[發明專利]一種基于深度學習和遷移學習的3D畫智能推薦方法

有效

• 申請號: 201710239554.0
• 申請日: 2017-04-13
• 公開（公告）號: CN107066578B
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 王華珍;潘傲寒
• 申請（專利權）人: 華僑大學;廈門繪酷文化傳媒有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06K9/62
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭

1.一種基于深度學習和遷移學習的3D畫智能推薦方法，其特征在于，包括以下步驟：

S1：構建基于公共圖像數據集的圖像分類器RCLF；其中，公共圖像數據集是MIT計算科學Places205公開數據集，選擇卷積模型Inception-ResNet在Places205公開數據集上訓練后，得到一個識別Places205公開數據集中各個場景的圖像分類器RCLF；

S2：基于步驟S1中得到的圖像分類器RCLF的3D畫場景空間遷移學習；

S21，保持圖像分類器RCLF除softmax層和全連接層以外其他層的參數不變，將softmax層的參數學習率調大2倍，將全連接層其他參數的學習率調小一半；

S22，將用戶自己收集的3D畫場景數據集SS訓練全連接層，以捕獲3D畫場景空間信息，最后得到一個4分類的3D畫場景空間分類器DCLF；

S3：構建3D畫設計方案推薦圖庫的信息指紋；

S31，收集3D畫設計方案圖像，作為待推薦的結果數據集；

S32，對收集的每張3D畫圖像構建信息指紋FPS；

S33，然后使用哈希感知算法求步驟S32中各圖像的哈希感知指紋；

S4：基于現實場景的3D畫設計方案輸出；

S41，用戶拍攝一張現實場景圖片Ps，作為匹配服務請求；

S42，將步驟S41中的圖片傳給分類器DCLF識別，得到對用戶場景的智能識別結果scene；

S43，對用戶場景圖片Ps采用步驟S3方法計算出其對應的信息指紋fp；

S44，在3D畫設計方案推薦圖庫中尋找屬于場景類別為scene的樣本子集CSS；

S45，將樣本子集CSS中的每一張圖片的信息指紋cp與用戶場景圖片Ps的信息指紋fp求漢明距離，樣本子集CSS中漢明距離最小的3D畫設計方案圖片為推薦結果Ds。

2.根據權利要求1所述的一種基于深度學習和遷移學習的3D畫智能推薦方法，其特征在于：所述Places205公開數據集是MIT計算機科學和人工智能實驗室收集的超過二百五十萬張場景圖片，總共有205個場景類別。

3.根據權利要求1所述的一種基于深度學習和遷移學習的3D畫智能推薦方法，其特征在于：所述3D畫場景數據集SS包括不同色彩、墻面、地面、墻地面和凹墻角面的3D畫。

4.根據權利要求1所述的一種基于深度學習和遷移學習的3D畫智能推薦方法，其特征在于：所述信息指紋FPS構建過程為對圖片中心區域a各通道像素值置零，圖片中心區域a為原圖長寬的50％。