[发明专利]一种广告图像特征提取方法、装置及电子设备

说明书

本发明实施例提供了一种广告图像特征提取方法、装置及电子设备。所述方法包括：获取目标广告图像；将所述目标广告图像输入预先训练的分类卷积神经网络中，并获得所述分类卷积神经网络的特征提取层所输出的、所述目标广告图像的特征信息，其中，所述特征信息为：能够用于评估所述目标广告图像的投放结果的信息；其中，所述分类卷积神经网络的最后一层为全连接层，所述特征提取层为所述全连接层的前一层，所述分类卷积神经网络是根据样本广告图像，以及所述样本广告图像对应的投放结果信息训练得到的。应用本发明实施例，能够为预估广告图像的投放结果，提供有效的参考信息。

技术领域

本发明涉及图像识别技术领域，特别是涉及一种广告图像特征提取方法、装置及电子设备。

背景技术

用户在电脑、手机等终端设备上进行网络视频观看、网页浏览等操作时，显示屏幕上经常会出现各种广告图像，如嵌入在视频播放页中的广告图像、或以窗口形式弹出的广告图像等等。这些广告图像可能涉及多种类型的产品，如游戏类、美妆类、汽车类等。对于广告图像投送方而言，期望投送广告图像后能够获得较好的投放结果，比如，用户对该广告图像的点击率高，或者用户对该广告产品的购买率高等等。

因此，为了获得较好的投放结果，目前亟需一种方法，能够为预估广告图像的投放结果，提供有效的参考信息。

发明内容

本发明实施例的目的在于提供一种广告图像特征提取方法、装置及电子设备，以实现为预估广告图像的投放结果，提供有效的参考信息的目的。具体技术方案如下：

第一方面，本发明实施例提供了一种广告图像特征提取方法，所述方法包括：

获取目标广告图像；

将所述目标广告图像输入预先训练的分类卷积神经网络中，并获得所述分类卷积神经网络的特征提取层所输出的、所述目标广告图像的特征信息，其中，所述特征信息为：能够用于评估所述目标广告图像的投放结果的信息；

其中，所述分类卷积神经网络的最后一层为全连接层，所述特征提取层为所述全连接层的前一层，所述分类卷积神经网络是根据样本广告图像，以及所述样本广告图像对应的投放结果信息训练得到的。

可选的，所述分类卷积神经网络的训练过程包括：

确定初始分类卷积神经网络，其中，所述初始分类卷积神经网络包括至少一层卷积层、至少一层降采样层、一层特征提取层和一层全连接层；

获得多个样本广告图像和各样本广告图像对应的投放结果信息；

利用各样本广告图像和各样本广告图像对应的投放结果信息，训练所述初始分类卷积神经网络，得到所述分类卷积神经网络。

可选的，所述确定初始分类卷积神经网络，包括：

确定残差网络，其中，所述残差网络包括至少一层卷积层、至少一层降采样层、一层特征提取层和一层全连接层；

获得多个样本图像和各样本图像的类别信息；

利用各样本图像和各样本图像的类别信息，训练所述残差网络，得到所述初始分类卷积神经网络。

可选的，所述各样本广告图像对应的投放结果信息的确定方式，包括：

检测在预设时长内各样本广告图像是否被用户点击；

将被用户点击的样本广告图像对应的投放结果信息确定为：发生点击；

将未被用户点击的样本广告图像对应的投放结果信息确定为：未发生点击。

可选的，所述各样本广告图像对应的投放结果信息的确定方式，包括：

获得各样本广告图像对应的用户点击率；