一种基于深度学习技术的城市八景生成方法及系统技术方案

本发明专利技术公开了一种基于深度学习技术的城市八景生成方法及系统，涉及风景园林领域，该方法包括收集关于城市景观的优秀摄影作品，并基于神经网络模型筛选出属于传统八景的景观图片；基于设定的评分标准，通过神经网络模型对筛选出的景观图片进行评分，确定排名前八的景观图片；基于设定的命名规则，通过神经网络模型对确定的景观图片中的景观进行命名，得到新的城市八景。本发明专利技术能够实现城市八景的自动确定和命名，高效且准确。高效且准确。高效且准确。

【技术实现步骤摘要】
一种基于深度学习技术的城市八景生成方法及系统


[0001]本专利技术涉及风景园林领域，具体涉及一种基于深度学习技术的城市八景生成方法及系统。

技术介绍

[0002]机器学习(Machine Learning)是人工智能领域的重要分支，机器学习可以让计算机自动从数据中学习人类的经验，而深度学习(Deep Learning)则是机器学习领域的重要分支。深度学习是一种多层神经网络结构，它的结构受到人脑的神经网络结构的启发，深度学习可以通过对数据的训练来实现对数据分布的拟合。相比于其他机器学习方法，深度学习不需要复杂的特征工程，可以直接通过对训练数据的学习，从而学习到数据的内在规律，所以更为智能。
[0003]城市八景是一种文化现象，是某一地区约定俗成的八处景观的总称，包括自然景观和人文景观。当前，对于城市八景的选取或评比一般采用人工方式进行，费时费力，效率低下。

技术实现思路

[0004]针对现有技术中存在的缺陷，本专利技术的目的在于提供一种基于深度学习技术的城市八景生成方法及系统，能够实现城市八景的自动确定和命名，高效且准确。
[0005]为达到以上目的，本专利技术提供的一种基于深度学习技术的城市八景生成方法，具体包括以下步骤：
[0006]收集关于城市景观的优秀摄影作品，并基于神经网络模型筛选出属于传统八景的景观图片；
[0007]基于设定的评分标准，通过神经网络模型对筛选出的景观图片进行评分，确定排名前八的景观图片；
[0008]基于设定的命名规则，通过神经网络模型对确定的景观图片中的景观进行命名，得到新的城市八景。
[0009]在上述技术方案的基础上，所述基于神经网络模型筛选出属于传统八景的景观图片，具体步骤包括：
[0010]获取风景类型为传统八景的图片作为训练集，对神经网络模型进行训练，得到人工智能八景筛选网络模型；
[0011]通过人工智能八景筛选网络模型，对收集的关于城市景观的优秀摄影作品进行筛选，筛选得到属于传统八景的景观图片。
[0012]在上述技术方案的基础上，所述基于设定的评分标准，通过神经网络模型对筛选出的景观图片进行评分，确定排名前八的景观图片，具体步骤包括：
[0013]收集网络风景图片，并根据美感，兴趣和喜好对收集的网络风景图片进行主动打分；
[0014]将打分后的网络风景图片作为训练集对神经网络模型进行训练，得到人工智能图片情感评价网络模型；
[0015]通过人工智能图片情感评价网络模型，对筛选出的景观图片进行评分，并保留评分大于预设分数的景观图片；
[0016]按照景观图片的出现频次、网页点评情况和点赞数量，对保留的景观图片进行排名，确定排名前八的景观图片。
[0017]在上述技术方案的基础上，
[0018]所述传统八景的类型包括对象类和景观类；
[0019]所述对象类包括亭、台、楼、牧童、桥、动物、渔人和渔歌；
[0020]所述景观类包括四季景色、时间、天气、古树、庙宇、山色、花草、水色、古渡、街道、温泉、池和山寨。
[0021]在上述技术方案的基础上，所述基于设定的命名规则，通过神经网络模型对确定的景观图片中的景观进行命名，得到新的城市八景，具体步骤包括：
[0022]获取已有的传统八景图片并进行分类，并对图片进行类型标注；
[0023]将进行类型标注后的图片输入神经网络模型以对神经网络模型进行训练；
[0024]将传统八景的类型与对应的古代风景词组进行匹配，得到可根据景观类型智能进行景观描述的知识图谱；
[0025]根据景观图片中景观的地点名，以及知识图谱对景观图片中的景观的描述，确定景观图片中景观的八景称谓，得到新的城市八景。
[0026]在上述技术方案的基础上，景观图片中景观的地点名的确定方式为：
[0027]当景观图片中景观所在地的名称为2个字时，将景观所在地的名称作为景观的地点名；
[0028]当景观图片中景观所在地的名称为2个字以上时，选取景观所在地名称中的两个字作为景观的地点名；
[0029]当景观图片中景观所在地的名称为1个字时，将景观所在地的名称，与智能景观描述神经网络模型对景观分类得到的类型名称进行组合，作为景观的地点名。
[0030]本专利技术提供的一种基于深度学习技术的城市八景生成系统，包括：
[0031]图片收集模块，其用于收集关于城市景观的优秀摄影作品；
[0032]图片筛选模块，其用于对图片收集模块收集的关于城市景观的优秀摄影作品进行筛选，筛选出属于传统八景的景观图片；
[0033]图片评级模块，其用于基于设定的评分标准，对图片筛选模块筛选出的景观图片进行评分，确定排名前八的景观图片；
[0034]八景赋名模块，其用于基于设定的命名规则，对图片评级模块确定的景观图片中的景观进行命名，得到新的城市八景。
[0035]在上述技术方案的基础上，所述图片筛选模块筛选出属于传统八景的景观图片，具体过程包括：
[0036]获取风景类型为传统八景的图片作为训练集，对神经网络模型进行训练，得到人工智能八景筛选网络模型；
[0037]通过人工智能八景筛选网络模型，对收集的关于城市景观的优秀摄影作品进行筛
选，筛选得到属于传统八景的景观图片。
[0038]在上述技术方案的基础上，所述图片评级模块对图片筛选模块筛选出的景观图片进行评分，确定排名前八的景观图片，具体过程包括：
[0039]收集网络风景图片，并根据美感，兴趣和喜好对收集的网络风景图片进行主动打分；
[0040]将打分后的网络风景图片作为训练集对神经网络模型进行训练，得到人工智能图片情感评价网络模型；
[0041]通过人工智能图片情感评价网络模型，对筛选出的景观图片进行评分，并保留评分大于预设分数的景观图片；
[0042]按照景观图片的出现频次、网页点评情况和点赞数量，对保留的景观图片进行排名，确定排名前八的景观图片。
[0043]在上述技术方案的基础上，所述八景赋名模块基于设定的命名规则，通对图片评级模块确定的景观图片中的景观进行命名，得到新的城市八景，具体过程包括：
[0044]获取已有的传统八景图片并进行分类，并对图片进行类型标注；
[0045]将进行类型标注后的图片输入神经网络模型以对神经网络模型进行训练；
[0046]将传统八景的类型与对应的古代风景词组进行匹配，得到可根据景观类型智能进行景观描述的知识图谱；
[0047]根据景观图片中景观的地点名，以及知识图谱对景观图片中的景观的描述，确定景观图片中景观的八景称谓，得到新的城市八景。
[0048]与现有技术相比，本专利技术的优点在于：通过收集关于城市景观的优秀摄影作品，并基于神经网络模型筛选出属于传统八景的景观图片，然后基于设定的评分标准，通过神经网络模型对筛选出的景观图片进行评分，确定排名前八的景观图片，然后基于设定的命名规则本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习技术的城市八景生成方法，其特征在于，具体包括以下步骤：收集关于城市景观的优秀摄影作品，并基于神经网络模型筛选出属于传统八景的景观图片；基于设定的评分标准，通过神经网络模型对筛选出的景观图片进行评分，确定排名前八的景观图片；基于设定的命名规则，通过神经网络模型对确定的景观图片中的景观进行命名，得到新的城市八景。2.如权利要求1所述的一种基于深度学习技术的城市八景生成方法，其特征在于，所述基于神经网络模型筛选出属于传统八景的景观图片，具体步骤包括：获取风景类型为传统八景的图片作为训练集，对神经网络模型进行训练，得到人工智能八景筛选网络模型；通过人工智能八景筛选网络模型，对收集的关于城市景观的优秀摄影作品进行筛选，筛选得到属于传统八景的景观图片。3.如权利要求1所述的一种基于深度学习技术的城市八景生成方法，其特征在于，所述基于设定的评分标准，通过神经网络模型对筛选出的景观图片进行评分，确定排名前八的景观图片，具体步骤包括：收集网络风景图片，并根据美感，兴趣和喜好对收集的网络风景图片进行主动打分；将打分后的网络风景图片作为训练集对神经网络模型进行训练，得到人工智能图片情感评价网络模型；通过人工智能图片情感评价网络模型，对筛选出的景观图片进行评分，并保留评分大于预设分数的景观图片；按照景观图片的出现频次、网页点评情况和点赞数量，对保留的景观图片进行排名，确定排名前八的景观图片。4.如权利要求1所述的一种基于深度学习技术的城市八景生成方法，其特征在于：所述传统八景的类型包括对象类和景观类；所述对象类包括亭、台、楼、牧童、桥、动物、渔人和渔歌；所述景观类包括四季景色、时间、天气、古树、庙宇、山色、花草、水色、古渡、街道、温泉、池和山寨。5.如权利要求4所述的一种基于深度学习技术的城市八景生成方法，其特征在于，所述基于设定的命名规则，通过神经网络模型对确定的景观图片中的景观进行命名，得到新的城市八景，具体步骤包括：获取已有的传统八景图片并进行分类，并对图片进行类型标注；将进行类型标注后的图片输入神经网络模型以对神经网络模型进行训练；将传统八景的类型与对应的古代风景词组进行匹配，得到可根据景观类型智能进行景观描述的知识图谱；根据景观图片中景观的地点名，以及知识图谱对景观图片中的景观的描述，确定景观图片中景观的八景称谓，得到新的城市八景。6.如权利要求5所述的一种基于深度学习技术的城市八景生成方法，其特征在于，景观图片中景观的地点名的确定方式为：
当景观图片中景...

【专利技术属性】
技术研发人员：覃文柯，万敏，王之弈，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：