[发明专利]基于图片内容智能归类管理方法在审

专利信息
申请号: 201910635672.2 申请日: 2019-07-15
公开(公告)号: CN110515902A 公开(公告)日: 2019-11-29
发明(设计)人: 王运兰;李方;叶迪军 申请(专利权)人: 义乌工商职业技术学院
主分类号: G06F16/16 分类号: G06F16/16;G06F16/583;G06F16/55
代理公司: 32105 常州市天龙专利事务所有限公司 代理人: 翟丹丹<国际申请>=<国际公布>=<进入
地址: 322000 浙江*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 文件夹 分类步骤 归类 山水 风景 图片 存储 电脑存储 人脸识别 图片存储 图片内容 图片识别 文字叙述 内存盘 电脑 智能 分类 创建 管理
【权利要求书】:

1.基于图片内容智能归类管理方法,其特征在于:所述图片归类方法包括以下步骤:

S1:开始归类;

S2:将图片进行存储;

S3:将图片上备注人物以及风景山水的关键字;

S4:将所有汇总的图片按汇总归类;

S5:将归类的图片集中进行标记日期;

S6:对标记过日期的图片安装月为单位分类。

2.根据权利要求1所述的基于图片内容智能归类管理方法,其特征在于:所述S1还包括以下步骤:打开电脑。

3.根据权利要求1所述的基于图片内容智能归类管理方法,其特征在于:所述S2还包括以下步骤:

第一步:先在电脑上创建文件夹;

第二步:利用电脑中的内存盘对需要进行区分类别的图片存储到文件夹中。

4.根据权利要求1所述的基于图片内容智能归类管理方法,其特征在于:所述S3还包括以下步骤:

第一步:利用AI图片识别系统对以及电脑存储盘中的存储过的需要进行AI识图;

第二步:然后对不同类别的图片进行文字备注,文字备注为人物以及风景山水。

5.根据权利要求1所述的基于图片内容智能归类管理方法,其特征在于:所述S4还包括以下步骤:

第一步:然后依次点入风景山水文件、无关键词文件夹、人物男性文件夹以及人物女性文件夹中;

第二步:对所有的图片进行一次审查,这个步骤是为了让分类的图片没有错误;

第三步:然后在文件夹的内部使用根据文件夹大小进行排列。

6.根据权利要求1所述的基于图片内容智能归类管理方法,其特征在于:所述S5还包括以下步骤:依次将风景山水文件、无关键词文件夹、人物男性文件夹以及人物女性文件夹的名称在关键词的后缀上加上分类日的日期。

7.根据权利要求1所述的基于图片内容智能归类管理方法,其特征在于:所述S6还包括以下步骤:

第一步:返回到电脑桌面,对文件夹进行位置调整;

第二步:然后对文件夹进行更换名称,将文件夹的名称改为已经分类图片,然后在后缀上加上年加月的日期。

8.根据权利要求1所述的基于图片内容智能归类管理方法,其特征在于:所述S3还包括以下步骤:

S301:找到剩下没有匹配关键字的图片;

S302:将没有匹配关键字的图片汇总按顺序排列。

9.根据权利要求1所述的基于图片内容智能归类管理方法,其特征在于:所述 S3还包括以下步骤:

S311:找到拥有风景山水关键字匹配的图片;

S312:将拥有风景山水关键字匹配的图片汇总按顺序排列。

10.根据权利要求1所述的基于图片内容智能归类管理方法,其特征在于,所述:S3还包括以下步骤:

S321:找到拥有与人物关键匹配的图片;

S322:将匹配人物关键字的图片根据人脸以男性以及女性进行分类;

S323:将男性的图片汇总按顺序排列;

S324:将女性的图片汇总按顺序排列。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于义乌工商职业技术学院,未经义乌工商职业技术学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910635672.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top