[发明专利]房源图片分类方法、装置、设备及存储介质

权利要求书

1.一种房源图片分类方法，其特征在于，所述方法包括：

在接收到图片分类请求时，获取所述图片分类请求中包含的图片序列；

提取所述图片序列中包含的图片编码，根据所述图片编码在数据库中查找对应的待分类房源图片；

统计所述待分类房源图片的图片数量，并检测所述图片数量是否超过预设阈值；

在检测到所述图片数量不超过所述预设阈值时，将所述待分类房源图片输入预设图片分类模型进行图片分类，并获取图片分类结果。

2.如权利要求1所述的方法，其特征在于，所述统计所述待分类房源图片的图片数量，并检测所述图片数量是否超过预设阈值的步骤之后，所述方法还包括：

在检测到所述图片数量超过所述预设阈值时，将所述待分类房源图片划分为若干个图片集；

采用多线程技术将所述图片集分别输入至预设图片分类模型进行图片分类，获取所述图片集中每张待分类房源图片的分类结果；

将获取的待分类房源图片的分类结果与待分类房源图片对应的图片编码关联后进行保存。

3.如权利要求2所述的方法，其特征在于，所述在接收到图片分类请求时，获取所述图片分类请求中包含的图片序列的步骤之前，所述方法还包括：

按预设图片类型从图片库中选取对应的房源图片，并根据选取的房源图片构建模型验证图片集和预设数量的模型训练图片集；

将各模型训练图片集中的训练图片输入至初始图片分类模型进行模型训练，获取各模型训练图片集对应的待验证图片分类模型；

根据所述模型验证图片集中包含的验证图片分别对所述待验证图片分类模型进行验证，并根据验证结果从所述待验证图片分类模型中筛选出预设图片分类模型。

4.如权利要求3所述的方法，其特征在于，所述验证结果包括所述待验证图片分类模型对所述验证图片分类后的准确率和召回率；

所述根据验证结果从所述待验证图片分类模型中筛选出预设图片分类模型的步骤，包括：

根据所述准确率和所述召回率，通过预设公式对各待验证图片分类模型进行评分，获取评分结果；

根据所述评分结果从所述待验证图片分类模型中筛选出预设图片分类模型；

其中，所述预设公式为：

F_score＝(2*precision*recall)/(precision+recall)

式中，F_score为评分结果，precision为准确率，recall为召回率。

5.如权利要求3所述的方法，其特征在于，所述按预设图片类型从图片库中选取对应的房源图片的步骤之前，所述方法还包括：

获取预设图片类型的范本图片，对所述范本图片进行特征点提取以获取各范本图片对应的基准特征点集；

通过预先编写的网络爬虫爬取预设数量的初始房源图片；

基于各范本图片对应的基准特征点集对所述初始房源图片进行特征点匹配，并根据匹配结果将所述初始房源图片分类保存至图片库。

6.如权利要求5所述的方法，其特征在于，所述基于各范本图片对应的基准特征点集对所述初始房源图片进行特征点匹配的步骤之前，所述方法还包括：

根据所述初始房源图片的图片属性获取对应的图片分辨率；

检测所述图片分辨率是否高于预设分辨率；

若是，则将所述初始房源图片作为有效房源图片，并执行基于各范本图片对应的基准特征点集对所述有效房源图片进行特征点匹配的步骤。