[发明专利]一种智能识别车商装修程度的方法、电子设备和存储介质

权利要求书

1.一种智能识别车商装修程度的方法，其特征在于，包括以下步骤：

车商门头照评估步骤：利用门头照卷积神经网络模型对车商门头照的装修程度进行评估；

车商店内照评估步骤：利用店内照卷积神经网络模型对所述车商店内照的装修程度进行评估；

整合评估步骤：将所述车商门头照评估步骤和车商店内照评估步骤的结果输入至逻辑回归模型进行整合，并根据整合结果对该车商的门店装修程度进行评估，最后获取评估结果。

2.如权利要求1所述的智能识别车商装修程度方法，其特征在于，在进行装修程度评估前还包括以下步骤：

车商门店照片收集步骤：收集待测车商的店铺照片，所述店铺照片包括店铺门头照片和店铺内部照片；

车商门店照片分类步骤：基于车商门店卷积神经网络模型，根据所述店铺照片的特征来对店铺照片进行分类，从而区分车商门头照和车商店内照。

3.如权利要求1所述的智能识别车商装修程度方法，其特征在于，还包括卷积神经网络模型的训练步骤：

样本生成步骤：从所述车商门店照片收集步骤获取的店铺照片抽取一定数量的照片按一定比例分类为车商门头照和车商店内照，然后分别对车商门店照和车商店内照的装修程度进行人工评估作为训练样本，并对所述训练样本的图像进行图像变换以生成数量更多的所述训练样本；

模型训练步骤：将所述训练样本导入卷积神经网络模型内进行训练，根据训练的结果调整模型的参数以及增加训练样本的数量后重新导入所述卷积神经网络模型再次训练，通过多次执行本步骤以提高所述卷积神经网络模型模型的准确率；

模型测试步骤：将经过所述模型训练步骤训练的卷积神经网络模型部署到线上服务器并提供在线预测服务，对所述训练样本以外的车商店铺照片进行装修程度的评估，并对评估结果进行增类学习。

4.如权利要求2所述的智能识别车商装修程度方法，其特征在于：所述样本生成步骤中，包括以下子步骤：

图片抽取步骤：从所述店铺照片挑选出车商门头照和车商店内照作为训练样本，车商门头照和车商店内照的比例为1:3；

人工分类步骤：对车商门头照和车商店内照进行人工分类，根据车商门头照和车商店内照的装修材料、装修面积和装修风格对该车商门店的装修程度进行评估；

图像变换步骤：对所述车商门头照和所述车商店内照进行图像以生成更多的训练样本。

5.如权利要求3所述的智能识别车商装修程度方法，其特征在于：所述模型训练步骤中，包括以下子步骤：

模型初训练步骤：采用迁移学习的方法调用卷积神经网络模型对所述训练样本的装修程度进行第一次评估并获取评估结果；

模型参数调整步骤：根据所述评估结果调整迁移学习网络的冻结层数和所述用卷积神经网络模型的网络参数；

训练样本扩展步骤：重复执行所述样本生成步骤，增加所述训练样本的数量后再次导入所述卷积神经网络模型对所述训练样本的装修程度再次进行评估并获取评估结果以不断地提高所述卷积神经网络模型的准确率。

6.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现权利要求1-5任意一项所述的方法。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-5任意一项所述的方法。