The embodiment of the present invention provides an image recognition method and system, in which the method includes: establishing training samples by using household and non-household graphs, training by neural network, generating a binary classifier; establishing training samples by using the non-household graphs, training by neural network, generating an M classifier; M is the number of categories divided by the non-household map; the image to be tested is input to the two classifiers and the M classifier for recognition, and the category of the image to be tested is obtained according to the output results of the two classifiers and the M classifier, and the image to be tested is marked according to the category of the image to be tested. The embodiment of the present invention realizes automatic image recognition and marking by generating a binary classifier and an M classifier, which reduces a large amount of manual work and has higher recognition accuracy than a single classifier.
【技术实现步骤摘要】
一种图像识别方法及系统
本专利技术实施例涉及图像处理
,具体涉及一种图像识别方法及系统。
技术介绍
房地产服务平台为房地产的租赁、交易等提供了很大的便利,得到越来越广泛的应用。但是,现有房地产服务平台中需要人工操作的节点较多,如在房地产租赁平台中,通常需要租赁方客户上传房屋实勘图(包括卧室图、客厅图、厨房图、卫生间图等)及户型图(包括测绘图、标准图、非标图、开发商图、商住两用标准图、简版户型图等)到房地产租赁平台,并通过人工进行标记,如标记为卧室图、客厅图、厨房图、卫生间图或户型图等。人工进行图像的识别、标记需要大量的人力资源,造成人力资源的浪费,而且标记效率低下。
技术实现思路
为解决现有技术中人力识别、标记图像任务繁重、效率低下的问题,本专利技术实施例提供一种图像识别方法及系统。第一方面,本专利技术实施例提供一种图像识别方法,该方法包括:利用户型图和非户型图建立训练样本,通过神经网络进行训练,生成二分类器;利用所述非户型图建立训练样本,通过神经网络进行训练,生成M分类器;其中,M是所述非户型图所划分的类别数;将待测图像输入到所述二分类器和所述M分类器进行识别,根据所述二分类器和所述M分类器的输出结果得到所述待测图像的类别,并根据所述待测图像的类别标记所述待测图像。第二方面,本专利技术实施例提供一种图像识别系统,该系统包括:二分类器建立单元,用于利用户型图和非户型图建立训练样本,通过神经网络进行训练,生成二分类器;M分类器建立单元,用于利用所述非户型图建立训练样本,通过神经网络进行训练,生成M分类器;其中,M是所述非户型图所划分的类别数;图像识别单元, ...
【技术保护点】
1.一种图像识别方法,其特征在于,包括:利用户型图和非户型图建立训练样本,通过神经网络进行训练,生成二分类器;利用所述非户型图建立训练样本,通过神经网络进行训练,生成M分类器;其中,M是所述非户型图所划分的类别数;将待测图像输入到所述二分类器和所述M分类器进行识别,根据所述二分类器和所述M分类器的输出结果得到所述待测图像的类别,并根据所述待测图像的类别标记所述待测图像。
【技术特征摘要】
1.一种图像识别方法,其特征在于,包括:利用户型图和非户型图建立训练样本,通过神经网络进行训练,生成二分类器;利用所述非户型图建立训练样本,通过神经网络进行训练,生成M分类器;其中,M是所述非户型图所划分的类别数;将待测图像输入到所述二分类器和所述M分类器进行识别,根据所述二分类器和所述M分类器的输出结果得到所述待测图像的类别,并根据所述待测图像的类别标记所述待测图像。2.根据权利要求1所述的方法,其特征在于,所述神经网络为卷积神经网络。3.根据权利要求1所述的方法,其特征在于,所述非户型图包括卧室图、客厅图、厨房图、卫生间图及辅助建筑图。4.根据权利要求3所述的方法,其特征在于,所述根据所述二分类器和所述M分类器的输出结果得到所述待测图像的类别,具体包括:根据所述二分类器的输出结果得到所述待测图像为户型图或非户型图;若根据所述二分类器的输出结果得到所述待测图像为非户型图,则结合所述M分类器的输出结果得到所述待测图像作为非户型图的具体类别;其中,若根据所述二分类器的输出结果得到所述待测图像为非户型图,且根据所述M分类器的输出结果得到所述待测图像不为卧室图、客厅图、厨房图、卫生间图及辅助建筑图中的任意一种时,则所述待测图像为不合规图像。5.根据权利要求4所述的方法,其特征在于,在所述根据所述二分类器和所述M分类器的输出结果得到所述待测图像的类别之后,所述方法还包括:若获知所述待测图像为不合规图像,则过滤...
【专利技术属性】
技术研发人员:侯林杰,严言,贾忠良,
申请(专利权)人:链家网北京科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。