【技术实现步骤摘要】
兴趣点验证方法、装置、电子设备及存储介质
[0001]本公开涉及人工智能
，特别涉及计算机视觉、深度学习以及自然语言处理等领域的兴趣点验证方法、装置、电子设备及存储介质。
技术介绍
[0002]随着移动设备的日益普及，网络地图服务得到了广泛应用。
[0003]数据库是网络地图服务实现的基础，其中存储了与人们生活密切相关的众多兴趣点（POI，Point of Interest）的多模态信息，相应地，需要对兴趣点进行有效的验证，如验证数据库中的兴趣点是否真实存在于现实世界中。
[0004]目前，通常根据现场采集到的街景数据，由人工来完成所述验证，从而需要耗费很大的人力和时间成本，且效率低下。
技术实现思路
[0005]本公开提供了兴趣点验证方法、装置、电子设备及存储介质。
[0006]一种兴趣点验证方法，包括：获取第一兴趣点的向量表示，所述第一兴趣点为采集到的任一兴趣点；根据所述第一兴趣点的向量表示以及数据库中的各兴趣点的向量表示，从所述数据库中的各兴趣点中选出所述第一兴趣点的N个最...
【技术保护点】
【技术特征摘要】
1.一种兴趣点验证方法，包括：获取第一兴趣点的向量表示，所述第一兴趣点为采集到的任一兴趣点；根据所述第一兴趣点的向量表示以及数据库中的各兴趣点的向量表示，从所述数据库中的各兴趣点中选出所述第一兴趣点的N个最近邻兴趣点，作为候选兴趣点，N为正整数；若确定任一候选兴趣点与所述第一兴趣点为同一兴趣点，则确定本次验证通过。2.根据权利要求1所述的方法，其中，所述从所述数据库中的各兴趣点中选出所述第一兴趣点的N个最近邻兴趣点包括：采用近似最近邻搜索方式，从所述数据库中的各兴趣点中选出所述第一兴趣点的N个最近邻兴趣点。3.根据权利要求1所述的方法，其中，所述若确定任一候选兴趣点与所述第一兴趣点为同一兴趣点，则确定本次验证通过包括：若基于获取到的人工比对结果确定任一候选兴趣点与所述第一兴趣点为同一兴趣点，则确定本次验证通过；针对任一候选兴趣点，所述人工比对结果包括：将所述候选兴趣点对应的招牌图像与所述第一兴趣点对应的招牌图像进行比对后得到的所述候选兴趣点与所述第一兴趣点是否为同一兴趣点的比对结果。4.根据权利要求1所述的方法，其中，所述确定任一候选兴趣点与所述第一兴趣点为同一兴趣点包括：若确定任一候选兴趣点的预定特征与所述第一兴趣点的预定特征之间的相似度大于预定阈值，则确定所述候选兴趣点与所述第一兴趣点为同一兴趣点；所述预定特征包括：基于兴趣点对应的招牌图像提取出的图像特征和/或文本特征。5.根据权利要求1
‑
4中任一项所述的方法，其中，所述获取所述第一兴趣点的向量表示包括：根据所述第一兴趣点对应的招牌图像生成图像特征矩阵，根据所述第一兴趣点对应的坐标生成随机矩阵，根据所述图像特征矩阵以及所述随机矩阵生成所述第一兴趣点的向量表示；所述数据库中的各兴趣点的向量表示与所述第一兴趣点的向量表示的生成方式相同。6.根据权利要求5所述的方法，其中，所述根据所述第一兴趣点对应的招牌图像生成图像特征矩阵包括：根据所述第一兴趣点对应的招牌图像生成原始特征矩阵，所述原始特征矩阵中的每个元素分别对应所述招牌图像中的一个像素点，且每个元素的取值分别等于对应的像素点的取值；对所述原始特征矩阵进行卷积神经网络运算，得到所述图像特征矩阵。7.根据权利要求5所述的方法，其中，所述根据所述第一兴趣点对应的坐标生成随机矩阵包括：将所述坐标映射为由0和1组成的第一特征向量；基于生成的随机向量对所述第一特征向量进行扩充，得到所述随机矩阵。8.根据权利要求5所述的方法，其中，所述根据所述图像特征矩阵以及所述随机矩阵生成所述第一兴趣点的向量表示包括：
对所述图像特征矩阵以及所述随机矩阵进行特征交叉融合，得到第一交叉融合结果以及第二交叉融合结果；对所述第一交叉融合结果进行平均池化，得到第二特征向量，对所述第二交叉融合结果进行平均池化，得到第三特征向量；将所述第二特征向量和所述第三特征向量进行合并，得到所述第一兴趣点的向量表示。9.根据权利要求8所述的方法，其中，所述进行特征交叉融合时用到的参数为基于所构建的训练数据集预先训练得到的；所述训练数据集中包括：参考兴趣点、与所述参考兴趣点为同一兴趣点但对应的坐标不同的正向兴趣点、与所述参考兴趣点为不同兴趣点的负向兴趣点以及各兴趣点分别对应的向量表示，所述坐标为采集点坐标。10.一种兴趣点验证装置，包括：第一获取模块、第二获取模块以及验证模块；所述第一获取模块，用于获取第一兴趣点的向量表示，所述第一兴...
【专利技术属性】
技术研发人员：范淼，黄际洲，王海峰，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
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。