一种基于计算机视觉的手机估价系统及其估价方法
技术领域
发明涉及一种手机估价系统,具体是一种基于计算机视觉的手机估价系统。
背景技术
手机、全称为移动电话或无线电话,通常称为手机,原本只是一种通讯工具,早期又有大哥大的俗称,是可以在较广范围内使用的便携式电话终端。
手机最早是由美国贝尔实验室在1940年制造的战地移动电话机发展而来,然而随着现代科技的进步,手机更新换代也变得日常频繁。
然而很多人在手机使用过程中会遗忘自己手机型号,这在手机维修和变卖过程造成了一定的困难,同时由于用户在维修手机过程不了解自己手机保价,往往会造成维修费用远大于更换手机的费用,用户也会在手机变卖过程中存在估价过低的情况。
发明内容
发明目的:提供一种基于计算机视觉的手机估价系统,以解决现有技术存在的上述问题。
技术方案:一种基于计算机视觉的手机估价系统,包括:
用于收集手机型号数据的手机型号数据收集模块;
用于建立手机型号评估模型的手机型号评估模型构建模块;
用于采集收集图像的手机图像采集模块;
用于检测手机型号的手机型号检测模块;
以及用估价手机的手机折旧估价模块。
在进一步的实施例中,所述手机型号数据收集模块主要用于收集大量的手机型号数据;手机型号数据由手机外观图像和对应的手机型号标签组成,设计手机型号数据收集模块主要为了进行对手机型号数据的收集,进而给予手机型号检测模块对比图像,进而完成对手机型号的对比,进而完成对手机与型号配对。
在进一步的实施例中,所述手机型号评估模型构建模块用于手机型号评估模型;根据计算机视觉技术,采用了卷积、激活、池化层和全连接,进行对输入图像的处理,设计手机型号评估模型构建模块主要用于使用卷积进行模拟手机场景,使用卷积进行解决当采集的输入图像出现卡顿时,进行对卡顿现象的流畅播放,而设计池化层主要为了可以将一个局部区域的特征进一步进行抽象,池化可以减少参数数量及降低图像的维度,而设计全连接主要是为了进行对固定输入图像的输入尺寸,进而将输入尺寸预先录入手机型号检测模块中,用以对比估价手机的型号。
在进一步的实施例中,所述手机图像采集模块,用于采集用户放在系统平台上的手机外观图像,设计手机图像采集模块进行对需要进行估价手机的外观进行图像采集,进而与手机型号检测模块中预先录入的各个手机数据进行对比。
在进一步的实施例中,所述手机型号检测模块用于将系统采集到的手机外观图像放入系统的手机型号评估模型中;图像经过训练好的手机型号评估模型处理后,返回预测的型号结果,手机型号检测模块主要进行对估价手机的型号进行匹配,进而给出用户至少两个选择的手机型号,用户根据自身手机进行旋转,以确保对比出的手机型号的准确度。
在进一步的实施例中,所述手机折旧估价模块给予用户选择此手机型号的相应配置和使用时间,系统自动读取当前手机型号下相应配置的价格,根据使用时间和外观情况计算折旧价格。
一种基于计算机视觉的手机估价系统的估价方法,包括:
步骤1、此时手机型号数据收集模块首先收集大量的手机型号数据,手机型号数据由手机外观图像和对应的手机型号标签两部分组成,其中大部分数据用于手机型号评估模型构建模块的训练,这可以让模型通过大量的数据学习到各手机型号的特征,通过这些特征,模型可以知道不同外观的手机对应的型号,少量的数据用于最后的手机型号检测模块,根据这些数据评估结果判断模型学习的效果,并进行改进和升级;
步骤2、在通过手机型号评估模型模块根据计算机视觉技术,采用了下述四个基本的操作,分别为卷积、激活、池化层和全连接,将图像输入到手机型号评估模型模块中,模块通过卷积、激活、池化得到特征图,之后对特征图进行多次全连接操作,最终得到型号标签的预测结果;
卷积:每次将输入数据进行全局加权变换,得到相同大小深度为1的数据;其定义为
其中,X(m,n)表示输入图像在正常程度下的播放情况,H(m,n)表示网络卡顿卷积核,Y(m,n)表示输入图像卡顿,通过Y(m,n)估计出H(m,n),进而采取措施X(m,n)解决输入图像卡顿现象;g[x,y]表示输入数据,f[x,y]表示权重分布;
激活:对输入数据进行非线性变换,得到相同数量的数据,为了使得卷积神经网络能够学习到图像中的非线性特征信息,在卷积操作后面添加非激活函数:
其中
表示卷积计算结果,其中(M,N)表示输入图像的尺寸大小,W表示卷积核的大小,b为卷积层中的偏置大小;
池化层:对输入数据进行等间隔采样,减小参数量:
最大池化是对每个4X4小区域选取最大值作为池化结果;
全连接:每次对输入数据进行加权计算,得到一个加权和,其可以表示为:
其中x为全连接层的输入值,输出维度为v,w为输出维度;
步骤3、此时再通过手机图像采集模块用户将手机放在系统平台上,系统将自动采集到手机外观图像,此时由手机图像采集模块将采集到的手机图像传送至手机型号检测模块,进而由手机型号检测模块进行对手机型号的对比检测;
步骤4、此时使用手机型号检测模块,系统将采集到的手机外观图像放入系统的手机型号检测模块中,图像经过训练好的手机型号检测模块处理后,返回预测的型号结果;此时将给出手机型号检测模块给出的至少两组型号给予用户选择最为匹配手机的选项;
步骤5、最后使用手机折旧估价模块,用户选择此手机型号的相应配置和使用时间,系统自动读取当前手机型号下相应配置的价格,根据使用时间和外观情况计算折旧价格;折旧价格计算公式可表示为:
折旧价格=折旧率(每日)×产品使用时间(日)×产品价格
不同手机的折旧率是不同的,手机外观情况也会对折旧率产生影响;当然系统给出的价格是预期价格并不是最终价格,只能作为参考价格,具体价格情况还要对手机配置和性能进行综合评价。
有益效果:发明公开了一种基于计算机视觉的手机估价系统,本发明提出利用计算机视觉技术,建立手机估计系统,该系统可以根据手机外观自动识别不同型号的手机,并提供所有预测的型号供用户选择,同时根据此型号下配置、使用时间和手机外观情况预估此手机的折旧价格,进而给出用户的具体估值情况,进而防止用户在手机损坏时维修费用远大于更换手机的费用,同时也不会出现用户手机变卖过程中存在估价过低的情况。
附图说明
图1是发明的系统模块示意图。
图2时本发明的评估模型构建模块的流程图。
具体实施方式
经过申请人的研究分析,出现这一问题(现有手机维修费用远大于更换手机的费用,也会在手机变卖过程中存在估价过低)的原因在于,很多人在手机使用过程中会遗忘自己手机型号,这在手机维修和变卖过程造成了一定的困难,同时由于用户在维修手机过程不了解自己手机保价,往往会造成维修费用远大于更换手机的费用,用户也会在手机变卖过程中存在估价过低的情况,而本发明提出利用计算机视觉技术,建立手机估计系统,该系统可以根据手机外观自动识别不同型号的手机,并提供所有预测的型号供用户选择,同时根据此型号下配置、使用时间和手机外观情况预估此手机的折旧价格,进而给出用户的具体估值情况,进而防止用户在手机损坏时维修费用远大于更换手机的费用,同时也不会出现用户手机变卖过程中存在估价过低的情况。
一种基于计算机视觉的手机估价系统,包括:五大模块,分别为用于收集手机型号数据的手机型号数据收集模块;用于建立手机型号评估模型的手机型号评估模型构建模块;用于采集收集图像的手机图像采集模块;用于检测手机型号的手机型号检测模块;以及用估价手机的手机折旧估价模块。
其中所述手机型号数据收集模块主要用于收集大量的手机型号数据;手机型号数据由手机外观图像和对应的手机型号标签组成,设计手机型号数据收集模块主要为了进行对手机型号数据的收集,进而给予手机型号检测模块对比图像,进而完成对手机型号的对比,进而完成对手机与型号配对,手机型号数据收集模块首先收集大量的手机型号数据,手机型号数据由手机外观图像和对应的手机型号标签两部分组成,其中大部分数据用于手机型号评估模型构建模块的训练,这可以让模型通过大量的数据学习到各手机型号的特征,通过这些特征,模型可以知道不同外观的手机对应的型号,少量的数据用于最后的手机型号检测模块,根据这些数据评估结果判断模型学习的效果,并进行改进和升级;
所述手机型号评估模型构建模块用于手机型号评估模型;根据计算机视觉技术,采用了卷积、激活、池化层和全连接,进行对输入图像的处理,设计手机型号评估模型构建模块主要用于使用卷积进行模拟手机场景,使用卷积进行解决当采集的输入图像出现卡顿时,进行对卡顿现象的流畅播放,而设计池化层主要为了可以将一个局部区域的特征进一步进行抽象,池化可以减少参数数量及降低图像的维度,而设计全连接主要是为了进行对固定输入图像的输入尺寸,进而将输入尺寸预先录入手机型号检测模块中,用以对比估价手机的型号,通过手机型号评估模型模块根据计算机视觉技术,采用了下述四个基本的操作,分别为卷积、激活、池化层和全连接,将图像输入到手机型号评估模型模块中,模块通过卷积、激活、池化得到特征图,之后对特征图进行多次全连接操作,最终得到型号标签的预测结果;
卷积:每次将输入数据进行全局加权变换,得到相同大小深度为1的数据;其定义为
其中,X(m,n)表示输入图像在正常程度下的播放情况,H(m,n)表示网络卡顿卷积核,Y(m,n)表示输入图像卡顿,通过Y(m,n)估计出H(m,n),进而采取措施X(m,n)解决输入图像卡顿现象;g[x,y]表示输入数据,f[x,y]表示权重分布;
激活:对输入数据进行非线性变换,得到相同数量的数据,为了使得卷积神经网络能够学习到图像中的非线性特征信息,在卷积操作后面添加非激活函数:
其中
表示卷积计算结果,其中(M,N)表示输入图像的尺寸大小,W表示卷积核的大小,b为卷积层中的偏置大小;
池化层:对输入数据进行等间隔采样,减小参数量:
最大池化是对每个4X4小区域选取最大值作为池化结果;
全连接:每次对输入数据进行加权计算,得到一个加权和,其可以表示为:
其中x为全连接层的输入值,输出维度为v,w为输出维度
所述手机图像采集模块,用于采集用户放在系统平台上的手机外观图像,设计手机图像采集模块进行对需要进行估价手机的外观进行图像采集,进而与手机型号检测模块中预先录入的各个手机数据进行对比,通过手机图像采集模块用户将手机放在系统平台上,系统将自动采集到手机外观图像,此时由手机图像采集模块将采集到的手机图像传送至手机型号检测模块,进而由手机型号检测模块进行对手机型号的对比检测。
所述手机型号检测模块用于将系统采集到的手机外观图像放入系统的手机型号评估模型中;图像经过训练好的手机型号评估模型处理后,返回预测的型号结果,手机型号检测模块主要进行对估价手机的型号进行匹配,进而给出用户至少两个选择的手机型号,用户根据自身手机进行旋转,以确保对比出的手机型号的准确度,手机型号检测模块,系统将采集到的手机外观图像放入系统的手机型号检测模块中,图像经过训练好的手机型号检测模块处理后,返回预测的型号结果;此时将给出手机型号检测模块给出的至少两组型号给予用户选择最为匹配手机的选项。
所述手机折旧估价模块给予用户选择此手机型号的相应配置和使用时间,系统自动读取当前手机型号下相应配置的价格,根据使用时间和外观情况计算折旧价格,使用手机折旧估价模块,用户选择此手机型号的相应配置和使用时间,系统自动读取当前手机型号下相应配置的价格,根据使用时间和外观情况计算折旧价格;折旧价格计算公式可表示为:
折旧价格=折旧率(每日)×产品使用时间(日)×产品价格
不同手机的折旧率是不同的,手机外观情况也会对折旧率产生影响;当然系统给出的价格是预期价格并不是最终价格,只能作为参考价格,具体价格情况还要对手机配置和性能进行综合评价。
工作原理说明:当用户需要件对手机进行估价时,此时由手机型号数据收集模块首先收集大量的手机型号数据,手机型号数据由手机外观图像和对应的手机型号标签两部分组成,其中大部分数据用于手机型号评估模型构建模块的训练,这可以让模型通过大量的数据学习到各手机型号的特征,通过这些特征,模型可以知道不同外观的手机对应的型号,少量的数据用于最后的手机型号检测模块,根据这些数据评估结果判断模型学习的效果,并进行改进和升级,当手机型号数据收集模块收集完成后,此时由手机型号评估模型模块根据计算机视觉技术,采用了下述四个基本的操作,分别为卷积、激活、池化层和全连接,将图像输入到手机型号评估模型模块中,模块通过卷积、激活、池化得到特征图,之后对特征图进行多次全连接操作,最终得到型号标签的预测结果,当输入图像经过通过卷积、激活、池化得到特征图,之后对特征图进行多次全连接操作,最终得到型号标签的预测结果后,再由手机图像采集模块用户将手机放在系统平台上,系统将自动采集到手机外观图像,此时由手机图像采集模块将采集到的手机图像传送至手机型号检测模块,进而由手机型号检测模块进行对手机型号的对比检测,当对比手机图像采集完成后,由手机型号检测模块,系统将采集到的手机外观图像放入系统的手机型号检测模块中,图像经过训练好的手机型号检测模块处理后,返回预测的型号结果;此时将给出手机型号检测模块给出的至少两组型号给予用户选择最为匹配手机的选项,最后使用手机折旧估价模块,用户选择此手机型号的相应配置和使用时间,系统自动读取当前手机型号下相应配置的价格,根据使用时间和外观情况计算折旧价格;折旧价格计算公式可表示为:
折旧价格=折旧率(每日)×产品使用时间(日)×产品价格
不同手机的折旧率是不同的,手机外观情况也会对折旧率产生影响;当然系统给出的价格是预期价格并不是最终价格,只能作为参考价格,具体价格情况还要对手机配置和性能进行综合评价。
以上结合附图详细描述了发明的优选实施方式,但是,发明并不限于上述实施方式中的具体细节,在发明的技术构思范围内,可以对发明的技术方案进行多种等同变换,这些等同变换均属于发明的保护范围。