一种图像识别方法及系统技术方案

本发明专利技术实施例提供一种图像识别方法及系统，其中，所述方法包括：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。本发明专利技术实施例通过生成二分类器和M分类器，二者结合来实现对图像的自动识别及标记，减少了大量的人工工作量，并且与一个分类器相比，识别准确率更高。

An image recognition method and system

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，用于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。第三方面，本专利技术实施例提供一种电子设备，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：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。第四方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如下方法：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。本专利技术实施例通过生成二分类器和M分类器，二者结合来实现对图像的自动识别及标记，减少了大量的人工工作量，并且与一个分类器相比，识别准确率更高。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的图像识别方法的流程图；图2是本专利技术实施例提供的图像识别系统的结构示意图；图3是本专利技术实施例提供的电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是本专利技术实施例提供的图像识别方法的流程图。如图1所示，所述方法包括：步骤101、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，所述二分类器用于识别待测图片为户型图或非户型图。步骤102、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；利用所述非户型图建立训练样本，所述非户型图包括M类别，即M类非户型图，通过所述神经网络进行训练，生成M分类器；所述M分类器用于识别待测图像属于所述M类非户型图时的具体类型或不属于任意一种所述M类非户型图。其中，M为所述非户型图所划分的类别数，为大于零的整数，M的值根据利用所述非户型图建立训练样本时所划分的类别确定。若所述非户型图划分为卧室图、客厅图、厨房图和卫生间图，则M的取值为4，所述非户型图分为卧室图、客厅图、厨房图和卫生间图4类。所述卧室图、客厅图、厨房图和卫生间图属于实勘图。因此，所述非户型图的所述M类别可以根据图像识别和区分的需要进行人为设定。步骤103、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。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，所述二分类器和所述M分类器可以并行运行，如采用多线程的方式并行运行。所述二分类器和所述M分类器的输出结果可以为置信分数，所述置信分数为0～1之间的小数；在进行样本训练时，比如输入的图片为卧室图，则将输出为卧室图的标签设置为1，输出为卫生间图等的标签设置为0。若所述二分类器和所述M分类器的输出结果中对于某种类型的置信分数接近于1且大于预设的第一置信阈值，如大于0.85，则可以认为待测图片为对应的类型；若所述二分类器和所述M分类器的输出结果中对于某种类型的置信分数远小于1且小于预设的第二置信阈值，如小于0.1，则认为待测图片不是对应的类型。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。根据所述二分类器的输出结果可以得到所述待测图像为户型图或非户型图，根据所述M分类器的输出结果可以得到所述待测图像为非户型图M分类中的一种或不为非户型图M分类中的任意一种。因此，综合所述二分类器和所述M分类器的输出结果可以得到所述待测图像的类别。得到所述待测图像的类别之后，根据所述待测图像的类别标记所述待测图像。根据所述待测图像的类别标记所述待测图像具体通过：在得到所述待测图像的类别后，输出所述类别的标记(如卧室图)，并与所述待测图像相匹配。由于待测图像是从前端获取，每个待测图像对应一个唯一的URL地址，在根据所述待测图像的类别标记所述待测图像后，将所述待测图像及对应标记一同发送给前端，以供上传时自动生成图片及对应标记。需要说明的是，本专利技术实施例中，上述步骤101和步骤102分别用于生成所述二分类器和所述M分类器，本专利技术实施例对二者的执行顺序不作具体限定。另外，本专利技术实施例还可以用于对其他类型的图片进行识别，并不局限于房地产领域图片。本专利技术实施例通过生成二分本文档来自技高网...

【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