根据影像发现商户制造技术

本公开的方面涉及一种方法，包括：使用训练图像(320)和识别所述训练图像中的一个或多个商户店面位置的数据(330)来训练深度神经网络(310)。所述深度神经网络(310)在每个图像上输出紧密边界框(340)。可以在所述深度神经网络(310)处接收第一图像(510)。可以使用所述深度神经网络(310)来对所述第一图像(510)进行评估。然后可以生成识别所述第一图像(520)中的商户店面位置的边界框(522、524、526、528)。

Based on image discovery

The aspect of the disclosure relates to a method, which includes training the image (320) and identifying one or more merchant location data (330) in the training image to train the deep neural network (310). The deep neural network (310) outputs a compact boundary frame (340) on each image. The first image (510) can be received at the depth of the neural network (310). The first image (510) can be evaluated using the depth neural network (310). A boundary frame (522, 524, 526, 528) can then be generated to identify the location of the merchant store in the first image (520).

【技术实现步骤摘要】
【国外来华专利技术】根据影像发现商户相关申请的交叉引用本申请是于2015年8月7日提交的美国专利申请No.14/821,128的继续申请，所述美国专利申请的公开内容特此以引用的方式并入本文中。
技术介绍
互联网上可获得的大量地理定位的街道级照片为检测和监测人造建筑物以帮助建立精确的地图提供了独一无二的机会。建筑物的示例可能包括诸如餐馆、服装店、加油站、药店、自助洗衣店等本地商户。消费者对于通过在流行的搜索引擎上进行本地相关查询来寻找这类商户的兴趣很高。准确地识别世界各地这类本地商户的存在是一项不简单的任务。
技术实现思路
本公开的各方面提供一种方法。所述方法包括：使用一个或多个计算装置，使用训练图像集合和识别所述训练图像中的一个或多个商户店面位置的数据来训练深度神经网络，所述深度神经网络在每个训练图像上输出第一多个边界框；使用一个或多个计算装置来接收第一图像；使用一个或多个计算装置和深度神经网络来评估所述第一图像；以及使用所述一个或多个计算装置和所述深度神经网络来生成第二多个边界框，所述第二多个边界框识别所述第一图像中的商户店面位置。在一个示例中，所述方法还包括：使用所述一个或多个计算装置和所述深度神经网络来检测本文档来自技高网...

【技术保护点】
一种方法，包括：使用一个或多个计算装置，使用训练图像集合和识别所述训练图像中的一个或多个商户店面位置的数据来训练深度神经网络，所述深度神经网络在每个训练图像上输出第一多个边界框；使用所述一个或多个计算装置来接收第一图像；使用所述一个或多个计算装置和所述深度神经网络来评估所述第一图像；以及使用所述一个或多个计算装置和所述深度神经网络来生成第二多个边界框，所述第二多个边界框识别所述第一图像中的两个或更多个商户店面位置。

【技术特征摘要】
【国外来华专利技术】2015.08.07 US 14/821,1281.一种方法，包括：使用一个或多个计算装置，使用训练图像集合和识别所述训练图像中的一个或多个商户店面位置的数据来训练深度神经网络，所述深度神经网络在每个训练图像上输出第一多个边界框；使用所述一个或多个计算装置来接收第一图像；使用所述一个或多个计算装置和所述深度神经网络来评估所述第一图像；以及使用所述一个或多个计算装置和所述深度神经网络来生成第二多个边界框，所述第二多个边界框识别所述第一图像中的两个或更多个商户店面位置。2.根据权利要求1所述的方法，所述方法还包括：使用所述一个或多个计算装置和所述深度神经网络来检测所识别的商户店面位置中的每个处的商户信息；使用所述一个或多个计算装置，通过添加来自所述第二多个边界框中的每个边界框的信息与在由所述边界框识别的所述商户店面位置处检测的所述商户信息来更新商户信息的数据库；使用所述一个或多个计算装置来从用户接收对于商户信息的请求；以及使用所述一个或多个计算装置来从所更新的数据库检索所请求的商户信息。3.根据权利要求1所述的方法，其中，所述第二多个边界框包括所述第一图像中并排布置的两个边界框，所述两个边界框识别两个离散的商户店面位置。4.根据权利要求1所述的方法，其中，训练所述深度神经网络还包括：在给定训练图像的一部分上应用粗滑窗；以及基于所述给定训练图像的所述一部分的位置将一个或多个边界框移除。5.根据权利要求1所述的方法，其中，生成所述第二多个边界框还包括：在所述第一图像的一部分上应用粗滑窗；以及基于所述给定训练图像的所述一部分的位置将一个或多个边界框移除。6.根据权利要求1所述的方法，其中，训练所述深度神经网络还包括：确定每个边界框的置信度分数，所述置信度分数表示所述边界框含有商户店面的图像的可能性；以及将与具有小于设定的阈值的置信度分数的边界框相对应的边界框移除。7.根据权利要求1所述的方法，其中，生成所述第二多个边界框还包括：确定每个边界框的置信度分数，所述置信度分数表示所述边界框含有商户店面的图像的可能性；以及将与具有小于设定的阈值的置信度分数的边界框相对应的边界框位置移除。8.根据权利要求1所述的方法，其中：训练所述深度神经网络还包括使用后分类；并且生成所述第二多个边界框还包括使用后分类。9.根据权利要求1所述的方法，其中，生成所述第二多个边界框还包括：计算给定边界框含有商户店面的概率；基于所计算的概率对所述第二多个边界框进行排名；以及基于所述排名将一个或多个边界框移除。10.根据权利要求1所述的方法，其中，生成所述第二多个边界框还包括将所述第二多个边界框中阻挡所识别的商户店面位置的视图的对象移除。11.根据权利要求1所述的方法，其中，所述训练图像和所述第一图像是全景的。12.一...

【专利技术属性】
技术研发人员：于骞，利龙·亚特齐夫，马丁·克里斯蒂安·施通佩，维奈·达莫达尔·谢帝，克里斯蒂安·塞盖迪，杜米特鲁·埃尔汉，萨哈·克里斯多佛·阿尔努，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：美国,US