【技术实现步骤摘要】
空间户型识别方法、装置、计算机设备及存储介质
本专利技术涉及数据处理
,尤其涉及一种空间户型识别方法、装置、计算机设备及存储介质。
技术介绍
目前,每天都有很多装修完成的房屋进行拍照,以便于业主查看确认每个装修完成的房屋的各个户型,或者作为历史装修房屋案例给后续想要装修的业主参考。现有技术中,上述过程主要通过人工目测识别各装修完成的房屋的各个户型的照片,并对各户型的照片进行标签标注,后续需要根据标注的标签调取对应的照片;如此,在对照片进行标注标签的过程中,需要花费大量人工进行人工目测识别,耗费了大量的人力资源,而且识别效率低下,容易识别出错;同时,如果人工识别的标签错误,根据该错误标签调取的错误的照片将被提供给业主查看,如此,极大地降低了业主体验满意度,从而给企业带来不良影响。
技术实现思路
本专利技术提供一种空间户型识别方法、装置、计算机设备及存储介质,实现了通过获取待识别空间图片并自动识别出该待识别空间图片的空间户型类别,提高了识别的准确率,并提升了识别效率和可靠性,以及提升了用户体验。一种空间户型识别方法,包括:接收空间户型识别指令,获取待识别空间图片;将所述待识别空间图片输入训练完成的基于Inception模型的空间识别模型,通过所述空间识别模型对所述待识别空间图片进行空间特征提取,并获取所述空间识别模型根据所述空间特征输出的识别标签,并将所述识别标签标记在所述待识别空间图片上;所述识别标签表征了所述待识别空间图片的空间户型类别,其中,所述识别标签为卫生间、餐 ...
【技术保护点】
1.一种空间户型识别方法,其特征在于,包括:/n接收空间户型识别指令,获取待识别空间图片;/n将所述待识别空间图片输入训练完成的基于Inception模型的空间识别模型,通过所述空间识别模型对所述待识别空间图片进行空间特征提取,并获取所述空间识别模型根据所述空间特征输出的识别标签,并将所述识别标签标记在所述待识别空间图片上;所述识别标签表征了所述待识别空间图片的空间户型类别,其中,所述识别标签为卫生间、餐厅、衣帽间、客厅、卧室、阳台、玄关、厨房、书房、儿童房和非空间户型之中的一个。/n
【技术特征摘要】
1.一种空间户型识别方法,其特征在于,包括:
接收空间户型识别指令,获取待识别空间图片;
将所述待识别空间图片输入训练完成的基于Inception模型的空间识别模型,通过所述空间识别模型对所述待识别空间图片进行空间特征提取,并获取所述空间识别模型根据所述空间特征输出的识别标签,并将所述识别标签标记在所述待识别空间图片上;所述识别标签表征了所述待识别空间图片的空间户型类别,其中,所述识别标签为卫生间、餐厅、衣帽间、客厅、卧室、阳台、玄关、厨房、书房、儿童房和非空间户型之中的一个。
2.如权利要求1所述的空间户型识别方法,其特征在于,所述将所述待识别空间图片输入训练完成的基于Inception模型的空间识别模型,通过所述空间识别模型对所述待识别空间图片进行空间特征提取,并获取所述空间识别模型根据所述空间特征输出的识别标签,包括:
将所述待识别空间图片输入训练完成的基于Inception模型的空间识别模型,通过所述空间识别模型提取所述待识别空间图片中的空间特征;
根据所述空间特征,获取所述空间识别模型中的瓶颈层输出的特征向量数组;
将所述特征向量数组输入所述空间识别模型中的Dropout层,所述Dropout层对所述特征向量数组按照预设的丢失概率进行丢弃处理,得到强化向量数组;
将所述强化向量数组输入所述空间识别模型中的全连接层,通过所述全连接层对所述强化向量数组进行预测处理,获取所述全连接层输出的预测结果;
将所述预测结果输入所述空间识别模型中的分类器,通过所述分类器对所述预测结果进行分类处理,获取所述分类器输出的识别标签。
3.如权利要求1所述的空间户型识别方法,其特征在于,所述将所述待识别空间图片输入训练完成的基于Inception模型的空间识别模型之前,包括:
获取图像样本;其中,每个所述图像样本均与一个空间户型类别标签关联;
通过迁移学习,初始神经网络模型获取Inception模型的所有模型参数,将所述所有模型参数确定为所述初始神经网络模型的初始参数;
将所述图像样本输入包含所述初始神经网络模型;
通过所述初始神经网络模型提取所述图像样本中的空间特征;
获取所述初始神经网络模型根据所述空间特征输出的识别标签,并根据所述识别标签和所述空间户型类别标签的匹配程度确定损失值;
在所述损失值达到预设的收敛条件时,将收敛之后的所述初始神经网络模型记录为训练完成的基于Inception模型的空间识别模型。
4.如权利要求3所述的空间户型识别方法,其特征在于,所述获取所述初始神经网络模型根据所述空间特征输出的识别标签,并根据所述识别标签和所述空间户型类别标签的匹配程度确定损失值之后,还包括:
在所述损失值未达到预设的收敛条件时,迭代更新所述初始神经网络模型的初始参数,直至所述损失值达到所述预设...
【专利技术属性】
技术研发人员:王国彬,周炼锋,胡鹏,
申请(专利权)人:深圳市彬讯科技有限公司,
类型:发明
国别省市:广东;44
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。