本發(fā)明涉及圖像處理領(lǐng)域、圖像識(shí)別領(lǐng)域、戶型圖識(shí)別領(lǐng)域、數(shù)據(jù)庫(kù)云計(jì)算等技術(shù)領(lǐng)域，特別是涉及一種戶型圖功能區(qū)域快速識(shí)別系統(tǒng)。

背景技術(shù)：

目前，隨著人類(lèi)科學(xué)技術(shù)的不斷發(fā)展，深度學(xué)習(xí)(Deep Learning)正在成為機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)新興領(lǐng)域。近幾年，有關(guān)深度學(xué)習(xí)的應(yīng)用越來(lái)越廣，已經(jīng)涉及到語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理等領(lǐng)域。深度學(xué)習(xí)并將繼續(xù)影響到機(jī)器學(xué)習(xí)和人工智能的其它關(guān)鍵領(lǐng)域。

如今在人工智能和大數(shù)據(jù)云計(jì)算這兩個(gè)領(lǐng)域中，首先深度學(xué)習(xí)的出現(xiàn)帶來(lái)了眾多領(lǐng)域的變革，以往許多所不能解決的問(wèn)題如無(wú)人駕駛都已經(jīng)成為現(xiàn)實(shí)，圖像功能區(qū)域識(shí)別檢測(cè)領(lǐng)域也不例外，深度學(xué)習(xí)已經(jīng)在向圖像識(shí)別檢測(cè)領(lǐng)域邁進(jìn)，另外大數(shù)據(jù)云計(jì)算也同樣為其他各領(lǐng)域提供了各種實(shí)現(xiàn)的可能。

伴隨著圖片成為互聯(lián)網(wǎng)中的主要載體，難題隨之出現(xiàn)，當(dāng)信息由文字記載時(shí)，目前，人們可以通過(guò)關(guān)鍵詞搜索，輕易找到所需要的內(nèi)容并進(jìn)行任意的編輯，而當(dāng)信息是由圖片進(jìn)行記載時(shí)，例如拿戶型圖來(lái)表示住房的信息時(shí)，現(xiàn)有的技術(shù)就很難對(duì)戶型圖中的功能信息進(jìn)行檢索，即很難對(duì)戶型圖中臥室、客廳、衛(wèi)生間、廚房等各功能區(qū)域的功能信息進(jìn)行檢索，從而影響了用戶等從圖片信息中找到關(guān)鍵內(nèi)容的效率，雖然如戶型圖這樣的圖像帶來(lái)了快捷的信息記錄和分享方式，但是卻降低了人們進(jìn)行信息檢索的效率，無(wú)法滿足人們對(duì)戶型圖中各功能區(qū)域的信息進(jìn)行檢索的需求。

因此，目前迫切需要開(kāi)發(fā)出一種技術(shù)，其可以可靠、快速地識(shí)別戶型圖中具有的功能區(qū)域圖像，滿足人們對(duì)戶型圖的功能信息進(jìn)行檢索的需求，進(jìn)而提高人們的工作和生活品質(zhì)。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明的目的是提供一種戶型圖功能區(qū)域快速識(shí)別系統(tǒng)，其可以可靠、快速地識(shí)別戶型圖中具有的功能區(qū)域圖像信息，滿足人們對(duì)戶型圖的功能信息進(jìn)行檢索的需求，進(jìn)而提高人們的工作和生活品質(zhì)，有利于廣泛地推廣應(yīng)用，具有重大的生產(chǎn)實(shí)踐意義。

為此，本發(fā)明提供了一種戶型圖功能區(qū)域快速識(shí)別系統(tǒng)，包括：

圖像處理系統(tǒng)模塊，用于接收外部圖像采集設(shè)備所采集的需要識(shí)別的戶型圖圖像，然后對(duì)該戶型圖圖像進(jìn)行清晰度判斷操作，當(dāng)其清晰度不符合預(yù)設(shè)條件時(shí)，執(zhí)行預(yù)處理操作，并將經(jīng)過(guò)預(yù)處理操作的所述戶型圖圖像發(fā)送給圖像識(shí)別檢測(cè)系統(tǒng)模塊，而當(dāng)其清晰度符合預(yù)設(shè)條件時(shí)，直接將其發(fā)送給圖像識(shí)別檢測(cè)系統(tǒng)模塊；

圖像識(shí)別檢測(cè)系統(tǒng)模塊，與圖像處理系統(tǒng)模塊相連接，用于接收所述圖像處理系統(tǒng)模塊發(fā)來(lái)的所述戶型圖圖像，并提取和識(shí)別出每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像，然后發(fā)送給戶型圖云服務(wù)系統(tǒng)模塊；

戶型圖云服務(wù)系統(tǒng)模塊，與圖像識(shí)別檢測(cè)系統(tǒng)模塊相連接，用于存儲(chǔ)預(yù)設(shè)的戶型圖數(shù)據(jù)庫(kù)，并在接收到所述圖像識(shí)別檢測(cè)系統(tǒng)模塊發(fā)來(lái)的每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像，將所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上標(biāo)記的功能類(lèi)別分別與所述戶型圖數(shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的多個(gè)戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上預(yù)先標(biāo)記的功能類(lèi)別進(jìn)行相似度對(duì)比匹配，當(dāng)匹配篩選出每個(gè)功能區(qū)域圖像上預(yù)先標(biāo)記的功能類(lèi)別的相似度均大于預(yù)設(shè)值的一個(gè)或者多個(gè)戶型圖圖像時(shí)，判斷所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上標(biāo)記的功能類(lèi)別標(biāo)記準(zhǔn)確，然后將每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像發(fā)送給用戶。

其中，所述戶型圖數(shù)據(jù)庫(kù)預(yù)先存儲(chǔ)在云端服務(wù)器中，所述戶型圖數(shù)據(jù)庫(kù)包括多個(gè)戶型圖圖像和每個(gè)戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像以及它們之間的對(duì)應(yīng)關(guān)系，并且每個(gè)所述功能區(qū)域圖像上預(yù)先標(biāo)記有功能類(lèi)別。

其中，在所述圖像處理系統(tǒng)模塊中，所述預(yù)處理操作為光照補(bǔ)償操作。

其中，所述圖像識(shí)別檢測(cè)系統(tǒng)模塊包括神經(jīng)網(wǎng)絡(luò)建立子模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊和戶型圖圖像檢測(cè)識(shí)別子模塊，其中：

神經(jīng)網(wǎng)絡(luò)建立子模塊，用于建立預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)，所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)包括依次對(duì)所述圖像處理系統(tǒng)模塊發(fā)來(lái)的所述戶型圖圖像進(jìn)行處理的輸入層、第一層隱藏層、第二層隱藏層、第三層隱藏層、第四層隱藏層和輸出層；

神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊，與神經(jīng)網(wǎng)絡(luò)建立子模塊相連接，用于預(yù)先采集多個(gè)預(yù)設(shè)標(biāo)準(zhǔn)的戶型圖圖像輸入到所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)中，對(duì)所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到使得所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)的模型收斂，完成所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；

圖像檢測(cè)識(shí)別子模塊，分別與圖像處理系統(tǒng)模塊和神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊相連接，用于將所述圖像處理系統(tǒng)模塊發(fā)來(lái)的所述戶型圖圖像，輸入到所述神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊完成訓(xùn)練的所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)中，識(shí)別獲得所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像以及每個(gè)功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征，同時(shí)將所述多個(gè)功能類(lèi)別數(shù)據(jù)特征輸入到所述輸出層的預(yù)設(shè)分類(lèi)器中分別進(jìn)行功能類(lèi)別分類(lèi)，然后根據(jù)功能類(lèi)別分類(lèi)結(jié)果，在所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上標(biāo)記功能類(lèi)別，從而獲得每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像。

其中，所述戶型圖云服務(wù)系統(tǒng)模塊包括戶型圖數(shù)據(jù)庫(kù)存儲(chǔ)子模塊和功能區(qū)域?qū)Ρ绕ヅ漭敵鲎幽K，其中：

戶型圖數(shù)據(jù)庫(kù)存儲(chǔ)子模塊，用于預(yù)先存儲(chǔ)戶型圖數(shù)據(jù)庫(kù)，所述戶型圖數(shù)據(jù)庫(kù)包括多個(gè)戶型圖圖像和每個(gè)戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像以及它們之間的對(duì)應(yīng)關(guān)系，并且每個(gè)所述功能區(qū)域圖像上預(yù)先標(biāo)記有功能類(lèi)別；

功能區(qū)域?qū)Ρ绕ヅ漭敵鲎幽K，分別與圖像識(shí)別檢測(cè)系統(tǒng)模塊和戶型圖數(shù)據(jù)庫(kù)存儲(chǔ)子模塊相連接，用于接收所述圖像識(shí)別檢測(cè)系統(tǒng)模塊發(fā)來(lái)的所述戶型圖圖像中具有的全部預(yù)設(shè)功能區(qū)域圖像信息，并將其與所述戶型圖數(shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的每個(gè)戶型圖圖像具有的全部預(yù)設(shè)功能區(qū)域圖像信息進(jìn)行對(duì)比匹配，根據(jù)對(duì)比匹配結(jié)果，篩選出對(duì)應(yīng)的所述戶型圖數(shù)據(jù)庫(kù)中的一個(gè)或者多個(gè)戶型圖圖像，然后發(fā)送給用戶。

其中，所述戶型圖云服務(wù)系統(tǒng)模塊還包括戶型圖更新子模塊，該戶型圖更新子模塊與功能區(qū)域?qū)Ρ绕ヅ漭敵鲎幽K相連接，用于從所述功能區(qū)域?qū)Ρ绕ヅ漭敵鲎幽K中獲取每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像，并發(fā)送給所述戶型圖數(shù)據(jù)庫(kù)存儲(chǔ)子模塊進(jìn)行存儲(chǔ)。

其中，所述戶型圖云服務(wù)系統(tǒng)模塊為云端服務(wù)器。

由以上本發(fā)明提供的技術(shù)方案可見(jiàn)，與現(xiàn)有技術(shù)相比較，本發(fā)明提供了一種戶型圖功能區(qū)域快速識(shí)別系統(tǒng)，其可以可靠、快速地識(shí)別戶型圖具有的功能區(qū)域圖像信息，滿足人們對(duì)戶型圖的功能信息進(jìn)行檢索的需求，進(jìn)而提高人們的工作和生活品質(zhì)，有利于廣泛地推廣應(yīng)用，具有重大的生產(chǎn)實(shí)踐意義。

附圖說(shuō)明

圖1為本發(fā)明提供的一種戶型圖功能區(qū)域快速識(shí)別系統(tǒng)的結(jié)構(gòu)方框圖

圖2為在具體實(shí)施例中，待檢測(cè)的一個(gè)戶型圖圖像的示意圖；

圖3為在具體實(shí)施例中，經(jīng)過(guò)本發(fā)明提供的一種戶型圖功能區(qū)域快速識(shí)別系統(tǒng)進(jìn)行識(shí)別后的示意圖。

具體實(shí)施方式

為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明方案，下面結(jié)合附圖和實(shí)施方式對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。

圖1為本發(fā)明提供的一種戶型圖功能區(qū)域快速識(shí)別系統(tǒng)的結(jié)構(gòu)方框圖。

參見(jiàn)圖1，本發(fā)明提供的一種戶型圖功能區(qū)域快速識(shí)別系統(tǒng)，包括圖像處理系統(tǒng)模塊100、圖像識(shí)別檢測(cè)系統(tǒng)模塊200和戶型圖云服務(wù)系統(tǒng)模塊300，其中：

圖像處理系統(tǒng)模塊100，用于接收外部圖像采集設(shè)備(例如手機(jī)或者計(jì)算機(jī))所采集的需要識(shí)別的戶型圖圖像，然后對(duì)該戶型圖圖像進(jìn)行清晰度判斷操作，當(dāng)其清晰度不符合預(yù)設(shè)條件時(shí)，執(zhí)行預(yù)處理操作，并將經(jīng)過(guò)預(yù)處理操作的所述戶型圖圖像發(fā)送給圖像識(shí)別檢測(cè)系統(tǒng)模塊200，而當(dāng)其清晰度符合預(yù)設(shè)條件時(shí)，直接將其發(fā)送給圖像識(shí)別檢測(cè)系統(tǒng)模塊200；

圖像識(shí)別檢測(cè)系統(tǒng)模塊200，其作為深度學(xué)習(xí)的系統(tǒng)模塊，與圖像處理系統(tǒng)模塊100相連接，用于接收所述圖像處理系統(tǒng)模塊100發(fā)來(lái)的所述戶型圖圖像，并提取和識(shí)別出每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像(該功能區(qū)域可以包括臥室、客廳、衛(wèi)生間、廚房、窗戶等各種功能區(qū)域，該功能類(lèi)別可以包括臥室功能、客廳功能、衛(wèi)生間功能、廚房功能、窗戶功能等各種功能類(lèi)別)，然后發(fā)送給戶型圖云服務(wù)系統(tǒng)模塊300；

戶型圖云服務(wù)系統(tǒng)模塊300，與圖像識(shí)別檢測(cè)系統(tǒng)模塊200相連接，用于存儲(chǔ)預(yù)設(shè)的戶型圖數(shù)據(jù)庫(kù)，并在接收到所述圖像識(shí)別檢測(cè)系統(tǒng)模塊200發(fā)來(lái)的每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像，將所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上標(biāo)記的功能類(lèi)別分別與所述戶型圖數(shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的多個(gè)戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上預(yù)先標(biāo)記的功能類(lèi)別進(jìn)行相似度對(duì)比匹配，當(dāng)匹配篩選出每個(gè)功能區(qū)域圖像上預(yù)先標(biāo)記的功能類(lèi)別的相似度均大于預(yù)設(shè)值(例如為98％)的一個(gè)或者多個(gè)戶型圖圖像時(shí)，判斷所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上標(biāo)記的功能類(lèi)別標(biāo)記準(zhǔn)確(這即為識(shí)別的結(jié)果)，然后將每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像發(fā)送給用戶(例如直接發(fā)送給用戶的手機(jī)、平板電腦等移動(dòng)終端)。

其中，所述戶型圖數(shù)據(jù)庫(kù)優(yōu)選為預(yù)先存儲(chǔ)在云端服務(wù)器中，所述戶型圖數(shù)據(jù)庫(kù)包括多個(gè)(優(yōu)選為海量)戶型圖圖像和每個(gè)戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像以及它們之間的對(duì)應(yīng)關(guān)系(即映射關(guān)系，例如一一對(duì)應(yīng)關(guān)系或者一對(duì)多的關(guān)系)，并且每個(gè)所述功能區(qū)域圖像上預(yù)先標(biāo)記有功能類(lèi)別。

在本發(fā)明中，所述外部圖像采集設(shè)備可以為任意一種具有圖像采集并傳輸功能的設(shè)備，例如手機(jī)和平板電腦等移動(dòng)終端或者計(jì)算機(jī)PC。

在本發(fā)明中，在所述圖像處理系統(tǒng)模塊100中，所述預(yù)處理操作優(yōu)選為光照補(bǔ)償操作，因此，通過(guò)光照補(bǔ)償來(lái)提高外部圖像采集設(shè)備(例如手機(jī)或者計(jì)算機(jī))所采集的需要識(shí)別的戶型圖圖像的質(zhì)量，使得戶型圖圖像的辨識(shí)度提高，且具有較高的清晰度，最后再把預(yù)處理后的圖像傳送到圖像識(shí)別檢測(cè)系統(tǒng)模塊200，在圖像識(shí)別檢測(cè)系統(tǒng)模塊200中進(jìn)行識(shí)別與特征提取。

在本發(fā)明中，需要說(shuō)明的是，所述圖像處理系統(tǒng)模塊100主要通過(guò)拉布拉斯能量方法等現(xiàn)有的圖像清晰度檢測(cè)方法，來(lái)估計(jì)判斷所述戶型圖圖像的清晰度(拉布拉斯能量方法具體通過(guò)圖片的誒的能量梯度分布來(lái)估計(jì)判斷圖像的清晰度)。

具體實(shí)現(xiàn)上，所述預(yù)設(shè)條件可以根據(jù)用戶的需要預(yù)先進(jìn)行任意設(shè)定。例如，當(dāng)所述圖像處理系統(tǒng)模塊100通過(guò)拉布拉斯能量方法來(lái)判斷戶型圖圖像的清晰度時(shí)，所述預(yù)設(shè)條件可以為預(yù)設(shè)的圖像的拉布拉斯能量閾值，即根據(jù)預(yù)設(shè)的圖像的拉布拉斯能量閾值進(jìn)行判斷，當(dāng)外部圖像采集設(shè)備所采集的的戶型圖圖像的拉布拉斯能量值高于此閾值時(shí)，判斷為清晰圖像，否則判斷為模糊圖像則再進(jìn)行預(yù)處理操作。

在本發(fā)明中，對(duì)于所述圖像識(shí)別檢測(cè)系統(tǒng)模塊200，其包括神經(jīng)網(wǎng)絡(luò)建立子模塊、神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊和戶型圖圖像檢測(cè)識(shí)別子模塊，這三個(gè)子模塊分別進(jìn)行深度卷積神經(jīng)網(wǎng)絡(luò)各層的建立過(guò)程、深度卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過(guò)程和戶型圖圖像的檢測(cè)識(shí)別過(guò)程的處理操作，其中：

神經(jīng)網(wǎng)絡(luò)建立子模塊，用于建立預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)，所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)包括依次對(duì)所述圖像處理系統(tǒng)模塊100發(fā)來(lái)的所述戶型圖圖像進(jìn)行處理的輸入層、第一層隱藏層、第二層隱藏層、第三層隱藏層、第四層隱藏層和輸出層；

神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊，與神經(jīng)網(wǎng)絡(luò)建立子模塊相連接，用于預(yù)先采集多個(gè)預(yù)設(shè)標(biāo)準(zhǔn)的戶型圖圖像(例如用戶指定的尺寸大小的戶型圖圖像)輸入到所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)中，對(duì)所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，直到使得所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)的模型收斂，完成所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練；

圖像檢測(cè)識(shí)別子模塊，分別與圖像處理系統(tǒng)模塊100和神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊相連接，用于將所述圖像處理系統(tǒng)模塊100發(fā)來(lái)的所述戶型圖圖像，輸入到所述神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊完成訓(xùn)練的所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)中，識(shí)別獲得所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像以及每個(gè)功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征(具體表現(xiàn)為深度卷積特征)，同時(shí)將所述多個(gè)功能類(lèi)別數(shù)據(jù)特征輸入到所述輸出層的預(yù)設(shè)分類(lèi)器(具體為softmax分類(lèi)器)中分別進(jìn)行功能類(lèi)別分類(lèi)，然后根據(jù)功能類(lèi)別分類(lèi)結(jié)果，在所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上標(biāo)記功能類(lèi)別，從而獲得每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像。

在本發(fā)明中，需要說(shuō)明的是，每個(gè)功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征，是指每個(gè)功能區(qū)域圖像信息在所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)中所學(xué)習(xí)到的圖像的卷積特征，此特征包含了每個(gè)功能區(qū)域圖像的像素特征和結(jié)構(gòu)邊緣等響應(yīng)的特征，為抽象特征，用于表征不同功能區(qū)域圖像所對(duì)應(yīng)的不同功能類(lèi)別。

在本發(fā)明中，具體實(shí)現(xiàn)上，所述功能類(lèi)別分類(lèi)可以具體包括：臥室功能、客廳功能、廚房功能、客廳功能、餐廳功能、衛(wèi)生間功能等多種功能類(lèi)別分類(lèi)。

對(duì)于本發(fā)明，首先通過(guò)神經(jīng)網(wǎng)絡(luò)建立子模塊來(lái)設(shè)計(jì)本本發(fā)明系統(tǒng)的預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，之后在神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊中利用前一個(gè)模塊(即神經(jīng)網(wǎng)絡(luò)建立子模塊)設(shè)定好的預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)模型來(lái)進(jìn)行戶型圖圖像的訓(xùn)練，進(jìn)而提取相應(yīng)的圖像特征，得到含有相應(yīng)各功能區(qū)域?qū)?yīng)的功能類(lèi)別數(shù)據(jù)特征的模型，最后利用神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊得到的模型，在圖像檢測(cè)識(shí)別子模塊中實(shí)現(xiàn)對(duì)要檢測(cè)的戶型圖圖像的檢測(cè)與識(shí)別。

在本發(fā)明中，需要說(shuō)明的是，首先，神經(jīng)網(wǎng)絡(luò)建立子模塊只是用于預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建，在神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊中，是通過(guò)所述神經(jīng)網(wǎng)絡(luò)建立子模塊標(biāo)定好的含有相應(yīng)各個(gè)功能信息(即功能類(lèi)別數(shù)據(jù)特征)的各個(gè)功能區(qū)域的數(shù)據(jù)，來(lái)用于神經(jīng)網(wǎng)絡(luò)建立子模塊建立的模型進(jìn)行訓(xùn)練與特征提取，得到最終檢測(cè)識(shí)別用的、完成訓(xùn)練的預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)模型，然后在圖像檢測(cè)識(shí)別子模塊中利用訓(xùn)練好的預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)待檢測(cè)的戶型圖圖像進(jìn)行檢測(cè)，得到檢測(cè)結(jié)果圖像。

在本發(fā)明中，具體實(shí)現(xiàn)上，需要說(shuō)明的是，對(duì)于神經(jīng)網(wǎng)絡(luò)建立子模塊，所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)為基于當(dāng)前主流深度學(xué)習(xí)檢測(cè)器faster rcnn改進(jìn)的深度卷積網(wǎng)絡(luò)，本發(fā)明從需要訓(xùn)練大量的戶型圖數(shù)據(jù)和時(shí)間效率兩方面的因素考慮，充分利用當(dāng)前主流檢測(cè)網(wǎng)絡(luò)(具體為faster rcnn的區(qū)域建議網(wǎng)絡(luò)RPN結(jié)構(gòu))，并設(shè)計(jì)了輸入層、中間四層卷積隱藏層和輸出層。首先，本發(fā)明充分利用了RPN網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)，對(duì)圖像在每個(gè)位置同時(shí)預(yù)測(cè)目標(biāo)邊界和目標(biāo)損失得分，并利用端到端的訓(xùn)練方式，來(lái)達(dá)到高質(zhì)量的區(qū)域建議框檢測(cè)；另外，本發(fā)明的網(wǎng)絡(luò)輸入層用于輸入多個(gè)預(yù)設(shè)標(biāo)準(zhǔn)的戶型圖圖像的節(jié)點(diǎn)(data)信息，第一層隱藏層包含有128個(gè)輸入值為戶型圖圖像內(nèi)功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征(具體表現(xiàn)為深度卷積特征，通過(guò)人工預(yù)先設(shè)定)的節(jié)點(diǎn)(或者其他預(yù)設(shè)多個(gè))，第二層包含有輸入值為功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征的節(jié)點(diǎn)數(shù)為64個(gè)(或者其他預(yù)設(shè)多個(gè))，第三層包含有輸入值為功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征的節(jié)點(diǎn)數(shù)為32個(gè)(或者其他預(yù)設(shè)多個(gè))，第四層隱藏層包含有輸入值為功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征的節(jié)點(diǎn)數(shù)為16個(gè)(或者其他預(yù)設(shè)多個(gè))，輸出層包含有16個(gè)輸出值為戶型圖圖像內(nèi)功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征的節(jié)點(diǎn)。

需要說(shuō)明的是，在本發(fā)明的預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)中，各節(jié)點(diǎn)采用人工計(jì)算的方式設(shè)定相應(yīng)的數(shù)學(xué)模型和相關(guān)參數(shù)，在輸入層中各節(jié)點(diǎn)設(shè)定的輸入值為所需相應(yīng)的戶型圖各功能區(qū)域?qū)?yīng)的功能類(lèi)別數(shù)據(jù)特征，四個(gè)隱藏層還有最后的輸出層中對(duì)應(yīng)節(jié)點(diǎn)的輸入值分別為上一層輸出的戶型圖圖像中區(qū)域功能圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征值，另外每層都設(shè)置好相應(yīng)的權(quán)值參數(shù)ω和偏置參數(shù)κ，各層之間的輸入和輸出關(guān)系表示為：y＝ωx+κ，在公式中，x表示輸入神經(jīng)元，y表示輸出神經(jīng)元，w為權(quán)重，κ為偏置。

另外，在本發(fā)明建立的預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)中，可以利用softmax分類(lèi)器做輸出層，來(lái)進(jìn)行最后戶型圖圖像具有的每個(gè)功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征的識(shí)別與功能分類(lèi)，從而實(shí)現(xiàn)對(duì)戶型圖圖像內(nèi)多個(gè)功能區(qū)域的分類(lèi)。

在本發(fā)明中，具體實(shí)現(xiàn)上，分類(lèi)器的作用是根據(jù)前面預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)提取的特征，對(duì)所述戶型圖圖像具有的每個(gè)功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征進(jìn)行功能類(lèi)別分類(lèi)。具體實(shí)現(xiàn)上，本發(fā)明可以采用softmax分類(lèi)器。所述戶型圖圖像具有的每個(gè)功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征可以根據(jù)用戶的需要在本發(fā)明的系統(tǒng)中預(yù)先設(shè)置，所述功能類(lèi)別可以包括客廳功能、臥室功能、廚房功能、衛(wèi)生間功能和陽(yáng)臺(tái)功能等功能類(lèi)別，當(dāng)然，根據(jù)具體戶型的不同，還可以增加其他的類(lèi)別，例如儲(chǔ)藏室功能類(lèi)別。

對(duì)于softmax分類(lèi)器，其可以計(jì)算不同類(lèi)別的深度卷積特征的概率分布，根據(jù)不同概率分布來(lái)判斷戶型圖圖像中每個(gè)功能區(qū)域圖像的類(lèi)別。具體的操作過(guò)程是前一層的輸出是一系特征值，通過(guò)將這些特征值乘以不同的權(quán)重然后進(jìn)行歸一化處理，即可得到不同功能區(qū)域圖像的概率分布。

在本發(fā)明中，具體實(shí)現(xiàn)上，對(duì)于神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊，其采用優(yōu)化的誤差反向傳播BP算法進(jìn)行對(duì)預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，首先在訓(xùn)練之前，通過(guò)設(shè)定閾值和權(quán)值，使閾值和權(quán)值進(jìn)行從-1到1范圍內(nèi)的隨機(jī)初始化，在數(shù)據(jù)擬合時(shí)，本發(fā)明利用Sigmoid雙余弦正切函數(shù)作為激勵(lì)函數(shù)，把它放到中間層輸出之后，來(lái)保證輸出節(jié)點(diǎn)的值能在(0，1)這個(gè)范圍內(nèi)，另外，本發(fā)明可以通過(guò)設(shè)置一個(gè)損失函數(shù)loss來(lái)判斷誤差，損失函數(shù)的計(jì)算公式為：

其中，Y₀為預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)輸出，而Y_true為對(duì)應(yīng)的標(biāo)定輸出，當(dāng)最后的標(biāo)定輸出Y_true與預(yù)測(cè)輸出Y₀相差很遠(yuǎn)時(shí)，這時(shí)對(duì)應(yīng)的損失函數(shù)loss就會(huì)很大，預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)就會(huì)進(jìn)行誤差反傳來(lái)更新網(wǎng)絡(luò)的模型參數(shù)，當(dāng)預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)每訓(xùn)練一次，對(duì)應(yīng)的各層的權(quán)值參數(shù)ω和偏置參數(shù)κ就會(huì)更新一次，進(jìn)而使最后的標(biāo)定輸出Y_true與預(yù)測(cè)輸出Y₀差值越來(lái)越小，當(dāng)預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)多次訓(xùn)練后，這時(shí)loss就會(huì)小于一定閾值，預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)中止訓(xùn)練，此時(shí)的訓(xùn)練過(guò)程結(jié)束，完成所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。

在本發(fā)明中，具體實(shí)現(xiàn)上，對(duì)于圖像檢測(cè)識(shí)別子模塊，其基于神經(jīng)網(wǎng)絡(luò)訓(xùn)練子模塊訓(xùn)練好的所述預(yù)設(shè)深度卷積神經(jīng)網(wǎng)絡(luò)，來(lái)對(duì)經(jīng)過(guò)所述圖像處理系統(tǒng)模塊100預(yù)處理的所述戶型圖圖像或者未預(yù)處理而直接發(fā)來(lái)的所述戶型圖圖像進(jìn)行檢測(cè)，識(shí)別獲得所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像以及每個(gè)功能區(qū)域圖像對(duì)應(yīng)的功能類(lèi)別數(shù)據(jù)特征(具體表現(xiàn)為深度卷積特征)，同時(shí)將所述多個(gè)功能類(lèi)別數(shù)據(jù)特征輸入到所述輸出層的softmax分類(lèi)器中進(jìn)行分別進(jìn)行功能類(lèi)別分類(lèi)，然后根據(jù)功能類(lèi)別分類(lèi)結(jié)果，在所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上標(biāo)記功能類(lèi)別，從而獲得每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像，最終得到每個(gè)戶型圖圖像具有的各功能區(qū)域圖像的功能信息的分類(lèi)與識(shí)別結(jié)果，即可以識(shí)別獲得每個(gè)戶型圖圖像的功能信息(也就是說(shuō)，根據(jù)每個(gè)功能區(qū)域上標(biāo)記的功能類(lèi)別，就可以獲知每個(gè)戶型圖包含的功能情況以及具體內(nèi)部各功能區(qū)域的功能情況)。

需要說(shuō)明的是，對(duì)于本發(fā)明，圖像識(shí)別檢測(cè)系統(tǒng)模塊200的作用過(guò)程包括神經(jīng)網(wǎng)絡(luò)各層的建立過(guò)程、神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程和圖像檢測(cè)識(shí)別過(guò)程，本發(fā)明可以通過(guò)采用優(yōu)化的誤差反向傳播(BP)算法來(lái)加快訓(xùn)練過(guò)程的收斂速度，進(jìn)而避免因訓(xùn)練大量的樣本而陷入局部極小的情況。

在本發(fā)明中，對(duì)于所述戶型圖云服務(wù)系統(tǒng)模塊300，其包括戶型圖數(shù)據(jù)庫(kù)存儲(chǔ)子模塊和功能區(qū)域?qū)Ρ绕ヅ漭敵鲎幽K，其中：

戶型圖數(shù)據(jù)庫(kù)存儲(chǔ)子模塊，用于預(yù)先存儲(chǔ)戶型圖數(shù)據(jù)庫(kù)(優(yōu)選為預(yù)先存儲(chǔ)在云端服務(wù)器中)，所述戶型圖數(shù)據(jù)庫(kù)包括多個(gè)(優(yōu)選為海量)戶型圖圖像和每個(gè)戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像以及它們之間的對(duì)應(yīng)關(guān)系(即映射關(guān)系，例如一一對(duì)應(yīng)關(guān)系或者一對(duì)多的關(guān)系)，并且每個(gè)所述功能區(qū)域圖像上預(yù)先標(biāo)記有功能類(lèi)別。

功能區(qū)域?qū)Ρ绕ヅ漭敵鲎幽K，分別與圖像識(shí)別檢測(cè)系統(tǒng)模塊200和戶型圖數(shù)據(jù)庫(kù)存儲(chǔ)子模塊相連接，用于接收所述圖像識(shí)別檢測(cè)系統(tǒng)模塊200發(fā)來(lái)的所述戶型圖圖像中具有的全部預(yù)設(shè)功能區(qū)域圖像信息，并將其與所述戶型圖數(shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的每個(gè)戶型圖圖像具有的全部預(yù)設(shè)功能區(qū)域圖像信息進(jìn)行對(duì)比匹配，根據(jù)對(duì)比匹配結(jié)果，篩選出對(duì)應(yīng)的所述戶型圖數(shù)據(jù)庫(kù)中的一個(gè)或者多個(gè)戶型圖圖像(即為匹配后獲得的識(shí)別結(jié)果和檢索結(jié)果)，然后發(fā)送給用戶(例如直接發(fā)送給用戶的手機(jī)、平板電腦等移動(dòng)終端)。

需要說(shuō)明的是，對(duì)于本發(fā)明，具體實(shí)現(xiàn)上，可以預(yù)先在云端服務(wù)器中建立戶型圖數(shù)據(jù)庫(kù)，所述戶型圖數(shù)據(jù)庫(kù)包括多個(gè)(優(yōu)選為海量)戶型圖圖像和每個(gè)戶型圖圖像中全部預(yù)設(shè)功能區(qū)域圖像信息以及它們之間的對(duì)應(yīng)關(guān)系(即映射關(guān)系，例如一一對(duì)應(yīng)關(guān)系或者一對(duì)多的關(guān)系)。然后，通過(guò)功能區(qū)域?qū)Ρ绕ヅ漭敵鲎幽K把所需要進(jìn)行對(duì)比匹配的所述圖像識(shí)別檢測(cè)系統(tǒng)模塊200發(fā)來(lái)的所述戶型圖圖像中具有的每個(gè)功能區(qū)域圖像上標(biāo)記的功能類(lèi)別，分別與所述戶型圖數(shù)據(jù)庫(kù)中預(yù)先存儲(chǔ)的多個(gè)戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上預(yù)先標(biāo)記的功能類(lèi)別進(jìn)行相似度對(duì)比匹配，當(dāng)匹配篩選出每個(gè)預(yù)設(shè)功能區(qū)域的相似度均大于預(yù)設(shè)數(shù)值(例如為98％)的一個(gè)或者多個(gè)戶型圖圖像(即為匹配后獲得的識(shí)別結(jié)果和檢索結(jié)果)時(shí)，判斷所述戶型圖圖像內(nèi)具有的每個(gè)功能區(qū)域圖像上標(biāo)記的功能類(lèi)別標(biāo)記準(zhǔn)確(這即為識(shí)別的結(jié)果)，然后將每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像發(fā)送給用戶(例如直接發(fā)送給用戶的手機(jī)、平板電腦等移動(dòng)終端)。

對(duì)于本發(fā)明，具體實(shí)現(xiàn)上，本發(fā)明提供的戶型圖功能區(qū)域快速識(shí)別系統(tǒng)中，對(duì)于所述戶型圖云服務(wù)系統(tǒng)模塊300，其還包括戶型圖更新子模塊，該戶型圖更新子模塊與功能區(qū)域?qū)Ρ绕ヅ漭敵鲎幽K相連接，用于從所述功能區(qū)域?qū)Ρ绕ヅ漭敵鲎幽K中獲取每個(gè)功能區(qū)域上均標(biāo)有功能類(lèi)別的所述戶型圖圖像，并發(fā)送給所述戶型圖數(shù)據(jù)庫(kù)存儲(chǔ)子模塊進(jìn)行存儲(chǔ)(即作為新的戶型圖圖像，實(shí)現(xiàn)數(shù)據(jù)同步存儲(chǔ))。

因此，本發(fā)明提供的戶型圖功能區(qū)域快速識(shí)別系統(tǒng)中，可以讓?xiě)粜蛨D功能區(qū)域快速識(shí)別系統(tǒng)又具有自我學(xué)習(xí)的功能，能夠把剛剛進(jìn)行圖像檢索識(shí)別的戶型圖圖像進(jìn)行學(xué)習(xí)，并把學(xué)習(xí)到的新的戶型圖圖像添加到云端服務(wù)器中存儲(chǔ)的戶型圖數(shù)據(jù)庫(kù)中。

需要說(shuō)明的是，對(duì)于本發(fā)明，戶型圖云服務(wù)系統(tǒng)模塊300可以對(duì)圖像識(shí)別檢測(cè)系統(tǒng)模塊200傳來(lái)的戶型圖圖像中具有的全部功能區(qū)域圖像進(jìn)行分析與比對(duì)，本發(fā)明的戶型圖數(shù)據(jù)庫(kù)中涵蓋了海量的戶型圖數(shù)據(jù)，從而能夠?qū)崟r(shí)有效對(duì)傳來(lái)的戶型圖圖像信息進(jìn)行篩選與比對(duì)分析，同時(shí)具有自我學(xué)習(xí)、自我管理、并能接受來(lái)自大量移動(dòng)端請(qǐng)求的功能，進(jìn)行及時(shí)有效地對(duì)用戶采集輸入的戶型圖圖像進(jìn)行功能信息檢索，在戶型圖數(shù)據(jù)庫(kù)中識(shí)別檢索獲得與所輸入的戶型圖圖像內(nèi)每個(gè)功能區(qū)域上標(biāo)記的功能類(lèi)別相匹配的一個(gè)或者多個(gè)戶型圖圖像，因此，本發(fā)明可以可靠、快速地識(shí)別戶型圖中具有的功能區(qū)域圖像信息，滿足人們對(duì)戶型圖的功能信息進(jìn)行檢索的需求。

對(duì)于本發(fā)明提供的一種戶型圖功能區(qū)域快速識(shí)別系統(tǒng)，其為用戶進(jìn)行服務(wù)的整體流程如下：

首先，需要詳細(xì)了解戶型圖各功能區(qū)域功能信息的用戶可以根據(jù)自己的情況，選擇是在計(jì)算機(jī)PC端還是在移動(dòng)端來(lái)采集并傳送戶型圖圖像到本發(fā)明提供的戶型圖功能區(qū)域快速識(shí)別系統(tǒng)中；

然后，對(duì)于本發(fā)明提供的戶型圖功能區(qū)域快速識(shí)別系統(tǒng)，其中的圖像處理系統(tǒng)模塊100在接收到用戶傳來(lái)的戶型圖圖像后，首先會(huì)對(duì)戶型圖圖像的清晰程度進(jìn)行判斷，若傳來(lái)的戶型圖圖像的清晰程度符合預(yù)設(shè)條件，則直接傳送到圖像識(shí)別檢測(cè)系統(tǒng)模塊200中以進(jìn)行功能區(qū)域圖像特征(即功能區(qū)域圖像信息)的提取與識(shí)別，而如果傳來(lái)的戶型圖圖像的辨識(shí)度比較差，清晰程度不符合預(yù)設(shè)條件，則先將戶型圖圖像進(jìn)行預(yù)處理操作，主要是對(duì)圖像進(jìn)行光照補(bǔ)償操作，通過(guò)光照補(bǔ)償來(lái)提高戶型圖圖像的質(zhì)量，然后把經(jīng)過(guò)預(yù)處理操作后的戶型圖圖像傳送到圖像識(shí)別檢測(cè)系統(tǒng)模塊200；

然后，圖像識(shí)別檢測(cè)系統(tǒng)模塊200在接收到圖像處理系統(tǒng)模塊100傳來(lái)的戶型圖圖像信息后，利用本發(fā)明已經(jīng)優(yōu)化訓(xùn)練好的戶型圖檢測(cè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行檢測(cè)，此模型是基于當(dāng)前主流深度學(xué)習(xí)檢測(cè)器faster rcnn設(shè)計(jì)的高質(zhì)量快速提取圖像特征的深度卷積神經(jīng)網(wǎng)絡(luò)模型；

然后，在圖像識(shí)別檢測(cè)系統(tǒng)模塊200，在檢測(cè)并輸出每個(gè)功能區(qū)域上標(biāo)記有功能類(lèi)別的戶型圖圖像后，圖像識(shí)別檢測(cè)系統(tǒng)模塊200會(huì)將檢測(cè)的結(jié)果送到戶型圖云服務(wù)系統(tǒng)模塊300進(jìn)行進(jìn)一步的篩選與比對(duì)分析；

然后，戶型圖云服務(wù)系統(tǒng)模塊300在接收到圖像識(shí)別檢測(cè)系統(tǒng)模塊200傳來(lái)的戶型圖功能區(qū)域識(shí)別結(jié)果后，首先從預(yù)設(shè)的云端的戶型圖數(shù)據(jù)庫(kù)系統(tǒng)中進(jìn)行各種戶型圖功能區(qū)域的索引；

然后，在戶型圖圖像數(shù)據(jù)索引后，然后將索引的數(shù)據(jù)與圖像識(shí)別檢測(cè)系統(tǒng)模塊20的識(shí)別檢測(cè)的戶型圖各功能區(qū)域的結(jié)果進(jìn)行篩選與比對(duì)，來(lái)進(jìn)一步提升整個(gè)系統(tǒng)的識(shí)別的準(zhǔn)確率，最后把戶型圖功能區(qū)域識(shí)別檢測(cè)的結(jié)果反饋給用戶。同時(shí)，戶型圖云服務(wù)系統(tǒng)模塊300又具有自我學(xué)習(xí)的功能，會(huì)把剛剛識(shí)別的新的戶型圖各功能區(qū)域的圖像信息添加到云端數(shù)據(jù)庫(kù)中進(jìn)行更新與存儲(chǔ)。

如圖2、圖3所示，根據(jù)本發(fā)明提供的基于深度學(xué)習(xí)的戶型圖功能區(qū)域快速識(shí)別系統(tǒng)，其所檢測(cè)的戶型圖圖像在復(fù)雜多樣的功能下，仍然可以魯邦地達(dá)到戶型圖各功能區(qū)域檢測(cè)識(shí)別的目的，準(zhǔn)確標(biāo)記出各個(gè)功能區(qū)域的功能類(lèi)別其中，圖2為待檢測(cè)的戶型圖圖像，圖3為本發(fā)明基于深度學(xué)習(xí)的戶型圖功能區(qū)域快速識(shí)別系統(tǒng)的檢測(cè)結(jié)果示意圖。

因此，基于以上技術(shù)方案可知，本發(fā)明包括以下的有益效果：

首先，本發(fā)明解決了現(xiàn)有技術(shù)難以對(duì)圖片的功能信息進(jìn)行檢索，和用戶從戶型圖信息中尋找各部分功能區(qū)域信息效率低的問(wèn)題；

其次，創(chuàng)新性地加入深度學(xué)習(xí)的模塊，充分利用深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像高效率的特征提取與識(shí)別的優(yōu)勢(shì)，通過(guò)設(shè)計(jì)深度卷積網(wǎng)路模型，有效地分析提取所需展示給用戶的戶型圖各功能區(qū)域的圖像特征信息；

再次，本發(fā)明同時(shí)利用大數(shù)據(jù)云計(jì)算技術(shù)進(jìn)行輔助，對(duì)提取出來(lái)了功能特征信息進(jìn)行進(jìn)一步的篩選比對(duì)，來(lái)增加識(shí)別的準(zhǔn)確率，并實(shí)時(shí)地將檢測(cè)結(jié)果反饋給用戶；

最后，本發(fā)明提供的基于深度學(xué)習(xí)的戶型圖功能區(qū)域快速識(shí)別系統(tǒng)的運(yùn)用場(chǎng)景非常廣泛，本發(fā)明不僅可以為房地產(chǎn)商提供方便簡(jiǎn)潔的戶型圖功能區(qū)域展示平臺(tái)，可以使售房的服務(wù)人員輕松有效地向購(gòu)房用戶展示售房信息，同時(shí)，本發(fā)明還可以在移動(dòng)端或PC端上有效地向購(gòu)房用戶推送清晰的戶型圖功能區(qū)域信息展示，使用戶可以直觀地了解到購(gòu)房信息；此外，本方明可以通過(guò)通訊設(shè)施與戶型圖云服務(wù)系統(tǒng)模塊完成數(shù)據(jù)交互；同時(shí)具有自我學(xué)習(xí)、自我管理、并能接受來(lái)自大量移動(dòng)端請(qǐng)求的功能，能夠及時(shí)有效地將戶型圖功能區(qū)域的識(shí)別結(jié)果反饋給用戶。

在本發(fā)明中，具體實(shí)現(xiàn)上，所述圖像處理系統(tǒng)模塊100和圖像識(shí)別檢測(cè)系統(tǒng)模塊200可以為中央處理器CPU、數(shù)字信號(hào)處理器DSP或者單片機(jī)MCU，或者為云端服務(wù)器。

在本發(fā)明中，具體實(shí)現(xiàn)上，所述戶型圖云服務(wù)系統(tǒng)模塊300可以為云端服務(wù)器，由云端服務(wù)器的數(shù)據(jù)存儲(chǔ)器(例如硬盤(pán))來(lái)預(yù)先存儲(chǔ)所述戶型圖數(shù)據(jù)庫(kù)。

綜上所述，與現(xiàn)有技術(shù)相比較，本發(fā)明提供了一種戶型圖功能區(qū)域快速識(shí)別系統(tǒng)，其可以可靠、快速地識(shí)別戶型圖中具有的功能區(qū)域圖像信息，滿足人們對(duì)戶型圖的功能信息進(jìn)行檢索的需求，進(jìn)而提高人們的工作和生活品質(zhì)，有利于廣泛地推廣應(yīng)用，具有重大的生產(chǎn)實(shí)踐意義。

通過(guò)使用本發(fā)明提供的技術(shù)，可以使得人們工作和生活的便利性得到很大的提高，極大地提高了人們的生活水平。

以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤(rùn)飾，這些改進(jìn)和潤(rùn)飾也應(yīng)視為本發(fā)明的保護(hù)范圍。