[發(fā)明專利]計算機深度學習圖像特征并量化感知度的方法

在審

• 申請?zhí)枺?/td>: 201710618715.7
• 申請日: 2017-07-26
• 公開（公告）號: CN107392252A
• 公開（公告）日: 2017-11-24
• 發(fā)明（設(shè)計）人: 周博磊;張帆;劉瀏
• 申請（專利權(quán)）人: 上海城詩信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 濟南鼎信專利商標代理事務(wù)所(普通合伙)37245
• 代理人: 曹玉琳

1.一種計算機深度學習圖像特征并量化感知度的方法，其特征在于：方法包括以下步驟：

步驟A、街景圖片收集；

步驟B、建立打分模型，對收集的部分圖片感知度眾包評分，并按感知度的大小進行排序同時收集打分數(shù)據(jù)；

步驟C、利用步驟B中收集到的打分數(shù)據(jù)對卷積神經(jīng)網(wǎng)絡(luò)分類器進行訓(xùn)練，再用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)分類器對剩余其他圖片感應(yīng)度進行預(yù)測和打分；

步驟D、在地圖上對街道可視化感知度預(yù)測并給出街道不同感知度的分數(shù)估計。

2.根據(jù)權(quán)利要求1所述的計算機深度學習圖像特征并量化感知度的方法，其特征在于：在步驟A中，先在ARCGIS里把城市區(qū)域劃分為500*500的空間格子，然后把每個格子里的最大經(jīng)緯度和最小經(jīng)緯度的值放入地圖分享網(wǎng)站的API進行檢索，完成所有空間格子的所有街景圖片鏈接的搜集，并批量下載所檢索到的具有地理位置坐標的圖片進行數(shù)據(jù)庫。

3.根據(jù)權(quán)利要求2所述的計算機深度學習圖像特征并量化感知度的方法，其特征在于：在步驟B中，按照街道設(shè)計導(dǎo)則評分標準建立打分模型，內(nèi)容包括了街道整潔度、街道綠化、街道商販活躍度、街道封閉度、街道車流量五個維度進行街道感知的綜合評分。

4.根據(jù)權(quán)利要求3所述的計算機深度學習圖像特征并量化感知度的方法，其特征在于：步驟C中，將標定好的圖片按照每個感知度整理成高和低的兩類圖片，高類的圖片為正樣本，低類的圖片為負樣本以此對卷積神經(jīng)網(wǎng)絡(luò)分類器進行訓(xùn)練，在訓(xùn)練完成后輸入新的圖片，由卷積神經(jīng)網(wǎng)絡(luò)分類器對圖片的感知度進行評分給出概率值。

5.根據(jù)權(quán)利要求4所述的計算機深度學習圖像特征并量化感知度的方法，其特征在于：步驟D中，對地圖上勾選的區(qū)域進行感知度預(yù)測及給出感知度分數(shù)，并給出對應(yīng)感知度的提示及導(dǎo)航線路的評估。

6.根據(jù)權(quán)利要求2所述的計算機深度學習圖像特征并量化感知度的方法，其特征在于：地圖分享網(wǎng)站為Panoramio的API和Google Map的API。

7.根據(jù)權(quán)利要求3所述的計算機深度學習圖像特征并量化感知度的方 法，其特征在于：在步驟B中，為了把握打分尺度及打分的準確性，每次相接兩張不同的街景圖，眾包工作者只需要從兩張不同的街景圖中選擇更高屬性的圖即可，從而眾包打分完成打分操作。