本发明专利技术提供了一种地铁灯箱广告位置的确定方法及其装置，该方法包括首先，获取至少两个地铁灯箱的广告图像；然后，确定各广告图像的图像特征；最后，将各图像特征输入预训练的自注意力模型中，输出对应的各广告图像的位置。该方法将至少两个广告图像的图像特征输入自注意力模型中，输出各广告图像的位置，实现了地铁灯箱广告布局设计，自注意力模型通过解析图像特征中的稠密特征和广告属性特征，确定不同广告图像之间的关系，从而可以快速得到更加合理的广告图像的位置布局，进而提高广告的转化和管理效率，解决了相关技术中广告的转化和管理效率较低的问题。
【技术实现步骤摘要】
本专利技术涉及智慧广告牌，具体而言，涉及一种地铁灯箱广告位置的确定方法、其装置、存储介质以及电子装置。
技术介绍
1、在城市地铁系统中，站内广告是常见的广告投放形式。由于地铁的人流量大，特别是在早晚高峰期间，乘客的视线停留时间较长，因此地铁广告具有很高的传播价值。此外，由于乘客通常会按照固定的路线乘坐地铁，这种重复暴露于广告环境中的机会有助于增强广告的记忆效果。例如，通道灯箱等固定路线的广告展示设施能给经常乘坐地铁的上班族留下深刻的印象。
2、相关技术中，基于传统的视线焦点区理论，将热力视线焦点区作为广告位的候选区域，在不依赖历史数据且购物布局发生变化的基础上，能够快速确定广告位置，然而，不能利用大规模的在线图像数据，不能和数据驱动的思想很好地结合，广告的转化和管理效率较低。
3、针对相关技术中存在的上述问题，目前尚未发现有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种地铁灯箱广告位置的确定方法、其装置、存储介质以及电子装置。
2、根据本专利技术的一个实施例，提供了一种地铁灯箱广告位置的确定方法，包括：获取地铁灯箱的广告图像，所述广告图像至少有两个；确定各所述广告图像的图像特征，所述图像特征包括稠密特征和广告属性特征；将各所述图像特征输入预训练的自注意力模型中，输出对应的各所述广告图像的位置，所述预训练的自注意力模型用于根据各所述广告图像的图像特征来确定各所述广告图像之间的内容的关联程度，以确定对应的各所述广告图像的位置。
<
p>3、可选的，确定各所述广告图像的图像特征包括：采用预训练的卷积神经网络对各所述广告图像进行特征提取，得到各所述广告图像的所述稠密特征；对各所述广告图像进行标注，得到各所述广告图像的所述广告属性特征。4、可选的，所述广告属性特征至少包括产品特性、模式特性以及纹理特性，所述产品特性用于表征所述广告图像中的产品的类别，所述模式特性用于表征所述广告图像中的颜色的特征和图形元素的设计，所述纹理特性用于表征所述广告图像中的底纹和质感。
5、可选的，在将各所述图像特征输入预训练的自注意力模型中，输出对应的各所述广告图像的位置之前，所述方法还包括：构建自注意力模型，所述自注意力模型包括编码器、解码器以及连接层，所述连接层用于连接所述编码器与所述解码器，所述编码器包括自注意力层、多头注意力层以及前馈神经网络层；采用训练数据集对所述自注意力模型进行训练，得到所述预训练的自注意力模型。
6、可选的，采用训练数据集对所述自注意力模型进行训练包括：获取所述训练数据集，所述训练数据集包括多个所述地铁灯箱的所述广告图像的所述图像特征，以及对应的所述广告图像的实际位置；将所述训练数据集中的所述图像特征输入所述自注意力模型中，得到对应的所述广告图像的预测位置；根据所述预测位置与对应的所述实际位置，计算损失函数值；采用反向传播调整所述自注意力模型的权重参数，以最小化损失函数。
7、可选的，根据所述预测位置与对应的所述实际位置，计算损失函数值包括：将所述预测位置与对应的所述实际位置代入均方误差损失函数中，得到所述损失函数值。
8、可选的，所述自注意力层的计算公式为：其中，q是输入样本的查询向量，x是输入样本的键向量，v是输入样本的值向量，dk为梯度因子。
9、可选的，将各所述图像特征输入预训练的自注意力模型中，输出对应的各所述广告图像的位置包括：将各所述图像特征输入所述预训练的自注意力模型的所述编码器中，使得所述自注意力层、所述多头注意力层以及所述前馈神经网络层对各所述图像特征进行特征提取，得到对应的输出特征；将各所述输出特征输入所述预训练的自注意力模型的所述解码器中，得到对应的各所述广告图像的位置。
10、根据本专利技术的另一个实施例，提供了一种地铁灯箱广告位置的确定装置，包括获取单元、确定单元以及输出单元，其中，所述获取单元用于获取地铁灯箱的广告图像，所述广告图像至少有两个；所述确定单元用于确定各所述广告图像的图像特征，所述图像特征包括稠密特征和广告属性特征；所述输出单元用于将各所述图像特征输入预训练的自注意力模型中，输出对应的各所述广告图像的位置，所述预训练的自注意力模型用于根据各所述广告图像的图像特征来确定各所述广告图像之间的内容的关联程度，以确定对应的各所述广告图像的位置。
11、可选的，所述确定单元包括提取模块和标注模块，其中，所述提取模块用于采用预训练的卷积神经网络对各所述广告图像进行特征提取，得到各所述广告图像的所述稠密特征；所述标注模块用于对各所述广告图像进行标注，得到各所述广告图像的所述广告属性特征。
12、可选的，所述装置还包括构建单元和训练单元，其中，所述构建单元用于在将各所述图像特征输入预训练的自注意力模型中，输出对应的各所述广告图像的位置之前，构建自注意力模型，所述自注意力模型包括编码器、解码器以及连接层，所述连接层用于连接所述编码器与所述解码器，所述编码器包括自注意力层、多头注意力层以及前馈神经网络层；所述训练单元用于采用训练数据集对所述自注意力模型进行训练，得到所述预训练的自注意力模型。
13、可选的，所述训练单元包括获取模块、输入模块、计算模块以及调整模块，其中，所述获取模块用于获取所述训练数据集，所述训练数据集包括多个所述地铁灯箱的所述广告图像的所述图像特征，以及对应的所述广告图像的实际位置；所述输入模块用于将所述训练数据集中的所述图像特征输入所述自注意力模型中，得到对应的所述广告图像的预测位置；所述计算模块用于根据所述预测位置与对应的所述实际位置，计算损失函数值，所述调整模块用于采用反向传播调整所述自注意力模型的权重参数，以最小化损失函数。
14、可选的，所述计算模块包括计算子模块，所述计算子模块用于将所述预测位置与对应的所述实际位置代入均方误差损失函数中，得到所述损失函数值。
15、可选的，所述输出单元包括第一输入模块和第二输入模块，其中，所述第一输入模块用于将各所述图像特征输入所述预训练的自注意力模型的所述编码器中，使得所述自注意力层、所述多头注意力层以及所述前馈神经网络层对各所述图像特征进行特征提取，得到对应的输出特征；所述第二输入模块用于将各所述输出特征输入所述预训练的自注意力模型的所述解码器中，得到对应的各所述广告图像的位置。
16、根据本专利技术的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行任一种所述的方法实施例中的步骤。
17、根据本专利技术的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行任一种所述的方法实施例中的步骤。
18、通过本专利技术，首先，获取至少两个地铁灯箱的广告图像；然后，确定各所述广告图像的图像特征，所述图像特征包括稠密特征和广告属性特征；最后，将各所述图像特征输入预训练的自注意力模型中，输出对应的各所述广本文档来自技高网
...
【技术保护点】
1.一种地铁灯箱广告位置的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，确定各所述广告图像的图像特征包括：
3.根据权利要求1所述的方法，其特征在于，所述广告属性特征至少包括产品特性、模式特性以及纹理特性，所述产品特性用于表征所述广告图像中的产品的类别，所述模式特性用于表征所述广告图像中的颜色的特征和图形元素的设计，所述纹理特性用于表征所述广告图像中的底纹和质感。
4.根据权利要求1所述的方法，其特征在于，在将各所述图像特征输入预训练的自注意力模型中，输出对应的各所述广告图像的位置之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，采用训练数据集对所述自注意力模型进行训练包括：
6.根据权利要求5所述的方法，其特征在于，根据所述预测位置与对应的所述实际位置，计算损失函数值包括：
7.根据权利要求4所述的方法，其特征在于，将各所述图像特征输入预训练的自注意力模型中，输出对应的各所述广告图像的位置包括：
8.一种地铁灯箱广告位置的确定装置，其特征在于，包括：p>
9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1至7任一项中所述的方法。
10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至7任一项中所述的方法。
...
【技术特征摘要】
1.一种地铁灯箱广告位置的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，确定各所述广告图像的图像特征包括：
3.根据权利要求1所述的方法，其特征在于，所述广告属性特征至少包括产品特性、模式特性以及纹理特性，所述产品特性用于表征所述广告图像中的产品的类别，所述模式特性用于表征所述广告图像中的颜色的特征和图形元素的设计，所述纹理特性用于表征所述广告图像中的底纹和质感。
4.根据权利要求1所述的方法，其特征在于，在将各所述图像特征输入预训练的自注意力模型中，输出对应的各所述广告图像的位置之前，所述方法还包括：
5.根据权利要求4所述的方法，其特征在于，采用训练数据集对所述自注意力模...
【专利技术属性】
技术研发人员：吴正中，张辉，郝耕华，马泉华，邓能文，王晓东，张兵兵，
申请(专利权)人：北京城建智控科技股份有限公司，
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。