一种基于深度学习的房源图片审核及模型训练自动化方法技术

本发明专利技术涉及一种基于深度学习的房源图片审核及模型训练自动化方法。它解决了现有技术中房源图片审核自动化程度低且研发成本高的问题。它包括S1、利用历史房源图片分类组建第一训练集；S2、通过训练集建立房源图片审核模型；S3、利用房源图片审核模型对房源图片进行审核分类；S4、将审核分类的图片作为第二训练集对房源图片审核模型进行优化训练。本发明专利技术的优点在于：能够有效降低研发和训练成本，提高模型训练的准确率，能够对房源图片审核模型进行不断优化，提高审核效率和审核准确率。提高审核效率和审核准确率。提高审核效率和审核准确率。

【技术实现步骤摘要】
一种基于深度学习的房源图片审核及模型训练自动化方法


[0001]本专利技术涉及图片处理
，具体涉及一种基于深度学习的房源图片审核及模型训练自动化方法。

技术介绍

[0002]随着互联网快速发展，房产行业也向着线上转型，房源信息大量涌现，对于房源的审核变得越来越重要。在发布实体房源时，都是需要上传房源图片的，房源图片能够最直观的吸引客户咨询房源，经常会出现盗用他人房源照片，多套房使用一样照片的情况，多房用户在网站上看到满意的房源图片，等看房时却发现图片造假，一般会比图片上显示出的房间环境差，因而会造成很多不必要的麻烦。而网站方一般不会对图片是否为被盗用图片进行审核，因为审核房源图片是一个巨大的工程，通过人力审核基本难以完成；因此，基于深度学习的图像自动审核技术被广泛运用，然而仍然需要人工干预不断迭代训练模型，缺少自动化的流程；虽然在深度学习模型的帮助下减少了人工审核的成本，但是因为房源图片审核的需求多变，却大大增加了研发成本的投入。
[0003]为了解决现有技术存在的不足，人们进行了长期的探索，提出了各式各样的解决方案。例如，中国专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的房源图片审核及模型训练自动化方法，其特征在于，本方法包括以下步骤：S1、利用历史房源图片分类组建第一训练集；S2、通过训练集建立房源图片审核模型；S3、利用房源图片审核模型对房源图片进行审核分类；S4、将审核分类的图片作为第二训练集对房源图片审核模型进行优化训练。2.根据权利要求1所述的一种的基于深度学习的房源图片审核及模型训练自动化方法，其特征在于，在步骤S2中，房源图片审核模型采用卷积神经网络结构及深度学习学习框架进行训练；在步骤S3中，房源图片的审核分类后的审核结构输入存储库作为第二训练集，所述的第二训练集定时触发训练或者采用增量式学习方式进行。3.根据权利要求1所述的一种的基于深度学习的房源图片审核及模型训练自动化方法，其特征在于，步骤S3具体包括以下步骤：S31、分类模型组进行预测审核并记录于对比库；S32、从分类模型组审核分类完成的图片中随机抽样交由运营人员人工审核；S33、运营人员在进行审核分类的同时，给出不符合要求的图片的判断标准，并记录在对比库；S34、将人工审核的结果与预测审核的结构进行比对，得出整个分类模型组的准确率。4.根据权利要求3所述的一种的基于深度学习的房源图片审核及模型训练自动化方法，其特征在于，分类模型组包括已存在的二分类模型，将图片依次输入所有的二分类模型，当所有二分类模型的输出结果相同则审核通过，若不相同，则审核不通过。5.根据权利要求3所述的一种的基于深度学习的房源图片审核及模型训练自动化方法，其特征在于，预先设定分类模型组的准确率阈值，当比对的分类模型组准确率在预先设定的阈值时，则结束训练。所述的预先设定的准确率阈值大于95％，在设定准确率阈值时，将二分类模型组进行二分类模型分类，...

【专利技术属性】
技术研发人员：杨李军，陈惠，张友平，王来军，刘文燕，沈海良，
申请(专利权)人：房超科技有限公司，
类型：发明
国别省市：