手绘草图的分类方法、装置、设备及存储介质与流程

计算;推算;计数设备的制造及其应用技术1.本发明涉及图像识别技术领域，尤其涉及手绘草图的分类方法、装置、设备及存储介质。背景技术：2.手绘草图自古以来就是人与人沟通交流的重要手段，随着电子技术的发展以及智能化水平的提高，人们通过草图与电子设备进行交互的需求也越来越高，使得手绘草图识别逐渐成为计算机应用领域的研究热门，手绘草图不同于一般的彩色图像，它具有高度的语义抽象性、结构多样性以及特有的笔画稀疏性，且缺少纹理和亮度信息，目前用于识别手绘草图的深度学习模型主要以卷积神经网络为基础，但大多数卷积神经网络模型均是针对一般自然图像的特点而设计，如果强行采用卷积神经网络模型识别手绘草图并进行分类的话，使得识别出的手绘草图的类型不准确，最终导致分类出的手绘草图的准确性较低。3.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。技术实现要素：4.本发明的主要目的在于提供一种手绘草图的分类方法、装置、设备及存储介质，旨在解决现有技术分类手绘草图的准确性较低的技术问题。5.为实现上述目的，本发明提供了一种手绘草图的分类方法，所述手绘草图的分类方法包括以下步骤：6.通过目标空洞卷积对待识别手绘草图进行特征提取，得到多尺度笔画结构和空白图像区域；7.通过目标神经网络对所述待识别手绘草图进行密集提取，得到手绘草图空间密集度；8.按照手绘草图空间密集度对所述多尺度笔画结构和所述空白图像区域在通道维度上进行识别，得到所述待识别手绘草图的设计类型；9.根据所述设计类型对所述待识别手绘草图进行分类。10.可选地，所述通过目标空洞卷积对待识别手绘草图进行特征提取，得到多尺度笔画结构和空白图像区域，包括：11.对所述待识别手绘草图进行检测，得到手绘草图重叠区域；12.通过目标空洞卷积对所述手绘草图重叠区域进行特征提取，得到重叠区域笔画结构和非重叠区域笔画结构；13.按照不同尺度将所述重叠区域笔画结构和所述非重叠区域笔画结构进行融合，得到多尺度笔画结构；14.对所述多尺度笔画结构进行边缘搜索，得到空白图像区域。15.可选地，所述通过目标空洞卷积对所述手绘草图重叠区域进行特征提取，得到重叠区域笔画结构和非重叠区域笔画结构，包括：16.通过目标空洞卷积对所述手绘草图重叠区域进行特征提取，得到方向特征、角点特征以及线段端点；17.根据所述方向特征和所述角点特征对所述线段端点进行线性拟合，得到目标数量的分段曲线；18.提取所述目标数量的分段曲线的笔画图像深度；19.根据所述笔画图像深度对所述分段曲线进行筛选，得到目标深度分段曲线；20.根据所述目标深度分段曲线生成重叠区域笔画结构；21.将所述目标深度分段曲线与待识别手绘草图进行深度匹配；22.根据匹配结果生成非重叠区域笔画结构。23.可选地，所述对所述多尺度笔画结构进行边缘搜索，得到空白图像区域，包括：24.在所述多尺度笔画结构上选取目标起始点；25.根据预设搜索角度确定多个搜索方向；26.从所述目标起始点开始按照各个搜索方向同时对所述多尺度笔画结构进行边缘搜索；27.若在边缘搜索过程中遇到笔画边缘，则将所述笔画边缘的位置进行标记；28.根据标记的位置确定多尺度笔画结构的区域；29.根据所述多尺度笔画结构的区域和待识别手绘草图所在的区域得到空白图像区域。30.可选地，所述通过目标神经网络对所述待识别手绘草图进行密集提取，得到手绘草图空间密集度，包括：31.对待识别手绘草图进行切割，得到互不重叠的手绘草图块；32.统计所述互不重叠的手绘草图块的数量；33.在所述数量大于预设数量阈值时，通过目标神经网络按照预设顺序关系对所述互不重叠的手绘草图块依次进行密集提取，得到各个草图块密集度；34.根据所述各个草图块密集度将目标范围内的手绘草图块进行连接，得到目标手绘草图块；35.根据所述目标手绘草图块的位置坐标确定手绘草图空间密集度。36.可选地，所述按照手绘草图空间密集度对所述多尺度笔画结构和所述空白图像区域在通道维度上进行识别，得到所述待识别手绘草图的设计类型，包括：37.按照手绘草图空间密集度将所述多尺度笔画结构和所述空白图像区域在通道维度上进行拼接，得到当前手绘草图轮廓；38.对所述当前手绘草图轮廓进行斜浮加深；39.通过草图设计策略对斜浮加深后的当前手绘草图轮廓进行识别，得到所述待识别手绘草图的设计类型。40.可选地，所述根据所述设计类型对所述待识别手绘草图进行分类之后，还包括：41.获取所述待识别手绘草图的名称和尺寸；42.根据所述名称、尺寸以及当前网络运行状态将所述待识别手绘草图上传至目标手绘草图数据库；43.在上传成功后，根据所述目标手绘草图数据库对草图设计策略进行更新。44.此外，为实现上述目的，本发明还提出一种手绘草图的分类装置，所述手绘草图的分类装置包括：45.获取模块，用于获取目标终端设备的当前网络信息；46.连接模块，用于在所述当前网络信息和目标网络信息不在同一局域网络时，通过对等互联网络策略建立与所述目标终端设备的连接；47.接收模块，用于在与目标终端设备连接成功时，接收所述目标终端设备发送的控制指令；48.控制模块，用于通过所述控制指令对待投屏内容进行投屏，以实现基于终端设备对投屏的控制。49.此外，为实现上述目的，本发明还提出一种手绘草图的分类设备，所述手绘草图的分类设备包括：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手绘草图的分类程序，所述手绘草图的分类程序配置为实现如上文所述的手绘草图的分类方法。50.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有手绘草图的分类程序，所述手绘草图的分类程序被处理器执行时实现如上文所述的手绘草图的分类方法。51.本发明提出的手绘草图的分类方法，通过目标空洞卷积对待识别手绘草图进行特征提取，得到多尺度笔画结构和空白图像区域；通过目标神经网络对所述待识别手绘草图进行密集提取，得到手绘草图空间密集度；按照手绘草图空间密集度对所述多尺度笔画结构和所述空白图像区域在通道维度上进行识别，得到所述待识别手绘草图的设计类型；根据所述设计类型对所述待识别手绘草图进行分类；通过上述方式，根据目标空洞卷积和目标神经网络分别对待识别手绘草图进行提取，然后按照手绘草图空间密集度在通道维度上拼接，得到待识别手绘草图的轮廓，再根据轮廓对应的设计类型进行分类，能够有效提高分类手绘草图的准确性。附图说明52.图1是本发明实施例方案涉及的硬件运行环境的手绘草图的分类设备的结构示意图；53.图2为本发明手绘草图的分类方法第一实施例的流程示意图；54.图3为本发明手绘草图的分类方法一实施例的待识别手绘草图示意图；55.图4为本发明手绘草图的分类方法第二实施例的流程示意图；56.图5为本发明手绘草图的分类方法第三实施例的流程示意图；57.图6为本发明手绘草图的分类装置第一实施例的功能模块示意图。58.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式59.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。60.参照图1，图1为本发明实施例方案涉及的硬件运行环境的手绘草图的分类设备结构示意图。61.如图1所示，该手绘草图的分类设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。62.本领域技术人员可以理解，图1中示出的结构并不构成对手绘草图的分类设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。63.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及手绘草图的分类程序。64.在图1所示的手绘草图的分类设备中，网络接口1004主要用于与网络一体化平台工作站进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明手绘草图的分类设备中的处理器1001、存储器1005可以设置在手绘草图的分类设备中，所述手绘草图的分类设备通过处理器1001调用存储器1005中存储的手绘草图的分类程序，并执行本发明实施例提供的手绘草图的分类方法。65.基于上述硬件结构，提出本发明手绘草图的分类方法实施例。66.参照图2，图2为本发明手绘草图的分类方法第一实施例的流程示意图。67.在第一实施例中，所述手绘草图的分类方法包括以下步骤：68.步骤s10，通过目标空洞卷积对待识别手绘草图进行特征提取，得到多尺度笔画结构和空白图像区域。69.需要说明的是，本实施例的执行主体为手绘草图的分类设备，还可为其他可实现相同或相似功能的设备，例如草图分类器等，本实施例对此不作限制，在本实施例中，以草图分类器为例进行说明。70.应当理解的是，待识别手绘草图指的是需要进行识别并分类的手绘草图，参考图3，图3为待识别手绘草图示意图，本实施例的待识别手绘草图的整体较为复杂，包括线条的粗细、形状的轮廓以及内容的重叠等，目标空洞卷积指的是可以在增加感受野的同时保持输出特征图的大小不变的卷积，空洞卷积与普通卷积的不同之处在于“扩张率(dilation rate)”的引入，该参数定义了卷积核处理数据时各值的间距，具体含义就是在卷积核中填充了个权重为0的卷积单元，相比原来的普通卷积，空洞卷积多了一个超参数，即有效卷积单位的间隔数量，而普通卷积核的扩张率为1，无0填充，当使用多个拥有不同扩张率的卷积核进行组合的时候，相当于将拥有不同的感受野卷积核进行组合，得到目标空洞卷积，然后通过目标空洞卷积对待识别手绘草图进行特征提取。71.可以理解的是，多尺度笔画结构指的是待识别手绘草图中各个笔画构成的结构，由于各个笔画存在粗细、浓淡的区别，因此，在目标空洞卷积特征提取待识别手绘草图的过程中，需要将待识别手绘草图划分为不同尺度的手绘草图进行特征提取，以得到多尺度笔画结构，空白图像区域指的是待识别手绘草图中的空白区域，该空白区域包括笔画结构之间的空白区域和待是被手绘草图最外侧的空白区域。72.步骤s20，通过目标神经网络对所述待识别手绘草图进行密集提取，得到手绘草图空间密集度。73.可以理解的是，手绘草图空间密集度指的是待识别手绘草图中草图块的密集程度，由于目标空洞卷积对于远距离卷积得到的信息之间没有相关性，使得对最后的待识别手绘草图的分类产生影响，因此，需要采用相同大小感受野的目标神经网络对待识别手绘草图进行密集提取。74.进一步地，步骤s20，包括：对待识别手绘草图进行切割，得到互不重叠的手绘草图块；统计所述互不重叠的手绘草图块的数量；在所述数量大于预设数量阈值时，通过目标神经网络按照预设顺序关系对所述互不重叠的手绘草图块依次进行密集提取，得到各个草图块密集度；根据所述各个草图块密集度将目标范围内的手绘草图块进行连接，得到目标手绘草图块；根据所述目标手绘草图块的位置坐标确定手绘草图空间密集度。75.应当理解的是，在得到待识别手绘草图后，以切片的方式将待识别手绘草图切割为互不重叠的目标数量的手绘草图块，预设数量阈值指的是判断图像块是否密度的最小数量，预设顺序关系指的是密集提取手绘草图块的关系，该预设顺序关系可以为顺时针顺序，也可以为逆时针顺序，通过预设顺序关系可以保证互不重叠的手绘草图块不会被重复密集提取。76.可以理解的是，目标手绘草图块指的是将目标范围内的手绘草图块连接得到的操作图块，在得到各个草图块密集度后，根据各个草图块密集度确定在目标范围内的手绘草图块，在连接完成后，通过目标手绘草图块当前所在的位置坐标确定手绘草图空间密集度。77.步骤s30，按照手绘草图空间密集度对所述多尺度笔画结构和所述空白图像区域在通道维度上进行识别，得到所述待识别手绘草图的设计类型。78.应当理解的是，设计类型指的是绘画者或者设计师在手绘待识别手绘草图的类型，该设计类型包括概念手绘草图类型、思考手绘草图类型、技术手绘草图类型、报告手绘草图类型以及情感手绘草图类型，在得到手绘草图空间密集度后，根据手绘草图空间密集度将多尺度笔画结构和空白图像区域在通道维度上进行拼接，在拼接完成后，然后对拼接得到的当前手绘草图轮廓进行识别，得到待识别手绘草图的设计类型。79.步骤s40，根据所述设计类型对所述待识别手绘草图进行分类。80.可以理解的是，在得到设计类型后，按照设计类型将待识别手绘草图分类至对应的手绘草图库中，例如，在设计类型为概念手绘草图类型时，则将待识别手绘草图分类至概念手绘草图数据库中。81.进一步地，步骤s40之后，还包括：获取所述待识别手绘草图的名称和尺寸；根据所述名称、尺寸以及当前网络运行状态将所述待识别手绘草图上传至目标手绘草图数据库；在上传成功后，根据所述目标手绘草图数据库对草图设计策略进行更新。82.应当理解的是，名称指的是绘画者或者设计师在手绘该待识别手绘草图时所命名的名称，例如，写字楼手绘草图v1版，尺寸指的是待识别手绘草图的大小，例如，在现实中，待识别手绘草图的尺寸为：长为80cm，宽为60cm，在电子设备中，待识别手绘草图的尺寸为：长为2240px，宽为1680px。83.可以理解的是，在将待识别手绘草图上传至目标手绘草图数据库之前，需要获取草图分类器的当前网络运行状态，在当前网络运行状态为较优时，直接将待识别手绘草图以原图的方式上传至目标手绘草图数据库，在当前网络运行状态较差时，对待识别手绘草图进行压缩，在压缩完成后，将压缩后的待识别手绘草图上传至目标手绘草图数据库，然后实时更新草图设计策略，以便于对其他相似的手绘草图的识别。84.本实施例通过目标空洞卷积对待识别手绘草图进行特征提取，得到多尺度笔画结构和空白图像区域；通过目标神经网络对所述待识别手绘草图进行密集提取，得到手绘草图空间密集度；按照手绘草图空间密集度对所述多尺度笔画结构和所述空白图像区域在通道维度上进行识别，得到所述待识别手绘草图的设计类型；根据所述设计类型对所述待识别手绘草图进行分类；通过上述方式，根据目标空洞卷积和目标神经网络分别对待识别手绘草图进行提取，然后按照手绘草图空间密集度在通道维度上拼接，得到待识别手绘草图的轮廓，再根据轮廓对应的设计类型进行分类，能够有效提高分类手绘草图的准确性。85.在一实施例中，如图4所述，基于第一实施例提出本发明手绘草图的分类方法第二实施例，所述步骤s10，包括：86.步骤s101，对所述待识别手绘草图进行检测，得到手绘草图重叠区域。87.应当理解的是，手绘草图重叠区域指的是待识别手绘草图中重叠的区域，例如，待识别手绘草图为写字楼手绘草图，而写字楼手绘草图分为第一单元手绘草图和第二单元手绘草图，第一单元手绘草图与第二单元手绘草图存在重叠部分，该重叠部分即为手绘草图重叠区域。88.步骤s102，通过目标空洞卷积对所述手绘草图重叠区域进行特征提取，得到重叠区域笔画结构和非重叠区域笔画结构。89.可以理解的是，重叠区域笔画结构指的是待识别手绘草图中重叠区域的笔画结构，同样，非重叠区域笔画结构指的是待识别手绘草图中非重叠区域的笔画结构，在得到手绘草图重叠区域后，通过目标空洞卷积分别提取手绘草图重叠区域的特征，然后根据目标深度分段曲线得到重叠区域笔画结构和非重叠区域笔画结构。90.进一步地，步骤s102，包括：通过目标空洞卷积对所述手绘草图重叠区域进行特征提取，得到方向特征、角点特征以及线段端点；根据所述方向特征和所述角点特征对所述线段端点进行线性拟合，得到目标数量的分段曲线；提取所述目标数量的分段曲线的笔画图像深度；根据所述笔画图像深度对所述分段曲线进行筛选，得到目标深度分段曲线；根据所述目标深度分段曲线生成重叠区域笔画结构；将所述目标深度分段曲线与待识别手绘草图进行深度匹配；根据匹配结果生成非重叠区域笔画结构。91.应当理解的是，方向特征指的是手绘草图重叠区域的笔画结构的方向突变的方向特征点，角点特征指的是手绘草图重叠区域的笔画结构中角度最大的特征点，线段端点指的是手绘草图重叠区域的笔画结构中线段两端的特征点，然后按照方向特征和角点特征对线段端点进行线性拟合，在拟合完成后，得到目标数量的分段曲线。92.可以理解的是，目标深度分段曲线指的是目标数量的分段曲线中笔画图像深度最高的曲线，在手绘草图中，笔画图像深度越高，表明在同一位置绘画的笔墨多，而造成笔墨多的原因可以是多次在该位置进行绘画或者是绘画力度大，在得到目标深度分段曲线后，根据目标深度分段曲线生成重叠区域笔画结构，然后匹配出待识别手绘草图中深度相同的分段曲线，此时根据剩余的其他分段曲线生成非重叠区域笔画结构。93.步骤s103，按照不同尺度将所述重叠区域笔画结构和所述非重叠区域笔画结构进行融合，得到多尺度笔画结构。94.应当理解的是，在得到重叠区域笔画结构和非重叠区域笔画结构后，按照尺度的大小对重叠区域笔画结构和非重叠区域笔画结构进行划分，然后将不同尺度的重叠区域笔画结构和非重叠区域笔画结构进行融合，以得到多尺度笔画结构。95.步骤s104，对所述多尺度笔画结构进行边缘搜索，得到空白图像区域。96.应当理解的是，在得到多尺度笔画结构后，对多尺度笔画结构进行边缘搜索，在搜索完成后，搜索所形成的区域为多尺度笔画结构的区域，而剩余的区域即为空白图像区域。97.进一步地，对所述多尺度笔画结构进行边缘搜索，得到空白图像区域，包括：在所述多尺度笔画结构上选取目标起始点；根据预设搜索角度确定多个搜索方向；从所述目标起始点开始按照各个搜索方向同时对所述多尺度笔画结构进行边缘搜索；若在边缘搜索过程中遇到笔画边缘，则将所述笔画边缘的位置进行标记；根据标记的位置确定多尺度笔画结构的区域；根据所述多尺度笔画结构的区域和待识别手绘草图所在的区域得到空白图像区域。98.可以理解的是，目标起始点指的是对多尺度笔画结构进行边缘搜索的出发点，该目标起始点可以位于多尺度笔画结构的中心位置，预设搜索角度指的是搜索多尺度笔画结构的角度，通过该预设搜索角度可以确定搜索方向的数量，例如，搜索角度为60°，则搜索方向的数量为6个，在确定搜索角度和搜索方向后，同时对多尺度笔画结构进行边缘搜索，如果在搜索的过程中某一方向已经触碰到笔画边缘，则该方向的笔画边缘的位置进行标记，其他方向继续进行搜索，直至所有搜索方向均触碰到笔画边缘，在搜索完成后，得到多尺度笔画结构的区域，将除多尺度笔画结构区域之外的区域作为空白图像区域。99.本实施例通过对所述待识别手绘草图进行检测，得到手绘草图重叠区域；通过目标空洞卷积对所述手绘草图重叠区域进行特征提取，得到重叠区域笔画结构和非重叠区域笔画结构；按照不同尺度将所述重叠区域笔画结构和所述非重叠区域笔画结构进行融合，得到多尺度笔画结构；对所述多尺度笔画结构进行边缘搜索，得到空白图像区域；通过上述方式，检测出待识别手绘草图中的手绘草图重叠区域，然后根据目标空洞卷积特征提取出重叠区域笔画结构和非重叠区域笔画结构，再按照不同尺度融合出多尺度笔画结构，最后对多尺度笔画结构进行边缘搜索，从而能够有效提高得到空白图像区域的准确性。100.在一实施例中，如图5所述，基于第一实施例提出本发明手绘草图的分类方法第三实施例，所述步骤s30，包括：101.步骤s301，按照手绘草图空间密集度将所述多尺度笔画结构和所述空白图像区域在通道维度上进行拼接，得到当前手绘草图轮廓。102.可以理解的是，在得到多尺度笔画结构和空白图像区域后，将多尺度笔画结构和空白图像区域在通道维度上进行拼接，在拼接前，需要判断多尺度笔画结构的维度与空白图像区域的维度是否一致，若是，则将多尺度笔画结构和空白图像区域在通道维度上直接拼接，若否，则在通道维度上将多尺度笔画结构和空白图像区域转换为相同的维度，在转换完成后，再将转换后的多尺度笔画结构和空白图像区域进行拼接，得到当前手绘草图轮廓。103.步骤s302，对所述当前手绘草图轮廓进行斜浮加深。104.应当理解的是，在得到当前手绘草图轮廓后，为了提高识别当前手绘草图轮廓的准确性，需要将当前手绘草图轮廓的轮廓进行放大，具体是通过对当前手绘草图轮廓进行斜浮加深，包括两个过程，首先，在当前手绘草图轮廓设置浮雕属性，其次，在浮雕和当前手绘草图轮廓的外侧增加深度，使得当前手绘草图轮廓的特征更加明显。105.步骤s303，通过草图设计策略对斜浮加深后的当前手绘草图轮廓进行识别，得到所述待识别手绘草图的设计类型。106.可以理解的是，草图设计策略指的是绘画者或者设计师在绘制待识别手绘草图的设计策略，通过草图设计策略对斜浮加深后的当前手绘草图轮廓进行识别，根据识别结果确定待识别手绘草图的设计类型。107.本实施例通过按照手绘草图空间密集度将所述多尺度笔画结构和所述空白图像区域在通道维度上进行拼接，得到当前手绘草图轮廓；对所述当前手绘草图轮廓进行斜浮加深；通过草图设计策略对斜浮加深后的当前手绘草图轮廓进行识别，得到所述待识别手绘草图的设计类型；通过上述方式，在通道维度上根据手绘草图空间密集度将多尺度笔画结构和空白图像区域进行拼接，然后在当前手绘草图轮廓上设置浮雕属性，以及对设置后的当前手绘草图轮廓增加深度，最后通过草图设计策略进行识别，从而能够有效提高识别待识别手绘草图的设计类型的准确性。108.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有手绘草图的分类程序，所述手绘草图的分类程序被处理器执行时实现如上文所述的手绘草图的分类方法的步骤。109.由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。110.此外，参照图6，本发明实施例还提出一种手绘草图的分类装置，所述手绘草图的分类装置包括：111.特征提取模块10，用于通过目标空洞卷积对待识别手绘草图进行特征提取，得到多尺度笔画结构和空白图像区域。112.密集提取模块20，用于通过目标神经网络对所述待识别手绘草图进行密集提取，得到手绘草图空间密集度。113.识别模块30，用于按照手绘草图空间密集度对所述多尺度笔画结构和所述空白图像区域在通道维度上进行识别，得到所述待识别手绘草图的设计类型。114.分类模块40，用于根据所述设计类型对所述待识别手绘草图进行分类。115.本实施例通过目标空洞卷积对待识别手绘草图进行特征提取，得到多尺度笔画结构和空白图像区域；通过目标神经网络对所述待识别手绘草图进行密集提取，得到手绘草图空间密集度；按照手绘草图空间密集度对所述多尺度笔画结构和所述空白图像区域在通道维度上进行识别，得到所述待识别手绘草图的设计类型；根据所述设计类型对所述待识别手绘草图进行分类；通过上述方式，根据目标空洞卷积和目标神经网络分别对待识别手绘草图进行提取，然后按照手绘草图空间密集度在通道维度上拼接，得到待识别手绘草图的轮廓，再根据轮廓对应的设计类型进行分类，能够有效提高分类手绘草图的准确性。116.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。117.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的手绘草图的分类方法，此处不再赘述。118.在一实施例中，所述特征提取模块10，还用于对所述待识别手绘草图进行检测，得到手绘草图重叠区域；通过目标空洞卷积对所述手绘草图重叠区域进行特征提取，得到重叠区域笔画结构和非重叠区域笔画结构；按照不同尺度将所述重叠区域笔画结构和所述非重叠区域笔画结构进行融合，得到多尺度笔画结构；对所述多尺度笔画结构进行边缘搜索，得到空白图像区域。119.在一实施例中，所述特征提取模块10，还用于通过目标空洞卷积对所述手绘草图重叠区域进行特征提取，得到方向特征、角点特征以及线段端点；根据所述方向特征和所述角点特征对所述线段端点进行线性拟合，得到目标数量的分段曲线；提取所述目标数量的分段曲线的笔画图像深度；根据所述笔画图像深度对所述分段曲线进行筛选，得到目标深度分段曲线；根据所述目标深度分段曲线生成重叠区域笔画结构；将所述目标深度分段曲线与待识别手绘草图进行深度匹配；根据匹配结果生成非重叠区域笔画结构。120.在一实施例中，所述特征提取模块10，还用于在所述多尺度笔画结构上选取目标起始点；根据预设搜索角度确定多个搜索方向；从所述目标起始点开始按照各个搜索方向同时对所述多尺度笔画结构进行边缘搜索；若在边缘搜索过程中遇到笔画边缘，则将所述笔画边缘的位置进行标记；根据标记的位置确定多尺度笔画结构的区域；根据所述多尺度笔画结构的区域和待识别手绘草图所在的区域得到空白图像区域。121.在一实施例中，所述密集提取模块20，还用于对待识别手绘草图进行切割，得到互不重叠的手绘草图块；统计所述互不重叠的手绘草图块的数量；在所述数量大于预设数量阈值时，通过目标神经网络按照预设顺序关系对所述互不重叠的手绘草图块依次进行密集提取，得到各个草图块密集度；根据所述各个草图块密集度将目标范围内的手绘草图块进行连接，得到目标手绘草图块；根据所述目标手绘草图块的位置坐标确定手绘草图空间密集度。122.在一实施例中，所述识别模块30，还用于按照手绘草图空间密集度将所述多尺度笔画结构和所述空白图像区域在通道维度上进行拼接，得到当前手绘草图轮廓；对所述当前手绘草图轮廓进行斜浮加深；通过草图设计策略对斜浮加深后的当前手绘草图轮廓进行识别，得到所述待识别手绘草图的设计类型。123.在一实施例中，所述分类模块40，还用于获取所述待识别手绘草图的名称和尺寸；根据所述名称、尺寸以及当前网络运行状态将所述待识别手绘草图上传至目标手绘草图数据库；在上传成功后，根据所述目标手绘草图数据库对草图设计策略进行更新。124.本发明所述手绘草图的分类装置的其他实施例或具有实现方法可参照上述各方法实施例，此处不在赘余。125.此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。126.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。127.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，一体化平台工作站，或者网络设备等)执行本发明各个实施例所述的方法。128.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!