(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210705344.7 (22)申请日 2022.06.21 (65)同一申请的已公布的文献号 申请公布号 CN 114782797 A (43)申请公布日 2022.07.22 (73)专利权人 深圳市万物云科技有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 周长源　韦程琳　袁戟　 (74)专利代理 机构 深圳市精英专利事务所 44242 专利代理师 王暄 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)(56)对比文件 CN 113269224 A,2021.08.17 CN 103544496 A,2014.01.2 9 WO 2021082743 A1,2021.0 5.06 CN 1098723 64 A,2019.0 6.11 CN 107451 148 A,2017.12.08 CN 112966629 A,2021.0 6.15 CN 111881849 A,2020.1 1.03 CN 114495211 A,2022.05.13 CN 112348057 A,2021.02.09 US 202024242 2 A1,2020.07.3 0 US 20171783 55 A1,2017.0 6.22 卢增.复杂场景 下的行人搜索与识别算法研 究. 《中国优秀硕士学位 论文全文数据库信息科 技辑》 .2022,(第(202 2)03期),I138-1 132. 徐江浪.基 于改进全局—局部注意网络的室 内场景识别方法. 《计算机 应用研究》 .202 2,第39 卷(第1期),316 -320. (续) 审查员 黄娟 (54)发明名称 房屋场景分类方法、 装置、 设备及可读存储 介质 (57)摘要 本发明公开了房屋场景分类方法、 装置、 设 备及可读存储介质。 该方法包括利用SENet网络 对分类图像进行特征提取， 得到分类图像的全局 特征； 对分类图像进行目标检测， 得到所有分类 图像所出现物品的物品信息； 根据物品信息统计 各个物品类别的出现频率， 并提取出现频率高的 若干类物品， 根据物品信息计算每个物品之间的 共现相关性和空间相关性， 得到分类图像中不同 物品类别之间的相关性矩阵； 将相关性矩阵输入 GCN网络进行非线性变换， 得到分类图像的局部 特征； 对全局特征和局部特征进行特征融合， 得 到融合特征， 并通过softmax函数计算融合特征 所属场景类型的概率， 以概率最高的场景类型作为分类结果。 该方法提高房屋场景图像分类的精 确性。 [转续页] 权利要求书4页 说明书9页 附图3页 CN 114782797 B 2022.09.20 CN 114782797 B (56)对比文件 彭太乐.基于镜头及场景 上下文的短视频 标 注方法研究. 《中国博士学位 论文全文数据库信 息科技辑》 .2017,(第(2017)02期),I138-1 18. Hideki Nakayama 等.Scene Clas sifi cation using General ized Local Correlation. 《MVA2009 IAPR Co nference o n Machine Vision Applications》 .2009,195- 198. Jinyi Zou 等.Scene clas sification using local and gl obal features w ith collaborative representati on fusion. 《SLSEVIER》 .2016,209-2 26.2/2 页 2[接上页] CN 114782797 B1.一种房屋场景分类方法， 其特 征在于， 包括： 获取分类图像和预训练的分类模型， 所述分类模型包括SENet网络和GCN网络； 利用所述SENet网络对所述分类图像进行 特征提取， 得到所述分类图像的全局特 征； 对所述分类图像进行目标检测， 得到所有分类图像所出现物品的物品信息， 所述物品 信息包括物品类别、 位置信息和类别置信度； 根据所述物品信息统计各个物品类别的出现频率， 并提取出现频率高的若干类物品， 根据所述物品信息计算每个物品之 间的共现相关性和空间相关性， 得到所述分类图像中不 同物品类别之间的相关性矩阵； 将所述相关性矩阵输入所述GCN网络进行非线性变换， 得到所述分类图像的局部特 征； 对所述全局特征和局部特征进行特征融合， 得到融合特征， 并通过softmax函数计算所 述融合特 征所属场景类型的概 率， 以概率最高的场景类型作为分类结果； 所述根据 所述物品信 息计算每个物品之间的共现相关性和空间相关性， 得到所述分类 图像中不同物品类别之间的相关性矩阵， 包括： 按如下公式计算每 个物品之间的共现相关性C和空间相关性S： ， 其中， 表示第p类物品出现的情形下第1类至第k类物品出现的次 数； ， 其中， 表示第p类物品与第1类至第k类物品的像素距离， 表示第p类物品与第1类至第k类物品的最小像素距离；权　利　要　求　书 1/4 页 2 CN 114782797 B 3