酒店图像的展示方法、存储介质及酒店信息的推送方法技术

本发明专利技术提供一种酒店图像的展示方法、存储介质及酒店信息的推送方法，展示方法包括：获取同一酒店的多个图像，并将所述多个图像中的每个图像作为待评价图像，每个所述待评价图像按如下步骤计算图像质量综合评分：计算所述待评价图像的清晰度评分；依据美感度评价模型计算所述待评价图像的美感度评分；依据不同的权重结合所述清晰度评分和所述美感度评分获得所述待评价图像的图像质量综合评分；将同一酒店的多个图像按图像质量综合评分排序，并按所述排序顺序显示多个图像。本发明专利技术提供的酒店图像的展示方法及存储介质能够依据清晰度和美感度对酒店图像进行排序，并优先显示质量高的酒店图像。

【技术实现步骤摘要】
酒店图像的展示方法、存储介质及酒店信息的推送方法
本专利技术涉及计算机应用
，尤其涉及一种酒店图像的展示方法、存储介质及酒店信息的推送方法。
技术介绍
随着OTA(OnlineTravelAgent,在线旅行社)的迅猛发展，越来越多的酒店可以在互联网上方便快捷地进行预订。用户在预订酒店前常常会浏览酒店的图像，直观地获取酒店的外观、内景、房间等信息。为了提升用户的体验和下单率，OTA需要对酒店图像进行质量评价，从而得到合理的图像排序，优先展示能够吸引用户的图像。随着互联网的飞速发展，OTA每天都会获取大量酒店的图像，如果通过人工进行质量评价代价极大，十分不现实。因此，利用计算机自动对酒店图像进行质量评价的需求显得尤为急迫。传统的图像质量评价方法主要集中在对清晰度等图像客观属性的量化上。图像客观属性虽然能够在一定程度上反映出图像的质量高低，但是未考虑图像的内容，往往造成评价结果不够准确。此外，对图像进行美学评价的方法也相继被提出，这些方法虽然能够把人类对图像的审美进行量化，但是由于图像美感度的主观性很强，评价效果有时不是很理想，仍有进一步改善的空间。现阶段，实现OTA酒店图像的精准本文档来自技高网...

【技术保护点】
一种酒店图像的展示方法，其特征在于，包括：获取同一酒店的多个图像，并将所述多个图像中的每个图像作为待评价图像，每个所述待评价图像按如下步骤计算图像质量综合评分：将所述待评价图像转换为目标图像，计算所述待评价图像和所述目标图像的信息变化率，并将所述信息变化率作为所述待评价述图像的清晰度评分；依据美感度评价模型计算所述待评价图像的美感度评分；依据不同的权重结合所述清晰度评分和所述美感度评分获得所述待评价图像的图像质量综合评分；将同一酒店的多个图像按图像质量综合评分按从高到低进行排序，并按所述排序的顺序显示多个图像。

【技术特征摘要】
1.一种酒店图像的展示方法，其特征在于，包括：获取同一酒店的多个图像，并将所述多个图像中的每个图像作为待评价图像，每个所述待评价图像按如下步骤计算图像质量综合评分：将所述待评价图像转换为目标图像，计算所述待评价图像和所述目标图像的信息变化率，并将所述信息变化率作为所述待评价述图像的清晰度评分；依据美感度评价模型计算所述待评价图像的美感度评分；依据不同的权重结合所述清晰度评分和所述美感度评分获得所述待评价图像的图像质量综合评分；将同一酒店的多个图像按图像质量综合评分按从高到低进行排序，并按所述排序的顺序显示多个图像。2.如权利要求1所述的展示方法，其特征在于，所述将所述待评价图像转换为目标图像的步骤包括：对所述待评价图像进行灰度化处理，并将所述待评价图像缩放至一标准尺寸之内以获得一中间图像；以及对所述中间图像进行模糊化处理，将模糊化处理后的中间图像作为目标图像。3.如权利要求2所述的展示方法，其特征在于，所述模糊化处理的步骤包括：采用高斯滤波对所述中间图像进行滤波。4.如权利要求2所述的展示方法，其特征在于，所述计算所述待评价图像和所述目标图像的信息变化率的步骤包括：分别对所述中间图像和所述目标图像进行拉普拉斯滤波；计算所述中间图像经过拉普拉斯滤波后的像素值方差V1，并计算所述目标图像经过拉普拉斯滤波后的像素值方差V2；所述信息变化率P1＝(V1-V2)/V1，其中P1大于等于0小于等于1，P1越大表示待评价图像的清晰度越高。5.如权利要求1所述的展示方法，其特征在于，所述依据美感度评价模型计算所述待评价图像的美感度评分的步骤包括：依据一酒店图像特征提取模型提取所述待评价图像的特征向量，并将所述特征向量输入一分类模型中，计算所述待评价图像的美感度评分。6.如权利要求5所述的展示方法，其特征在于，按如下步骤生成所述酒店图像特征提取模型：获取多个图像，建立图像训练集D1；利用图像训练集D1训练基于深度神经网络的酒店图像特征提取模型。7.如权利要求6所述的展示方法，其特征在于，所述深度神经网络包括多种不同结构的卷积神经网络。8.如权利要求7所述的展示方法，其特征在于，所述依据一酒店图像特征提取模型提取所述待评价图像的特征向量的步骤包括：所述酒店图像特征提取模型分别提取所述待评价图像在所述的多种不同结构的卷积神经网络中的特定层的输出值，然后将所述的多个输出值的组合作为所述待评价图像的特征向量。9.如权利要求6所述的展示方法，其特征在于，按如下步骤生成所述分类模型：获取多个酒店的多个图像，各所述图像具有分类标注，建立图像训练集D2；将图像训练集D2中的每个图像输入所述特征提取模型获得该图像的特征向量，利用各图像的特征向量和分类标注训练所述分类模型。10.如权利要求9所述的展示方法，其特征在于，所述分类标注包括美感度高和美感度低，当所述待评价图像的特征向量输入所述分类模型时，所述分类模型输出所述待评价图像分类为美感度高的概率，并将该概率作为所述待评价图像的美感度评分。11.如权利要求1所述的展示方法，其特征在于，所述依据不同的权重结合所述清晰度评分和所述美感度评分获得所述待评价图像的图像质量综合评分的步骤包括：所述待评...

【专利技术属性】
技术研发人员：李翔，李发科，赵华，
申请(专利权)人：携程计算机技术上海有限公司，
类型：发明
国别省市：上海,31