[发明专利]酒店房型图像的排序方法

说明书

本发明公开了一种酒店房型图像的排序方法，包括以下步骤：S₁、建立酒店房型图像的内容分类模型；S₂、建立酒店房型图像的质量量化模型；S₃、结合所述内容分类模型及所述质量量化模型对酒店房型图像进行排序。本发明融合内容分类模型和质量量化模型实现图像排序，使图像内容和图像质量两方面的影响都被考虑，使内容和质量俱佳的酒店房型图像能够被优先展示给用户，保证了酒店房型图像排序的效果。

技术领域

本发明涉及一种图像处理领域，特别是涉及一种酒店房型图像的排序方法。

背景技术

当前，通过互联网对酒店的房型进行售卖已经成为了常用的手段。在网上售卖时，售卖方一般会提供房型图像给用户，从而直观地展示酒店房型的信息。售卖方在展示房型图像前，需要对图像进行排序，优先展示吸引用户的图像，以提升用户的体验和下单率。随着互联网的飞速发展，售卖方每天都会利用用户上传、爬虫下载等诸多途径获取大量酒店房型的图像，数量已远远超过人工排序的限度。因此，利用计算机读取房型图像信息，自动对其进行排序成为了迫切的需求。现阶段，对酒店房型图像排序的研究尚未深入展开，鲜有有效的酒店房型图像排序技术，实现酒店房型图像的合理排序是一项具有挑战性的任务。

发明内容

本发明要解决的技术问题是为了克服现有技术中无法对酒店房型图像进行精准排序的缺陷，提供一种实用性强、排序效果好的酒店房型图像的排序方法。

本发明是通过下述技术方案来解决上述技术问题的：

本发明提供了一种酒店房型图像的排序方法，其特点在于，包括以下步骤：

S₁、建立酒店房型图像的内容分类模型；

S₂、建立酒店房型图像的质量量化模型；

S₃、结合所述内容分类模型及所述质量量化模型对酒店房型图像进行排序。

较佳地，步骤S₁包括：

S₁₁、收集多个图像，并生成第一图像训练集；

S₁₂、利用所述第一图像训练集训练基于深度神经网络的图像特征提取器；

S₁₃、收集酒店房型图像，并生成第二图像训练集；

S₁₄、利用所述第二图像训练集训练酒店房型图像的内容分类模型。

较佳地，步骤S₁₂中所训练的深度神经网络为19层的VGG网络，包括16个卷积层和3个全连接层。

较佳地，步骤S₁₂中所述图像特征提取器提取每张图像在所述VGG网络中特定层的输出值作为该张图像的特征。

较佳地，步骤S₁₄包括：

S₁₄₁、将通过步骤S₁₃生成的所述第二图像训练集中的所有图像，利用步骤S₁₂训练得到的所述图像特征提取器进行特征提取；

S₁₄₂、利用通过步骤S₁₄₁提取到的所述第二图像训练集中的图像对应的图像特征和图像的类别，训练得到最优分类超平面，以对酒店房型图像的内容进行自动分类。

较佳地，步骤S₂包括：

S₂₁、量化酒店房型图像的清晰度，获取图像的清晰度分数；

S₂₂、量化酒店房型图像的色彩丰富度；