[发明专利]一种基于深度学习技术的城市八景生成方法及系统

说明书

本发明公开了一种基于深度学习技术的城市八景生成方法及系统，涉及风景园林领域，该方法包括收集关于城市景观的优秀摄影作品，并基于神经网络模型筛选出属于传统八景的景观图片；基于设定的评分标准，通过神经网络模型对筛选出的景观图片进行评分，确定排名前八的景观图片；基于设定的命名规则，通过神经网络模型对确定的景观图片中的景观进行命名，得到新的城市八景。本发明能够实现城市八景的自动确定和命名，高效且准确。

技术领域

本发明涉及风景园林领域，具体涉及一种基于深度学习技术的城市八景生成方法及系统。

背景技术

机器学习(Machine Learning)是人工智能领域的重要分支，机器学习可以让计算机自动从数据中学习人类的经验，而深度学习(Deep Learning)则是机器学习领域的重要分支。深度学习是一种多层神经网络结构，它的结构受到人脑的神经网络结构的启发，深度学习可以通过对数据的训练来实现对数据分布的拟合。相比于其他机器学习方法，深度学习不需要复杂的特征工程，可以直接通过对训练数据的学习，从而学习到数据的内在规律，所以更为智能。

城市八景是一种文化现象，是某一地区约定俗成的八处景观的总称，包括自然景观和人文景观。当前，对于城市八景的选取或评比一般采用人工方式进行，费时费力，效率低下。

发明内容

针对现有技术中存在的缺陷，本发明的目的在于提供一种基于深度学习技术的城市八景生成方法及系统，能够实现城市八景的自动确定和命名，高效且准确。

为达到以上目的，本发明提供的一种基于深度学习技术的城市八景生成方法，具体包括以下步骤：

收集关于城市景观的优秀摄影作品，并基于神经网络模型筛选出属于传统八景的景观图片；

基于设定的评分标准，通过神经网络模型对筛选出的景观图片进行评分，确定排名前八的景观图片；

基于设定的命名规则，通过神经网络模型对确定的景观图片中的景观进行命名，得到新的城市八景。

在上述技术方案的基础上，所述基于神经网络模型筛选出属于传统八景的景观图片，具体步骤包括：

获取风景类型为传统八景的图片作为训练集，对神经网络模型进行训练，得到人工智能八景筛选网络模型；

通过人工智能八景筛选网络模型，对收集的关于城市景观的优秀摄影作品进行筛选，筛选得到属于传统八景的景观图片。

在上述技术方案的基础上，所述基于设定的评分标准，通过神经网络模型对筛选出的景观图片进行评分，确定排名前八的景观图片，具体步骤包括：

收集网络风景图片，并根据美感，兴趣和喜好对收集的网络风景图片进行主动打分；

将打分后的网络风景图片作为训练集对神经网络模型进行训练，得到人工智能图片情感评价网络模型；

通过人工智能图片情感评价网络模型，对筛选出的景观图片进行评分，并保留评分大于预设分数的景观图片；

按照景观图片的出现频次、网页点评情况和点赞数量，对保留的景观图片进行排名，确定排名前八的景观图片。

在上述技术方案的基础上，

所述传统八景的类型包括对象类和景观类；

所述对象类包括亭、台、楼、牧童、桥、动物、渔人和渔歌；

所述景观类包括四季景色、时间、天气、古树、庙宇、山色、花草、水色、古渡、街道、温泉、池和山寨。

在上述技术方案的基础上，所述基于设定的命名规则，通过神经网络模型对确定的景观图片中的景观进行命名，得到新的城市八景，具体步骤包括：