提取，即基于注意力模型对图像特征中影响页面错误类型的与特征按照影响力的强弱，赋予高低权重，也以便于后续错误页面类型的分类准确性。需要说明的是，获取待检测的页面图像的方法在不同的应用场景下，可不同，作为一种可能的实现方式，采用截图应用等的截图功能对待检测应用的当前页面进行截图获取页面图像，在本实施例中，当前运行的应用程序可以是微博应用程序、PDF查看应用程序等任意第三方应用程序，在当前应用程序运行时，调用截屏工具，通过截屏工具，对智能终端的当前显示界面进行截屏得到截屏图片，从而，在当前运行的应用程序运行时，即可实现待搜索的截屏图片的确定，而不需要退出当前运行的应用程序，并启动截屏应用程序。作为另一种可能的实现方式，还可以从存储器中读取对应的页面图像。当然，本专利技术实施例中的页面图像可以是完成的页面图像，也可以是对页面图像预先进行内容识别后，截取的像素值与其他区域相差较大的区域等。步骤102，将图像特征输入至预先训练的识别模型，其中，识别模型已学习得到页面图像的图像特征和页面错误类型的对应关系。应当理解的是，预先训练生成识别模型，该识别模型已学习得到页面图像的图像特征和页面错误类型的对应关系，从而，将图像特征输入至预先训练的识别模型，即可获取识别结果，其中，页面错误类型可以包括应用框架错误出现的错误页面类型、联网错误出现的错误页面类型、业务方出错时的页面以及页面无UI展示出现的白屏，纯色背景等错误页面类型，以及如图2所示，开发者自定义实现的页面错误类型等，即除了包含普通的框架页面错误类型，还包括自定义错误类型等。具体地，在识别模型训练阶段，获取多个训练页面图像，其中，多个训练页面图像对应于多种页面错误类型，比如，控制待检测应用模拟无网或其他异常情况打开后脚本自动收集错误页截图作为训练页面图像，又比如，由开发者自行上传业务错误时多种训练页面图像，又比如，用户在使用时将遇到的错误页面主动上传。其中，需要强调的是，识别模型的生成主体可以是客户端本身，也可以由云端服务器生成，其中，当识别模型由云端服务器生成时，可向云端服务器发送获取请求，接收云端服务器根据该请求发送的识别模型，其中，该识别模型也是云端服务器通过提取多个训练页面图像的训练图像特征训练生成的。进而，本文档来自技高网...

【技术保护点】
1.一种页面错误识别方法，其特征在于，包括以下步骤：获取待检测的页面图像，并提取所述页面图像的图像特征；将所述图像特征输入至预先训练的识别模型，其中，所述识别模型已学习页面图像的图像特征和页面错误类型的对应关系；获取所述识别模型输出的识别结果，根据所述识别结果确定所述页面图像是否为错误页面。

【技术特征摘要】
1.一种页面错误识别方法，其特征在于，包括以下步骤：获取待检测的页面图像，并提取所述页面图像的图像特征；将所述图像特征输入至预先训练的识别模型，其中，所述识别模型已学习页面图像的图像特征和页面错误类型的对应关系；获取所述识别模型输出的识别结果，根据所述识别结果确定所述页面图像是否为错误页面。2.如权利要求1所述的方法，其特征在于，所述获取待检测的页面图像，包括：对待检测应用的当前页面截图获取所述页面图像。3.如权利要求1所述的方法，其特征在于，在所述将所述图像特征输入至预先训练的识别模型之前，包括：获取多个训练页面图像，其中，所述多个训练页面图像对应于多种页面错误类型；提取每个训练页面图像的训练图像特征；将所述训练图像特征训练输入所述识别模型以对所述识别模型训练，直至所述训练识别模型输出的页面错误类型与输入的训练图像特征对应的页面错误类型一致时，完成对所述识别模型的训练。4.如权利要求1所述的方法，其特征在于，还包括：根据所述错误页面的页面错误类型确定对应应用的运行错误信息；以预设提醒方式发送包含所述运行错误信息的错误提醒消息。5.如权利要求1所述的方法，其特征在于，还包括：确定所述识别结果与所述页面图像的页面错误类型不一致的错误识别页面图像；根据所述错误识别页面图像和与所述错误识别页面图像对应的识别结果调整所述识别模型的模型参数。6.一种页...

【专利技术属性】
技术研发人员：陈都，赵德玺，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11