CN109409743B - 一种目标区域的评估方法和计算设备 - Google Patents
一种目标区域的评估方法和计算设备 Download PDFInfo
- Publication number
- CN109409743B CN109409743B CN201811257573.7A CN201811257573A CN109409743B CN 109409743 B CN109409743 B CN 109409743B CN 201811257573 A CN201811257573 A CN 201811257573A CN 109409743 B CN109409743 B CN 109409743B
- Authority
- CN
- China
- Prior art keywords
- target area
- picture
- scene
- evaluating
- network model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 78
- 239000000463 material Substances 0.000 claims abstract description 68
- 230000003068 static effect Effects 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 33
- 230000002996 emotional effect Effects 0.000 claims abstract description 20
- 238000011161 development Methods 0.000 claims description 13
- 230000018109 developmental process Effects 0.000 claims description 13
- 239000003086 colorant Substances 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 241001464837 Viridiplantae Species 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 235000005911 diet Nutrition 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000037213 diet Effects 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims 2
- 235000021384 green leafy vegetables Nutrition 0.000 claims 1
- 238000004891 communication Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- JWDYCNIAQWPBHD-UHFFFAOYSA-N 1-(2-methylphenyl)glycerol Chemical compound CC1=CC=CC=C1OCC(O)CO JWDYCNIAQWPBHD-UHFFFAOYSA-N 0.000 description 2
- 241000256856 Vespidae Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000003945 visual behavior Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Abstract
本发明公开了一种目标区域的评估方法，适于在计算设备中执行，该计算设备中存储有能够识别图片中的静态和/或动态实体的图像处理模型、以及能够判断社交媒体数据的情感倾向的文本处理模型，该方法包括：获取多张该目标区域内的素材图片，以及与该目标区域相关的社交媒体数据；根据图像处理模型识别每张素材图片中的静态和/或动态实体，并基于所识别的静态和/或动态实体信息来对该目标区域的商业成熟度进行评估；根据文本处理模型中得到每条社交媒体数据的情感倾向，并基于所得到的情感倾向来对该目标区域的认可度进行评估；以及基于商业成熟度和认可度评估结果来确定所述目标区域的评估值。本发明还公开了用于执行该方法的计算设备。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种目标区域的评估方法和计算设备。
背景技术
城市不仅是人类居住的场所，同时也是包含娱乐消费的聚集地。随着生活水平的提高，城市中的许多用地都被开发为商业用地，以更好的满足城市居民的娱乐消费需求而随着城市改造的不断发展，人们也越来越关心这种改造是否能够真正满足当地居民和外来游客的需求，以及城市改造如何吸引更多的人群。想要知道这些问题的答案，用传统的问卷形式无疑非常耗时耗力。因此需要找到一种更有效率的方式来对城市的商业旅游发展进行评估，从而可以通过评估的结果来给城市规划者和管理者更好的改造建议，以此推动城市经济建设。
发明内容
为此，本发明提供一种客户分群模型的构建方法和计算设备，以力图解决或至少缓解上面存在的问题。
根据本发明的一个方面，提供了目标区域的评估方法，适于在计算设备中执行，计算设备中存储有能够识别图片中的静态和/或动态实体的图像处理模型、以及能够判断社交媒体数据的情感倾向的文本处理模型，该方法包括：获取多张该目标区域内的素材图片，以及与该目标区域相关的社交媒体数据；根据图像处理模型识别每张素材图片中的静态和/或动态实体，并基于所识别的静态和/或动态实体信息来对该目标区域的商业成熟度进行评估；根据文本处理模型中得到每条社交媒体数据的情感倾向，并基于所得到的情感倾向来对该目标区域的认可度进行评估；以及基于商业成熟度和认可度评估结果来确定目标区域的评估值。
可选地，在根据本发明的目标区域的评估方法中，基于所识别的静态和/或动态实体信息来对该目标区域的商业成熟度进行评估的步骤包括：通过统计每种静态实体在每类素材图片中的平均像素点占比，来对该种静态实体在该目标区域的场景覆盖率进行评估；和/或通过统计每种动态实体在每类素材图片中的平均数量，来对该目标区域的发展规模进行评估。
可选地，在根据本发明的目标区域的评估方法中，情感倾向包括正面评价和负面评价，基于所获得的情感倾向来对该目标区域的认可度进行评估的步骤包括：通过统计所有情感倾向中正面评价所占比例，来对大众对该目标区域的认可度进行评估。
可选地，在根据本发明的目标区域的评估方法中，素材图片包括该目标区域内的整体场景照片、店铺内景照片和视频照片的至少一种，视频照片是从该目标区域内的拍摄视频中截取出的单帧照片。
可选地，在根据本发明的目标区域的评估方法中，图像处理模型包括能够识别图像中的静态实体的第一网络模型，静态实体包括植物、天空、道路和建筑中的至少一种。
可选地，在根据本发明的目标区域的评估方法中，图像处理模型还包括能够识别图像中的动态实体的第二网络模型，动态实体包括人、车辆、包、绿植中的至少一种。
可选地，在根据本发明的目标区域的评估方法中，通过统计每种动态实体在每类素材图片中的平均数量，来对该目标区域的发展规模进行评估的步骤包括：通过统计每类素材图片中的平均人数，来对该目标区域的人群拥挤度进行评估；和/或通过统计每类素材图片中的平均车辆数，来对该目标区域的车辆拥挤度进行评估。
可选地，在根据本发明的目标区域的评估方法中，通过统计每种动态实体在每类素材图片中的平均数量，来对该目标区域的发展规模进行评估的步骤包括：通过统计每类素材图片中的平均拎包数，来对该目标区域的拎包量进行评估；和/或通过统计每类素材图片中的平均绿植数，来对该目标区域的绿化量进行评估。
可选地，在根据本发明的目标区域的评估方法中，图像处理模型还包括能够给出图片的场景审美评分的第三网络模型，该方法还包括步骤：将各素材图片输入到第三网络模型中，得到各图片的场景审美评分；计算每类素材图片的平均场景审美评分，并综合每类素材图片的平均场景审美评分对该目标区域的场景吸引度进行评估。
可选地，在根据本发明的目标区域的评估方法中，第一网络模型为PSPNet场景解析网络模型，第二网络模型为YOLOv3神经网络模型，第三网络模型为卷积神经网络模型。
可选地，在根据本发明的目标区域的评估方法中，还包括步骤：获取各图片中每个像素的RGB三通道色度值，并计算每个像素的红绿偏向值rg和黄蓝偏向值yb；计算每张图片中所有像素的rg均值μrg、yb均值μyb、rg方差σrg和yb方差σryb，并进一步计算每张图片的颜色偏向均值μrgyb和颜色偏向均方差σrgyb；根据每张图片的μrgyb和σrgyb计算各图片中的颜色数量m，并统计每类图片的平均颜色数量；以及综合每类素材图片的平均颜色数量对该目标区域的场景色彩度进行评估。
可选地，在根据本发明的目标区域的评估方法中，
m＝σrgyb+0.3*μrgyb。
可选地，在根据本发明的目标区域的评估方法中，还包括步骤：对每条社交媒体数据进行切词分析，得到其中与社交活动有关的词语，作为该目标区域的消费特点，所述消费特点包括购物式消费、观赏游览性消费和饮食性消费中的至少一种。
可选地，在根据本发明的目标区域的评估方法中，目标区域的社交媒体数据时以该目标区域为关键词进行获取，其中关键词为该目标区域的全称、简称、英文名字或英文缩写，切词分析方法为IF-IDF方法。
可选地，在根据本发明的目标区域的评估方法中，还包括步骤：综合每类素材图片的场景覆盖率、人群拥挤度、车辆拥挤度、拎包量、绿化量、场景吸引度、场景色彩度、认可度和消费特点对该目标区域进行总评分。
根据本发明的另一方面，提供了一种计算设备，包括：一个或多个处理器；存储器；和一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行如上所述的目标区域的评估方法的指令。
根据本发明的再一方面，提供了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当计算设备执行时，使得所述计算设备执行如上所述的目标区域的评估方法。
根据本发明的技术方案，使用图像处理技术与自然语言处理方式从多个维度对旅游消费地进行评估。该评价体系可以包括场景覆盖率、人群拥挤度、车辆拥挤度、拎包量、绿化量、场景吸引度、场景色彩度、认可度和消费特点等多种项目，能够最全面地给出目标区域的详细特点，以便开发者对其进行针对性的改进。
附图说明
为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的计算设备100的示意图；
图2示出了根据本发明一个实施例的目标区域的评估方法200的流程图；
图3a-3c分别示出了根据本发明一个实施例的三类素材图片的示意图；
图4示出了根据本发明一个实施例的图像识别技术的示意图；
图5示出了根据本发明一个实施例的上海不同消费地的植物覆盖率；
图6示出了根据本发明一个实施例的上海武康路的场景覆盖率；以及
图7-图12分别示出了根据本发明一个实施例的上海不同消费地的人群拥挤度、车辆拥挤度、绿化量、拎包量、场景审美评分和色彩度。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1是示例计算设备100的框图。在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上利用程序数据124进行操作。程序数据124包括指令，在根据本发明的计算设备100中，程序数据124包含用于执行目标区域的评估方法200的指令。
计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100可以实现为服务器，例如文件服务器、数据库服务器、应用程序服务器和WEB服务器等，也可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、个人数字助理(PDA)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。计算设备100还可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。在一些实施例中，计算设备100被配置为执行根据本发明的目标区域的评估方法200。
此外，计算设备100中还可以存储有能够识别图片中的静态和/或动态实体的图像处理模型、以及能够判断社交媒体数据的情感倾向的文本处理模型。其中，静态实体可以包括植物、天空、道路和建筑中的至少一种，动态实体可以包括人、车辆、包、绿植中的至少一种，情感倾向可以包括正面评价和负面评价，进一步地还可以包括中姓评价。
图2示出了根据本发明一个实施例的目标区域的评估方法200的流程图，适于在计算设备中执行，如在计算设备100中执行。通常，目标区域可以是某个旅游消费地(如上海武康路、K11等)，或者某个项目考察地，当然不限于此，本发明对此不作限制。如图2所述，该方法始于步骤S220。
在步骤S220中，获取多张该目标区域内的素材图片，以及与该目标区域相关的社交媒体数据。
根据一个实施例，素材图片可以包括该目标区域内的整体场景照片、店铺内景照片和视频照片的至少一种，视频照片可以是从该目标区域内的拍摄视频中截取出的单帧照片。一般地，可以从所要研究的旅游消费地拍照，获取该地场景的照片与视频，最终形成三类的图像数据。其中，整体场景照片在照片采集时，要求覆盖研究场地的大部分场景，并尽量多的从不同的角度拍摄照片，模仿人的视觉行为，如图3a。除了场景的拍摄以外还需要单独拍摄消费地的所有店铺，因此店铺内景照片的图像数据要求尽可能涵盖整个店铺的全貌，如图3b。视频照片数据可以在消费地人流量较多的地方拍摄视频，通过后期处理将其变为一帧一帧的照片，如图3c，可以根据实际需要在同一场所的多个地方采集，时长在五分钟以内。
除了图像数据以外，还需要获取与该目标区域相关的社交媒体数据，如社交媒体上针对该目标区域的开放评论数据。通常可以该目标区域为关键词进行获取，比如获取大众点评、马蜂窝、微博等app上关于该目标区域的评论或帖子。获取该目标区域的社交媒体数据时以该目标区域为关键词进行获取，其中关键词可以为该目标区域的全称、简称、英文名字或英文缩写。
随后，在步骤S240中，根据图像处理模型识别每张素材图片中的静态和/或动态实体，并基于所识别的静态和/或动态实体信息来对该目标区域的商业成熟度进行评估。
如上所述，静态实体可以是天空、建筑等，动态实体可以是人、车辆等。根据本发明的一个实施例，图像处理模型可以包括能够识别图像中的静态实体的第一网络模型，也就是将图片输入到该第一网络模型中就能识别得到该图片中的植物、天空、道路和建筑等。此外，图像处理模型还可以包括能够识别图像中的动态实体的第二网络模型，也就是将图片输入到该第二网络模型中就能识别得到该图片中的人、车辆、包、绿植等。
应当理解，第一和第二网络模型可以是现有技术中的任意网络模型，其只要能对图片中的内容进行对应识别即可，通常采用现有的图像识别和目标检测技术即可实现。如图4示出了根据本发明一个实施例的图像识别技术的示意图，其通过图像识别和目标检测技术识别出了照片中的实体。一般地，第一网络模型可以先预先采集多张对图片中的植物、天空、道路和/或建筑进行标记过的图片，然后输入到神经网络中进行训练学习，从而得到该第一网络模型。同理可用标记过人、车辆、包和/或绿植的图片对神经网络进行训练学习，得到该第二网络模型。一般地，第一网络模型可以是现有技术中的PSPNet场景解析网络模型，第二网络模型可以是现有技术中的YOLOv3神经网络模型。关于各模型的结构和参数，本领域技术人员可以根据需要对其进行设置，本发明对此不作限定。
根据本发明的一个实施例，基于所识别的静态和/或动态实体信息来对该目标区域的商业成熟度进行评估的步骤可以包括：通过统计每种静态实体在每类素材图片中的平均像素点占比，来对该种静态实体在该目标区域的场景覆盖率进行评估；和/或通过统计每种动态实体在每类素材图片中的平均数量，来对该目标区域的发展规模进行评估。
对于不同的静态实体，其场景覆盖率分别对应为植物覆盖率、天空覆盖率、建筑覆盖率、道路覆盖率。以植物覆盖率举例，首先可以按照目标检测的结果计算每张照片中的植物实体的像素在该照片总像素中所占比例，进而计算每类素材图像的平均像素占比，也就是同类图片的植物像素占比之和除以该类图片的总数。这样可以分别得到植物实体在三类素材图片的平均像素占比。平均像素占比可以直接作为场景覆盖率这个评价指标，也可以乘以一定权重后作为场景覆盖率，本领域技术人员可以根据需要自行设定，本发明对此不作限定。图5示出了上海不同消费地(K11、思南路、1933、武康路)的三类素材图片中的植物覆盖率。
同理可分别得到天空实体、道路实体和建筑实体在三类素材图片的平均像素占比。图6示出了上海武康路的各种静态实体的场景覆盖率。关于场景覆盖率的评估，可以直接基于该场景覆盖率数值进行评估，也可以将场景覆盖率转化为对应的得分数值进行评分，本领域技术人员同样可以根据需要划定评分标准，如可以设定场景覆盖率乘以100作为得分，也可以设定0-10％为10分，10-20％为20分，依次类推。当然也可以设定其他划分标准，如设定预定公式算法进行计算，本发明对此不作限制。另外，还可以设置优良劣三种评分标准，最终以优良劣三种结果来代表其评估结果，评分标准可自行设定，本发明对此不作限制。
对于不同的动态实体，通过统计每种动态实体在每类素材图片中的平均数量，来对该目标区域的发展规模进行评估的步骤可以包括：通过统计每类素材图片中的平均人数来对该目标区域的人群拥挤度进行评估、通过统计每类素材图片中的平均车辆来对该目标区域的车辆拥挤度进行评估、通过统计每类素材图片中的平均拎包数来对该目标区域的拎包量进行评估、和/或通过统计每类素材图片中的平均绿植数来对该目标区域的绿化量进行评估。关于各项指标的评估，同样可以基于其拥挤度或拎包量绿化量的数值进行评估，也可以将各个指标项转化为相应的得分分数进行评估，而且每种评分还可以设置不同的权重值，本发明对此均不作限制，如人群拥挤度和车辆拥挤度比较重要，其权重值可以设置稍微高些。具体的评分方式本领域技术人员可以根据需要自行进行设定，本发明对此不作限制。另外，同样还可以设置优良劣三种评分标准，并以优良劣来表示其评估结果，评分标准可自行设定，本发明对此不作限制。应当理解，动态实体的发展规模可以是人群拥挤度、车辆拥挤度、拎包量、绿化量中的某单个指标，也可以是其中多个指标的组合。这样，动态实体的发展规模评分既可以是某单个指标评分，也可以是其中多个评分的组合评分。
以平均人数为例，与平均像素占比类似，首先可以统计每张照片中的人数，然后统计同类素材图片中的人数平均值，以此来衡量人群拥挤度。对于某个消费场所，某类型所有照片人数的平均值可以作为该地人群拥挤度的度量，它能够在一定程度上衡量该地的人流量状况。图7示出了上海不同消费地的人群拥挤度。关于人群拥挤度的评分，本领域技术人员同样可以根据需要设定评分标准，人数越多代表人群拥挤度越大，说明目标区域发展越成熟，如100人以内得分为10，200人得分20，300人得分30，依次类推。当然也可以设定其他划分标准，如设定预定公式算法进行计算，本发明对此不作限制。
用目标检测的技术可以识别检测出三类素材图片中的车辆，进而统计每张图片中的车辆数。对于某个消费场所，某类型所有素材图片的车辆数的平均值可以作为该地车辆拥挤度的度量，它能够在一定程度上衡量该地的交通状况；某类型所有照片植物数的平均值可以作为该地的绿化量，它能够在一定程度上衡量该地的绿化程度；某类型所有照片手提包数的平均值可以作为该地的拎包量，它能够在一定程度上衡量该地的商业购物程度。平均车辆数、平均拎包数、平均绿植数同样可按照类似方法计算，车辆拥挤度、绿化量、拎包量同样可设定预定标准进行划分，本发明对此不作限定。其数值越大代表目标区域发展越成熟。如20辆车以内得分为10，30辆车以内得分15，40辆车以内得分20，依次类推；5棵绿植以内得分为10，10棵以内得分20，15棵以内得分30，依次类推。图8-图10分别示出了上海不同消费地的车辆拥挤度、绿化量和拎包量。
根据本发明的一个实施例，图像处理模型还可以包括能够给出图像场景审美评分的第三网络模型，该第三网络模型可以为谷歌的卷积神经网络模型。该模型使用了人对于图片场景符合审美程度的标记数据训练生成，利用该模型可以对图像数据输出一个打分，这个分数可以衡量一个场景对人的吸引程度，即场景吸引度。对于某个消费场所，某类型所有图像数据的平均场景审美评分作为该地的场景审美评分。同样应当理解，第三网络模型可以是现有技术中的任意网络模型，其只要能够给出图片的审美评分即可，其具体参数和结构，本领域技术人员可以根据需要自行进行设定。
因此，本发明还可以包括步骤：将各素材图片输入到第三网络模型中，得到各素材图片的场景审美评分；计算每类素材图片的平均场景审美评分，并综合每类素材图片的平均场景审美评分对该目标区域的场景吸引度进行评估。图11示出了上海不同消费地的场景审美评分。场景审美评分按十分制的话，可以将场景审美评分乘以10得到百分之的场景吸引度评分。当然也可以按照其他评级标准，本发明对此不作限制。
根据本发明的另一个实施例，还可以用图像识别的方法识别一个场景的色彩数量，该数量可以用来衡量一个地方的色彩度，因为色彩数量很可能影响一个场景对人的吸引度，有研究指出过色彩越丰富的场景给人的感觉越好。对于某个消费场所，某类型所有图像数据的平均颜色数量作为该地的场景色彩度。图12示出了上海不同消费地的场景色彩度。
具体地，可以获取各图片中每个像素的RGB三通道色度值，并计算每个像素的红绿偏向值rg和黄蓝偏向值yb；计算每张图片中所有像素的rg均值μrg、yb均值μyb、rg方差σrg和yb方差σryb，并进一步计算每张图片的颜色偏向均值μrgyb和颜色偏向均方差σrgyb；根据每张图片的μrgyb和σrgyb计算各图片中的颜色数量m，并统计每类图片的平均颜色数量；以及综合每类素材图片的平均颜色数量对该目标区域的场景色彩度进行评估。其中，可以采用以下公式对以上参数进行求解：
m＝σrgyb+0.3*μrgyb。关于场景色彩度的评分，同样本领域技术人员可以自行设定评分标准，本发明对此不作限制，例如可以直接用计算得到的场景色彩度作为场景色彩度评分。
以上提及了多种评估指标，如静态实体的植物覆盖率、建筑覆盖率等场景覆盖率评估，动态实体的人群拥挤度评估、车辆拥挤度评估、拎包量评估、绿化量评估，拎包量评估等。应当理解，步骤S240中的商业成熟度评估，可以基于动静态实体中的任一指标进行评估，也可以是动静态实体中的任多项或全部指标进行评估，其可以任意组合，本发明对此不作限制。此外，还可以将动静态实体评估结果与场景吸引度评估结果和/或场景色彩度评估结果结合后来评估商业成熟度，本发明对此均不作限制。而且，当采用评分方式时每种评分还可以设置不同的权重，在评估商业成熟度时还可以将评分乘以不同的权重值。或者也可以通过优良劣三种结果来进行评估。另外，应当理解，对于关于图片的各项指标，每种素材图片都会有得到一个指标值，在进行评估时，可以组合三种素材图片进行评估，也可以只选其中一种进行评估们，具体可以根据目标区域的性质来进行选择，本发明对此不作限制。
与步骤S240同步地，可以在步骤S260中，根据文本处理模型中得到每条社交媒体数据的情感倾向，并基于所得到的情感倾向来对该目标区域的认可度进行评估。具体地，可以通过统计所有情感倾向中正面评价所占比例，来对大众对该目标区域的认可度进行评估。例如，为了了解用户对某目的地的喜爱程度，可以对社交媒体数据进行情感分析，将每一条评论作为一条数据进行情感分析，看它是积极还是消极，最后，将积极数据记录占所有记录数的百分比作为该消费地的认可度，结果如下表所示，其分别代表微博、马蜂窝、大众点评上的用户对武康路、思南路、1933和K11的认可度。同样应当理解，可以基于该认可度数值进行评估，也可以将认可度转换为不同层级的得分分数或优良劣进行评估，本发明对此不作限制。关于认可度评分，同样本领域技术人员可以自行设定评分标准，本发明对此不作限制，例如可以将认可度乘以100后作为认可度评分。
此外，根据本发明的一个实施例，可以对每条社交媒体数据进行切词分析，得到其中与社交活动有关的词语，作为该目标区域的消费特点，其中消费特点包括购物式消费、观赏游览性消费和饮食性消费中的至少一种。社交活动类词语通常可以为拍照、吃饭、餐馆、观赏、购物等。也就是通过对该消费地的社交媒体评论数据应用TF-IDF方式提取关键词，来找到人们对于该消费地的兴趣活动。下表示出了上海不同消费地的消费特点，例如武康路的主要消费特点是拍照，思南路的主要消费特点是餐馆饮食。
| Location | Consumption patterns |
| Wukang Road | Architecture-Taking pictures |
| Sinan Road | Restaurants |
| 1933 | Art and Design-Taking pictures/Photo shooting |
| K11 | Fashion-Shopping |
随后，在步骤S280中，基于商业成熟度和认可度评估结果来确定目标区域的评估值。
这里本发明将商业成熟度和认可度结合起来对确定目标区域的评估值。通常，可以直接将其总和作为评估值，也可以对两项结果的评分值设置不同的权重值，将两项评分乘以各自权重值后得到总评估值。关于各项的权值的设定，本领域技术人员可以根据需要或重要程度自行进行设定，本发明对此不作限制。进一步地还可以将该评估值结合消费特点来对目标区域进行评估。通过各项评价指标的结果可以挖掘消费地的特点以及该场景的可改进的空间，如评估结果为优的通常是该消费地的特点，而为劣的通常是其需要改进的地方。
根据本发明的一个实施例，可以综合每类素材图片的场景覆盖率、人群拥挤度、车辆拥挤度、拎包量、绿化量、场景吸引度、场景色彩度、认可度和消费特点对该目标区域进行总评分。也就是，可以直接将每个单项评分乘以对应权重值后求和得到目标区域的总评分。另外，还可以通过统计所有指标中的优良劣数目或比例来确定评估值，如可以评估结果为优的指标比例作为其评估值，当然不限于此，本发明对此不作限制。
根据本发明的技术方案，采用了图像处理技术与社交媒体数据对特定消费地等目标区域进行评价，如采用图像识别和目标检测技术识别图像中的动静态实体，利用社交媒体数据获取目标区域的认可度和消费特点。设定评价体系包含场景覆盖率、人群拥挤度、车辆拥挤度、绿化量，拎包量、场景吸引度、场景色彩度、认可度和消费特点等多种评价指标，从而能够从最大范围的对该目标区域进行全面型评价，进而可以针对其中的得分弱项提出针对性的改进方法。
A9、如A1-A6中任一项所述的方法，所述图像处理模型还包括能够给出图片的场景审美评分的第三网络模型，该方法还包括步骤：将各素材图片输入到所述第三网络模型中，得到各图片的场景审美评分；计算每类素材图片的平均场景审美评分，并综合每类素材图片的平均场景审美评分对该目标区域的场景吸引度进行评估。
A10、如A9所述的方法，其中，所述第一网络模型为PSPNet场景解析网络模型，所述第二网络模型为YOLOv3神经网络模型，所述第三网络模型为卷积神经网络模型。
A11、如A1所述的方法，还包括步骤：获取各图片中每个像素的RGB三通道色度值，并计算每个像素的红绿偏向值rg和黄蓝偏向值yb；计算每张图片中所有像素的rg均值μrg、yb均值μyb、rg方差σrg和yb方差σryb，并进一步计算每张图片的颜色偏向均值μrgyb和颜色偏向均方差σrgyb；根据每张图片的μrgyb和σrgyb计算各图片中的颜色数量m，并统计每类素材图片的平均颜色数量；以及综合每类素材图片的平均颜色数量对该目标区域的场景色彩度进行评估。
A12、如A11所述的方法，其中，
A13、如A1-A12中任一项所述的方法，还包括步骤：对每条社交媒体数据进行切词分析，得到其中与社交活动有关的词语，作为该目标区域的消费特点，所述消费特点包括购物式消费、观赏游览性消费和饮食性消费中的至少一种。
A14、如A13所述的方法，其中，目标区域的社交媒体数据时以该目标区域为关键词进行获取，其中关键词为该目标区域的全称、简称、英文名字或英文缩写，所述切词分析方法为IF-IDF方法。
A15、如A13所述的方法，还包括步骤：综合每类素材图片的场景覆盖率、人群拥挤度、车辆拥挤度、拎包量、绿化量、场景吸引度、场景色彩度、认可度和消费特点对该目标区域进行总评分。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的目标区域的评估方法。
以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。
Claims (16)
1.一种目标区域的评估方法，适于在计算设备中执行，所述计算设备中存储有能够识别图片中的静态和/或动态实体的图像处理模型、以及能够判断社交媒体数据的情感倾向的文本处理模型，该方法包括：
获取多张该目标区域内的素材图片，以及与该目标区域相关的社交媒体数据；
根据所述图像处理模型识别每张素材图片中的静态和/或动态实体，并基于所识别的静态和/或动态实体信息来对该目标区域的商业成熟度进行评估；
根据所述文本处理模型得到每条社交媒体数据的情感倾向，并基于所得到的情感倾向来对该目标区域的认可度进行评估；以及
基于商业成熟度和认可度评估结果来确定所述目标区域的评估值；
其中，所述社交媒体数据为社交媒体上针对所述目标区域的开放评论数据；获取该目标区域的社交媒体数据时以该目标区域为关键词进行获取；
所述图像处理模型还包括能够给出图片的场景审美评分的第三网络模型，该方法还包括步骤：
将各素材图片输入到所述第三网络模型中，得到各图片的场景审美评分；
计算每类素材图片的平均场景审美评分，并综合每类素材图片的平均场景审美评分对该目标区域的场景吸引度进行评估。
2.如权利要求1所述的方法，其中，所述素材图片包括该目标区域内的整体场景照片、店铺内景照片和视频照片的至少一种，所述视频照片是从该目标区域内的拍摄视频中截取出的单帧照片。
3.如权利要求1或2所述的方法，其中，所述基于所识别的静态和/或动态实体信息来对该目标区域的商业成熟度进行评估的步骤包括：
通过统计每种静态实体在每类素材图片中的平均像素点占比，来对该种静态实体在该目标区域的场景覆盖率进行评估；和/或
通过统计每种动态实体在每类素材图片中的平均数量，来对该目标区域的发展规模进行评估。
4.如权利要求1所述的方法，其中，所述情感倾向包括正面评价和负面评价，基于所获得的情感倾向来对该目标区域的认可度进行评估的步骤包括：
通过统计所有情感倾向中正面评价所占比例，来对该目标区域的认可度进行评估。
5.如权利要求1所述的方法，其中，所述图像处理模型包括能够识别图像中的静态实体的第一网络模型，所述静态实体包括植物、天空、道路和建筑中的至少一种。
6.如权利要求1或2所述的方法，其中，所述图像处理模型还包括能够识别图像中的动态实体的第二网络模型，所述动态实体包括人、车辆、包、绿植中的至少一种。
7.如权利要求3所述的方法，其中，通过统计每种动态实体在每类素材图片中的平均数量，来对该目标区域的发展规模进行评估的步骤包括：
通过统计每类素材图片中的平均人数，来对该目标区域的人群拥挤度进行评估；和/或
通过统计每类素材图片中的平均车辆数，来对该目标区域的车辆拥挤度进行评估。
8.如权利要求3所述的方法，其中，通过统计每种动态实体在每类素材图片中的平均数量，来对该目标区域的发展规模进行评估的步骤包括：
通过统计每类素材图片中的平均拎包数，来对该目标区域的拎包量进行评估；和/或
通过统计每类素材图片中的平均绿植数，来对该目标区域的绿化量进行评估。
9.如权利要求1所述的方法，其中，所述图像处理模型包括能够识别图像中的静态实体的第一网络模型以及能够识别图像中的动态实体的第二网络模型；
所述第一网络模型为PSPNet场景解析网络模型，所述第二网络模型为YOLOv3神经网络模型，所述第三网络模型为卷积神经网络模型。
10.如权利要求1所述的方法，还包括步骤：
获取各图片中每个像素的RGB三通道色度值，并计算每个像素的红绿偏向值rg和黄蓝偏向值yb；
计算每张图片中所有像素的rg均值μrg、yb均值μyb、rg方差σrg和yb方差σryb，并进一步计算每张图片的颜色偏向均值μrgyb和颜色偏向均方差σrgyb；
根据每张图片的μrgyb和σrgyb计算各图片中的颜色数量m，并统计每类素材图片的平均颜色数量；以及
综合每类素材图片的平均颜色数量对该目标区域的场景色彩度进行评估。
11.如权利要求10所述的方法，其中，
m＝σrgyb+0.3*μrgyb。
12.如权利要求1或2所述的方法，还包括步骤：
对每条社交媒体数据进行切词分析，得到其中与社交活动有关的词语，作为该目标区域的消费特点，所述消费特点包括购物式消费、观赏游览性消费和饮食性消费中的至少一种。
13.如权利要求12所述的方法，其中，目标区域的社交媒体数据是以该目标区域为关键词进行获取，其中关键词为该目标区域的全称、简称、英文名字或英文缩写，所述切词分析方法为IF-IDF方法。
14.如权利要求12所述的方法，还包括步骤：
综合每类素材图片的场景覆盖率、人群拥挤度、车辆拥挤度、拎包量、绿化量、场景吸引度、场景色彩度、认可度和消费特点对该目标区域进行总评分。
15.一种计算设备，包括：
至少一个处理器；以及
包括计算机程序指令的至少一个存储器；
所述至少一个存储器和所述计算机程序指令被配置为与所述至少一个处理器一起使得所述计算设备执行如权利要求1-14中任一项所述的方法。
16.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由处理器执行时，使得计算设备执行根据权利要求1-14中所述的方法中的任一方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811257573.7A CN109409743B (zh) | 2018-10-26 | 2018-10-26 | 一种目标区域的评估方法和计算设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811257573.7A CN109409743B (zh) | 2018-10-26 | 2018-10-26 | 一种目标区域的评估方法和计算设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109409743A CN109409743A (zh) | 2019-03-01 |
| CN109409743B true CN109409743B (zh) | 2022-09-02 |
Family
ID=65469866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811257573.7A Active CN109409743B (zh) | 2018-10-26 | 2018-10-26 | 一种目标区域的评估方法和计算设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109409743B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110189016A (zh) * | 2019-05-27 | 2019-08-30 | 中译语通科技股份有限公司 | 技术生命周期评估方法和装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933286A (zh) * | 2015-03-13 | 2015-09-23 | 华南理工大学 | 一种基于大数据的城市空间品质评价方法 |
| CN107909401A (zh) * | 2017-11-14 | 2018-04-13 | 阮敬 | 一种基于大数据技术的满意度测算方法 |
| CN107944614A (zh) * | 2017-11-20 | 2018-04-20 | 章文洁 | 一种分析城市综合体活力的方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104504112B (zh) * | 2014-12-30 | 2017-11-28 | 何业文 | 影院信息采集系统 |
| US9619703B2 (en) * | 2015-04-10 | 2017-04-11 | Tata Consultancy Services Limited | Method and system for geo-demographic classification of a geographical region |
-
2018
- 2018-10-26 CN CN201811257573.7A patent/CN109409743B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104933286A (zh) * | 2015-03-13 | 2015-09-23 | 华南理工大学 | 一种基于大数据的城市空间品质评价方法 |
| CN107909401A (zh) * | 2017-11-14 | 2018-04-13 | 阮敬 | 一种基于大数据技术的满意度测算方法 |
| CN107944614A (zh) * | 2017-11-20 | 2018-04-20 | 章文洁 | 一种分析城市综合体活力的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109409743A (zh) | 2019-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yao et al. | A human-machine adversarial scoring framework for urban perception assessment using street-view images | |
| Kang et al. | A review of urban physical environment sensing using street view imagery in public health studies | |
| Fu et al. | Do street-level scene perceptions affect housing prices in Chinese megacities? An analysis using open access datasets and deep learning | |
| Clemente et al. | Combining social media photographs and species distribution models to map cultural ecosystem services: The case of a Natural Park in Portugal | |
| Porzi et al. | Predicting and understanding urban perception with convolutional neural networks | |
| US20240028623A1 (en) | Systems and methods for utilizing property features from images | |
| Li et al. | Building block level urban land-use information retrieval based on Google Street View images | |
| Yu et al. | View-based greenery: A three-dimensional assessment of city buildings’ green visibility using Floor Green View Index | |
| Richards et al. | A rapid indicator of cultural ecosystem service usage at a fine spatial scale: Content analysis of social media photographs | |
| US20160358190A1 (en) | Methods and apparatus to estimate a population of a consumer segment in a geographic area | |
| CN107291888B (zh) | 基于机器学习统计模型的入住酒店附近生活推荐系统方法 | |
| WO2016136056A1 (ja) | 情報処理装置、情報処理方法およびプログラム | |
| CN107436950A (zh) | 一种旅行路线推荐方法及系统 | |
| CN103399900B (zh) | 基于位置服务的图片推荐方法 | |
| CN109685090A (zh) | 热度评测模型的训练方法、热度评测方法以及相关设备 | |
| Wang et al. | Quantifying legibility of indoor spaces using Deep Convolutional Neural Networks: Case studies in train stations | |
| Wang et al. | Distortion recognition for image quality assessment with convolutional neural network | |
| CN109409743B (zh) | 一种目标区域的评估方法和计算设备 | |
| Zhao et al. | Deep CNN-based methods to evaluate neighborhood-scale urban valuation through street scenes perception | |
| Zhou et al. | Evaluating building color harmoniousness in a historic district intelligently: An algorithm-driven approach using street-view images | |
| CN110096609A (zh) | 房源搜索方法、装置、设备及计算机可读存储介质 | |
| Hipp et al. | Learning from outdoor webcams: surveillance of physical activity across environments | |
| Hauthal et al. | Using VGI for analyzing activities and emotions of locals and tourists | |
| Liebig et al. | Methods for analysis of spatio-temporal bluetooth tracking data | |
| Li et al. | Classification of photo-realistic 3D window views in a high-density city: The case of Hong Kong |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 100027 302, 3 / F, aviation service building, Dongzhimen street, Dongcheng District, Beijing Applicant after: BEIJING TENDCLOUD TIANXIA TECHNOLOGY Co.,Ltd. Address before: Room 2104, 2 / F, building 4, 75 Suzhou street, Haidian District, Beijing 100027 Applicant before: BEIJING TENDCLOUD TIANXIA TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An evaluation method and calculation equipment for target area Effective date of registration: 20230131 Granted publication date: 20220902 Pledgee: Bank of Hangzhou Limited by Share Ltd. Beijing branch Pledgor: BEIJING TENDCLOUD TIANXIA TECHNOLOGY CO.,LTD. Registration number: Y2023110000038 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20230425 Granted publication date: 20220902 Pledgee: Bank of Hangzhou Limited by Share Ltd. Beijing branch Pledgor: BEIJING TENDCLOUD TIANXIA TECHNOLOGY CO.,LTD. Registration number: Y2023110000038 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An Evaluation Method and Computing Equipment for Target Areas Effective date of registration: 20230428 Granted publication date: 20220902 Pledgee: Bank of Hangzhou Co.,Ltd. Beijing Chaoyang Wenchuang Sub branch Pledgor: BEIJING TENDCLOUD TIANXIA TECHNOLOGY CO.,LTD. Registration number: Y2023110000178 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |