[发明专利]基于神经网络的户型图识别方法、装置、设备及存储介质

权利要求书

1.一种基于神经网络的户型图识别方法，其特征在于，所述户型图识别方法包括：

在接收到查询终端发送的户型图识别指令时，获取需要识别的需求户型图，并基于预设复合网络模型对所述需求户型图进行特征提取，得到需求特征向量；

根据所述需求特征向量在预设户型图库中进行户型图查询，以判断所述预设户型图库中是否存在与所述需求户型图匹配的目标户型图；

若所述预设户型图库中存在与所述需求户型图匹配的目标户型图，则向所述查询终端返回所述目标户型图；

若所述预设户型图库中不存在与所述需求户型图匹配的目标户型图，则向所述查询终端返回对应的户型图不存在提示。

2.如权利要求1所述的户型图识别方法，其特征在于，所述预设复合网络模型包括第一深层网络、第二浅层网络和第三浅层网络；

所述第一深层网络包括13个卷积层、1个全局均值池化层和2个全连接层；

所述第二浅层网络包括1个卷积层和1个最大池化层；

所述第三浅层网络包括1个卷积层和1个最大池化层。

3.如权利要求2所述的户型图识别方法，其特征在于，所述基于预设复合网络模型对所述需求户型图进行特征提取，得到需求特征向量的步骤包括：

基于预设预处理规则对所述需求户型图进行预处理，获得对应的标准户型图；

分别通过所述第一深层网络、所述第二浅层网络和所述第三浅层网络对所述标准户型图进行特征提取，获得第一子特征向量、第二子特征向量和第三子特征向量，并分别对所述第一子特征向量、所述第二子特征向量和所述第三子特征向量进行标准化处理；

对标准化处理后的第一子特征向量、第二子特征向量和第三子特征向量进行合并，并根据合并结果获得需求特征向量。

4.如权利要求1所述的户型图识别方法，其特征在于，所述在接收查询终端发送的户型图识别指令时，获取需要识别的需求户型图，并基于预设复合网络模型对所述需求户型图进行特征提取，得到需求特征向量的步骤之前，还包括：

以三元组的方式从预设训练样本集中获取训练样本三元组，所述训练样本三元组包括一个基础户型训练图、一个同类户型训练图和一个异类户型训练图，其中所述基础户型训练图和所述同类户型训练图对应同一户型，所述基础户型训练图和所述异类户型训练图分别对应不同户型；

通过预设基础模型分别对所述基础户型训练图、所述同类户型训练图和所述异类户型训练图进行特征提取，分别获得基础训练特征向量a、同类训练特征向量p和异类训练特征向量n；

将所述基础训练特征向量a、所述同类训练特征向量p和所述异类训练特征向量n代入至预设目标函数计算模型损失，并根据所述模型损失对所述预设基础模型的模型参数进行调整，以根据调整后的模型参数获得所述预设复合网络模型。

5.如权利要求4所述的户型图识别方法，其特征在于，所述预设目标函数为：

其中，L为所述模型损失；

m为所述训练样本三元组的组数，m≥1；

为第i组训练样本三元组中基础训练特征向量与同类训练特征向量之间的欧式距离度量，1≤i≤m；

为第i组训练样本三元组中基础训练特征向量与异类训练特征向量之间的欧式距离度量；

α为预设最小间隔，α≥0。

6.如权利要求1所述的户型图识别方法，其特征在于，所述根据所述需求特征向量在预设户型图库中进行户型图查询，以判断所述预设户型图库中是否存在与所述需求户型图匹配的目标户型图的步骤之前，还包括：

基于所述预设复合网络模型分别对所述预设户型图库中的各样本户型图进行特征提取，获得各样本特征向量；

通过预设局部敏感哈希算法将所述各样本特征向量映射至对应的样本哈希桶中；

所述根据所述需求特征向量在预设户型图库中进行户型图查询，以判断所述预设户型图库中是否存在与所述需求户型图匹配的目标户型图的步骤包括：

通过所述预设敏感哈希算法对所述需求特征向量进行映射，并根据所述需求特征向量的映射结果在所述样本哈希桶中确定目标哈希桶；

将所述需求特征向量分别与所述目标哈希桶中的各样本特征向量进行比对，以判断所述预设户型图库中是否存在与所述需求户型图匹配的目标户型图。