为图片产生诗句的方法和装置制造方法及图纸

提供一种为图片产生诗句的方法和装置。一种为图片产生诗句的方法包括：接收图片；通过对接收的图片进行分析，为所述图片产生至少一个文字标签；基于产生的文字标签计算所述图片与诗句文库中的每句诗词的匹配度，并且选择匹配度最高的诗句作为所述图片的第一诗句。

【技术实现步骤摘要】

本申请涉及一种为图片产生诗句的方法和装置，尤其涉及一种对接收的图片进行文字标注，并且根据标注的文字来产生相应的诗句的方法和装置。
技术介绍
随着图像处理技术和移动互联网技术的发展以及数码拍摄工具的普及，用户可容易地通过数码相机或带有拍摄功能的便携式终端拍摄大量的图片并上传到互联网上。目前的图像分析处理可对图片进行标注，产生一些文字标签，但不能合成与图片相关联的文字描述。
技术实现思路
本专利技术的目的在于提供一种为图片产生诗句的方法和装置，通过对图片进行分析，并且从诗句文库选取与图片匹配的诗句，从而为图片提供优美的描述诗句，增强用户的体验。根据本专利技术的一方面，提供一种为图片产生诗句的方法，包括:接收图片；通过对接收的图片进行分析，为所述图片产生至少一个文字标签；基于产生的文字标签计算所述图片与诗句文库中的每句诗词的匹配度，并且选择匹配度最高的诗句作为所述图片的第一诗句。优选地，所述通过对接收的图片进行分析，为所述图片产生至少一个文字标签的处理包括:对接收的图片进行特征分析，提取多个图片特征；使用提取的多个图片特征构建特征向量；将构建的特征向量分别输入多个预先训练的标签图片模型，以获得所述标签图片模型的置信度值，所述每个标签图片模型包括特征信息以及至少一个文字标签；将置信度最高的标签图片模型的文字标签作为所述图片的文字标签。优选地，所述基于产生的文字标签计算所述图片与诗句文库中的每句诗词的匹配度的处理包括:根据产生的标签中的字词在诗句文库中的每句诗词中出现的次数计算所述图片与诗句文库中的每句诗词的匹配度。优选地，所述基于产生的文字标签计算所述图片与诗句文库中的每句诗词的匹配度的处理包括:对产生的标签中的字词分别赋予权重，并且根据产生的标签中的字词在诗句文库中的每句诗词中出现的次数以及所述字词的权重所述图片与诗句文库中的每句诗词的匹配度。优选地，所述的方法还包括:将选择的第一诗句作为被译诗句输入训练的诗句翻译模型，以产生第二诗句。优选地，所述的方法还包括:以当前产生的第二诗句作为被译诗句输入诗句翻译模型迭代地产生预定个数的诗句。 根据本专利技术的另一方面，提供一种为图片产生诗句的装置，包括:图片接收单元，用于接收图片；图片标注单元，用于通过对接收的图片进行分析，为所述图片产生至少一个文字标签；诗文合成单元，用于基于产生的文字标签计算所述图片与诗句文库中的每句诗词的匹配度，并且选择匹配度最高的诗句作为所述图片的第一诗句。优选地，图片标注单元在通过对接收的图片进行分析，为所述图片产生至少一个文字标签时，进行以下处理:对接收的图片进行特征分析，提取多个图片特征；使用提取的多个图片特征构建特征向量；将构建的特征向量分别输入多个预先训练的标签图片模型，以获得所述标签图片模型的置信度值，所述每个标签图片模型包括特征信息以及至少一个文字标签；将置信度最高的标签图片模型的文字标签作为所述图片的文字标签。优选地，诗文合成单元根据产生的标签中的字词在诗句文库中的每句诗词中出现的次数计算所述图片与诗句文库中的每句诗词的匹配度。优选地，诗文合成单元对产生的标签中的字词分别赋予权重，并且根据产生的标签中的字词在诗句文库中的每句诗词中出现的次数以及所述字词的权重所述图片与诗句文库中的每句诗词的匹配度。优选地，诗文合成单元还将选择的第一诗句作为被译诗句输入训练的诗句翻译模型，以产生第二诗句。优选地，诗文合成单元还以当前产生的第二诗句作为被译诗句输入诗句翻译模型迭代地产生预定个数的诗句。本专利技术的为图片产生诗句的方法和装置可对接收的图片进行分析来产生文字标签，并且通过将产生的文字标签与诗句文库中的诗句进行匹配来产生诗句。此外，还能够已产生的诗句作为输入，通过预先训练的诗句翻译模型来产生更多的诗句，从而可为用户提供的图片或提供给用户的图片进行创意的诗文标注。附图说明通过下面结合附图进行的描述，本专利技术的上述和其他目的和特点将会变得更加清楚，其中:图1是示出根据本专利技术的示例性实施例的为图片产生诗句的方法的流程图；图2是示出根据本专利技术示例性实施例的步骤S120的处理的流程图；图3是示出根据本专利技术示例性实施例的步骤S130的处理的流程图；图4是示出根据本专利技术的示例性实施例的为图片产生诗句的装置的逻辑框图；图5A和图5B分别示出步骤S120处理的示例结果；图6A和图6B分别示出步骤S130处理的示例结果。具体实施例方式以下，将参照附图来详细说明本专利技术的实施例。本专利技术的总体专利技术构思是，在计算机设备上，对提供的图片进行特征分析，为图片产生文字标签，并且从诗句文库中选取与所述文字标签匹配度最高的诗句作为所述图片的描述诗句。在此基础上，根据统计机器翻译的原理预先利用已有的大量平行句进行机器学习，以训练出诗句翻译模型。将一句诗词作为被译诗句输入所述诗句翻译模型，可产生下一句诗词。以此迭代地可产生多句诗词。图1是示出根据本专利技术 的示例性实施例的标注多媒体内容的方法的流程图。参照图1，在步骤S110，接收图片。所述图片可以是拍摄的照片或会花作品。在步骤S120，通过对接收的图片进行分析，为所述图片产生至少一个文字标签。已有各种对图片进行分析来并生成文字标签的技术。公开号为CN102105901A的中国专利申请公开了一种从图像集合中识别与输入的图像相似的近邻图像，并且使用为所述近邻图像标注的标签对所述输入图像进行注释的技术。图2示出根据本专利技术的一个示例性实施例在步骤S120的处理，稍后将参照图2对步骤S120进行描述。在步骤S130，基于产生的文字标签计算所述图片与诗句文库中的每句诗词的匹配度，并且选择匹配度最高的诗句作为所述图片的第一诗句。根据本专利技术的示例性实施例，所述诗句文库以诗句(或词句，在此统称为诗句)为单位存储诗词，选择的诗句也是一个诗句。根据本专利技术的可选实施例，所述诗句文库也可以整首诗/整首词为单位存储诗词，在这种情况下，选择的诗句将是整首诗词。稍后将参照图3，以诗句文库以诗句为单位存储诗词作为示例描述步骤S130的操作。可将本专利技术的标注多媒体内容的方法实现为一种服务，根据接收的包括图片的请求执行步骤Slio S130的处理，并且作为响应，提供在步骤S130中选择的诗句。也可在收录多媒体内容的服务器中执行将本专利技术的标注多媒体内容的方法，在接收到待收录的图片(如用户上传的图片)时，执行步骤SllO S130的处理，并且一同存储在步骤S130中选择的诗句与收录的图片。图2是示出根据本专利技术示例性实施例的步骤S120的处理的流程图。参照图2，在步骤S1210，从接收的图片提取多个图片特征。可通过GIST、HOG(Histograms of Oriented Gradients,梯度方向直方图)、SIFT(Scale Invariant FeatureTransform，尺度不变特征变换匹配算法)中的一种或多种算法来提取多个图片特征，以及/或者图片的纹理、颜色等特征。 在步骤S1220，使用提取的多个图片特征构建特征向量。在步骤S1230，将构建的特征向量分别输入多个预先训练的标签图片模型，以获得所述标签图片模型的置信度值。这里，可通过支持向量模型(SVM)分类器预先训练所述每个标签图片模型，训练得到的每个标签图片模型具有多个标签。例如，通过一定数量的老虎图片本文档来自技高网...

【技术保护点】
一种为图片产生诗句的方法，包括：接收图片；通过对接收的图片进行分析，为所述图片产生至少一个文字标签；基于产生的文字标签计算所述图片与诗句文库中的每句诗词的匹配度，并且选择匹配度最高的诗句作为所述图片的第一诗句。

【技术特征摘要】
1.一种为图片产生诗句的方法，包括: 接收图片； 通过对接收的图片进行分析，为所述图片产生至少一个文字标签； 基于产生的文字标签计算所述图片与诗句文库中的每句诗词的匹配度，并且选择匹配度最高的诗句作为所述图片的第一诗句。2.如权利要求1所述的方法，其特征在于，所述通过对接收的图片进行分析，为所述图片产生至少一个文字标签的处理包括: 对接收的图片进行特征分析，提取多个图片特征； 使用提取的多个图片特征构建特征向量； 将构建的特征向量分别输入多个预先训练的标签图片模型，以获得所述标签图片模型的置信度值，所述每个标签图片模型包括特征信息以及至少一个文字标签； 将置信度最高的标签图片模型的文字标签作为所述图片的文字标签。3.如权利要求1所述的方法，其特征在于，所述基于产生的文字标签计算所述图片与诗句文库中的每句诗词的匹配度的处理包括: 根据产生的标签中的字词在诗句文库中的每句诗词中出现的次数计算所述图片与诗句文库中的每句诗词的匹配度。4.如权利要求1所述的方法，其特征在于，所述基于产生的文字标签计算所述图片与诗句文库中的每句诗词的匹配度的处理包括: 对产生的标签中的字词分别赋予权重，并且 根据产生的标签中的字词在诗句文库中的每句诗词中出现的次数以及所述字词的权重所述图片与诗句文库中的每句诗词的匹配度。5.如权利要求4所述的方法，还包括:将选择的第一诗句作为被译诗句输入训练的诗句翻译模型，以产生第二诗句。6.如权利要求5所述的方法，还包括:以当前产生的第二诗句作为被译诗句输入诗句翻译模型迭代地产生预...

【专利技术属性】
技术研发人员：高浩渊，何伯磊，陈世佳，朱晓宁，马艳军，吴华，王海峰，
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：