一种门脸头图挑选方法、装置、服务器和存储介质制造方法及图纸

本发明专利技术实施例公开了一种门脸头图挑选方法、装置、服务器和存储介质。其中，该方法包括：采用门脸图分类器对兴趣点的至少一张图片作处理，得到所述至少一张图片是门脸图的概率，其中所述门脸图分类器是依据门脸样本图预先训练得到的；依据所述至少一张图片是门脸图的概率，从所述至少一张图片中筛选得到所述兴趣点的门脸头图。本发明专利技术实施例提供的技术方案，降低了人工成本，且覆盖范围广，对所有的兴趣点都适用，有效的解决了当前大部分目前线上兴趣点没有门脸头图的情况。

【技术实现步骤摘要】
一种门脸头图挑选方法、装置、服务器和存储介质
本专利技术实施例涉及人工智能
，尤其涉及一种门脸头图挑选方法、装置、服务器和存储介质。
技术介绍
近年来，随着互联网及人工智能技术的广泛普及，地图已经成为人们出行前决策的最重要参考依据之一，而地图上的任一兴趣点(PointofInterest，POI)下都有很多的图片，且该图片的来源有很多种，如用户贡献的、外业采集的或互联网上获取的等；类型也有很多，如店外的门脸图片、店内的环境图片、菜式图片、服务图片等。但是当人们用手机进行查看时，由于界面的限制，在手机的交互展上，一个兴趣点的详情页上最多只能展示一张图片，且这张图片位于详情页中的最顶上，是该兴趣点的门脸图以及表达的直接入口，给用户出行决策提供了极大的参考意见。因此如何挑选这张图片非常重要，也是地图详情团队的痛点。目前主要采用以下两种方式来挑选兴趣点的门脸图：(1)人工选择，采用外包形式按照部门经理指定的标准一个个筛选，目前对于少量重要度高的兴趣点采用该方式进行作业。(2)直接使用外业人员定向拍摄的图片作为兴趣点的门脸图，具体的，由于外业采集人员采集兴趣点数据的时候会拍摄兴趣点的门脸情况，因此是比较高质量的门脸数据。但是，对于第一种人工选择即使在使用外包的情况下，也需要大量的人员成本，同时外包的质量不太可控制，无法保证最终的效果。对于第二种实现方法虽然比较简单，但是目前外业采集拍摄过的图片不能覆盖全部的POI，且这种方法回收的图片主要目的是采集数据，并不一定是最适合做门脸头图展示。所以，目前在产品上，仍然有大量的兴趣点数据没有门脸头图，或者门脸头图并不是最优。
技术实现思路
本专利技术实施例提供一种门脸头图挑选方法、装置、服务器和存储介质，降低了人工成本，且覆盖范围广，对所有的兴趣点都适用，有效的解决了当前大部分目前线上兴趣点没有门脸头图的情况。第一方面，本专利技术实施例提供了一种门脸头图挑选方法，该方法包括：采用门脸图分类器对兴趣点的至少一张图片作处理，得到所述至少一张图片是门脸图的概率，其中所述门脸图分类器是依据门脸样本图预先训练得到的；依据所述至少一张图片是门脸图的概率，从所述至少一张图片中筛选得到所述兴趣点的门脸头图。第二方面，本专利技术实施例还提供了一种门脸头图挑选装置，该装置包括：门脸图处理模块，用于采用门脸图分类器对兴趣点的至少一张图片作处理，得到所述至少一张图片是门脸图的概率，其中所述门脸图分类器是依据门脸样本图预先训练得到的；门脸头图确定模块，用于依据所述至少一张图片是门脸图的概率，从所述至少一张图片中筛选得到所述兴趣点的门脸头图。第三方面，本专利技术实施例还提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现第一方面中任一所述的门脸头图挑选方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面中任一所述的门脸头图挑选方法。本专利技术实施例提供一种门脸头图挑选方法、装置、服务器和存储介质，通过采用预先训练好的门脸图分类器对任一兴趣点下的至少一张图片进行处理，可得到每张门脸图的概率，依据所述概率对门脸图进行筛选，即可得到该兴趣点的门脸头图。该方法降低了人工成本，且覆盖范围广，对所有的兴趣点都适用，有效的解决了当前大部分目前线上兴趣点没有门脸头图的情况。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1是本专利技术实施例一中提供的一种门脸头图挑选方法的流程图；图2是本专利技术实施例二中提供的一种门脸头图挑选方法的流程图；图3是本专利技术实施例二中提供的一种门脸头图挑选方法的结构示意图；图4是本专利技术实施例三中提供的一种门脸头图挑选装置的结构框图；图5是本专利技术实施例四中提供的一种服务器的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部内容。实施例一图1为本专利技术实施例一提供的一种门脸头图挑选方法的流程图，本实施例可适用于基于人工智能为兴趣点选择门脸头图的情况，该方法可以由本专利技术实施例提供的门脸头图挑选装置/服务器/计算机可读存储介质来执行，该装置/服务器/计算机可读存储介质可采用软件和/或硬件的方式实现。参见图1，该方法具体包括：S110，采用门脸图分类器对兴趣点的至少一张图片作处理，得到至少一张图片是门脸图的概率，其中门脸图分类器是依据门脸样本图预先训练得到的。其中，兴趣点即“信息点”，是导航软件商收录的可直接在导航软件上查找到相应目的地的点。如电子地图上显示的景点、政府机构、公司、商场、饭馆等气泡图标都表示兴趣点。大多数兴趣点对于用户来说是一个未知的地点，而门脸图是一个兴趣点的真实写照和身份象征，且位于兴趣点详情页的最顶上，是该兴趣点表达的直接入口，因此为一个兴趣点选择出具有代表性的门脸图十分重要。目前采用人工选择或直接使用外业人员定向拍摄的图片作为兴趣点的门脸图等方法，需要大量的人员成本，同时质量不太可控制，无法保证最终的效果，也无法保证所采集的图片覆盖全部的兴趣点。因此，为了能够自动准确的从许多图片中挑选出门脸图且适用于所有的兴趣点，本实施例采用人工智能技术如对神经网络模型进行训。由于神经网络中的卷积神经网络在图像识别领域，其特有的权值共享网络结构，很大程度上降低了模型复杂度，减少了权值数量，可直接将多维图像作为输入数据展开训练，有效避免了传统识别算法中复杂的特征提取和数据重建过程。因此，本实施例优选采用对深度卷积神经网络进行训练，得到门脸图分类器。门脸样本图是指一个兴趣点的多张门脸图，该门脸图可选自外业采集的图片、用户贡献或互联网上获取的等，由于外业采集的图片一定是门脸图，因此优选的，门脸样本图选自外业采集的图片。具体的，把大量的门脸样本图作为训练集，输入到深度卷积神经网络中对其进行训练，通过各样本训练之后，得到门脸图分类器。当把一个兴趣点的一张图片输入到该门脸图分类器中，模型会结合该模型现有的参数，对输入图片，做出一个判断，并输出该图片是门脸图的概率。S120，依据至少一张图片是门脸图的概率，从至少一张图片中筛选得到兴趣点的门脸头图。其中，门脸头图是一个兴趣点多张门脸图中最具有代表性的图片，可以是根据门脸图分类器输出结果按照一定的规则筛选的图片。例如，如果一个兴趣点有多张门脸图片的话，则按门脸图分类器输出的概率从大到小排序，选取概率大的作为门脸头图；如果概率大的并列有几张图片，则可随机取一张作为门脸头图。示例性的，依据至少一张图片是门脸图的概率，从至少一张图片中筛选得到兴趣点的门脸头图的具体操作过程可以是：依据至少一张图片是门脸图的概率，从至少一张图片中筛选得到兴趣点的门脸图；从兴趣点的门脸图中筛选一张作为兴趣点的门脸头图。本专利技术实施例提供的门脸头图挑选方法，通过采用预先训练好的门脸图分类器对任一兴趣点下的至少一张图片进行处理，可得到每张门脸图的概率，依据所述概率对门脸图进行筛选，即可得到该兴趣点的门脸头图。该本文档来自技高网...

【技术保护点】
1.一种门脸头图挑选方法，其特征在于，包括：采用门脸图分类器对兴趣点的至少一张图片作处理，得到所述至少一张图片是门脸图的概率，其中所述门脸图分类器是依据门脸样本图预先训练得到的；依据所述至少一张图片是门脸图的概率，从所述至少一张图片中筛选得到所述兴趣点的门脸头图。

【技术特征摘要】
1.一种门脸头图挑选方法，其特征在于，包括：采用门脸图分类器对兴趣点的至少一张图片作处理，得到所述至少一张图片是门脸图的概率，其中所述门脸图分类器是依据门脸样本图预先训练得到的；依据所述至少一张图片是门脸图的概率，从所述至少一张图片中筛选得到所述兴趣点的门脸头图。2.根据权利要求1所述的方法，其特征在于，依据所述至少一张图片是门脸图的概率，从所述至少一张图片中筛选得到所述兴趣点的门脸头图包括：依据所述至少一张图片是门脸图的概率，从所述至少一张图片中筛选得到所述兴趣点的门脸图；从所述兴趣点的门脸图中筛选一张作为所述兴趣点的门脸头图。3.根据权利要求1所述的方法，其特征在于，依据所述至少一张图片是门脸图的概率，从所述至少一张图片中筛选得到所述兴趣点的门脸头图之后，还包括：以设定时间周期获取用户对兴趣点所在页面的浏览日志；采用用户满意判断模型，依据所述浏览日志中包含的浏览行为确定用户对所述兴趣点的门脸头图的满意度。4.根据权利要求3所述的方法，其特征在于，所述浏览日志中包含如下至少一种浏览行为：点击详情页，点击门脸头图，点击评论区，查看电话，查看其他详情信息，检索其他兴趣点和地图拖动查看。5.根据权利要求3所述的方法，其特征在于，所述用户满意判断模型是基于马尔科夫模型训练得到的。6.根据权利要求3所述的方法，其特征在于，依据所述浏览日志中包含的浏览行为确定用户对所述兴趣点的门脸头图的满意度之后，还包括：若用户对所述兴趣点的门脸头图的满意度低于满意度阈值，则重新确定该兴趣点的门脸头图。7.一种门脸头图挑选装置，其特征在于，包括：门脸图处理模块，用于采用门脸图分类器对兴趣点的至少一张图片作处理，得到所述至少一张图片是门脸图的概率，其中所述门脸图分类器是依据门脸样本图预先训练得到的；门脸头...

【专利技术属性】
技术研发人员：吴云鹏，吴俊，张文瀚，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11