技术摘要：
本申请提供户型识别模型的训练方法及装置、户型判重的方法及装置，其中所述户型判重的方法包括：获取至少两张待判重户型图；将所述待判重户型图输入至户型识别模型中，获取所述户型识别模型输出的每张待判重户型图的预测值；基于每张所述待判重户型图的预测值，对至少  全部
背景技术：
近些年来，随着神经网络技术的快速发展，计算机视觉应用于多种领域，例如将计 算机视觉技术用于房产领域的户型图的识别应用。具体地，在房产领域，会出现对相同户型 图的判定的需求，需要判断两个户型的户型图是否相同。 现有技术中，并没有一套成熟的户型图自动化比对的方法，大多数还在采用人工 比对或者结合简单的图像检测方法来协助对户型图的整个轮廓结构进行解析，然后基于解 析后的户型图的元素进行户型图的判重，处理低效，工作效率低下，且错误率高。
技术实现要素：
有鉴于此，本申请实施例提供了一种户型识别模型的训练方法及装置、户型判重 的方法及装置、计算设备和计算机可读存储介质，以解决现有技术中存在的技术缺陷。 本申请实施例提供了一种户型识别模型的训练方法，包括： 获取样本集，所述样本集包括样本户型图和每个所述样本户型图对应的样本特征 标签； 将所述样本户型图输入至户型识别模型，得到每个样本户型图对应的预测值； 基于每个所述样本户型图对应的样本特征标签与其预测值，对所述户型识别模型 进行训练，直至达到训练停止条件。 可选地，将所述样本户型图输入至户型识别模型，得到每个样本户型图对应的预 测值，包括： 将所述样本户型图输入至户型识别模型，识别所述样本户型图中至少一个门单 元，确定每个门单元在所述样本户型图中的预测位置信息。 可选地，确定每个所述门单元在所述样本户型图中的预测位置信息，包括： 确定每个所述门单元在所述样本户型图中的预测像素坐标。 可选地，基于每个所述样本户型图对应的样本特征标签与其预测值，对所述户型 识别模型进行训练，直至达到训练停止条件，包括： 将每个所述样本户型图对应的样本特征标签与所述预测值进行对比，确定所述样 本特征标签与所述预测值之间的损失值； 基于所述损失值，对所述户型识别模型进行训练，直至达到训练停止条件。 可选地，基于所述损失值，对所述户型识别模型进行训练，直至达到训练停止条 件，包括： 在所述损失值大于等于预设阈值的情况下，继续对所述户型识别模型进行训练； 在所述损失值小于预设阈值的情况下，停止训练。 5 CN 111582358 A 说　明　书 2/14 页 本申请实施例提供了一种户型判重的方法，包括： 获取至少两张待判重户型图； 将所述待判重户型图输入至户型识别模型中，获取所述户型识别模型输出的每张 待判重户型图的预测值； 基于每张所述待判重户型图的预测值，对至少两张所述待判重户型图进行判重。 可选地，基于每张所述待判重户型图的预测值，对至少两张所述待判重户型图进 行判重，包括： 基于每张所述待判重户型图中至少一个门单元的位置信息，对至少两张所述待判 重户型图进行判重。 可选地，基于每张所述待判重户型图中至少一个门单元的位置信息，对至少两张 所述待判重户型图进行判重，包括： 基于每张所述待判重户型图中至少一个门单元的位置信息，计算每两张所述待判 重户型图之间的相似度； 基于所述相似度，对每两张所述待判重户型图进行判重。 可选地，基于每张所述待判重户型图中至少一个门单元的位置信息，计算每两张 所述待判重户型图之间的相似度，包括： 确定每张所述待判重户型图中的至少一个门单元的像素坐标，生成初始数组； 将每个门单元的像素坐标中的中心坐标作为所述门单元的坐标位置，其中，所述 中心坐标包括横坐标和纵坐标； 将初始数组中所述门单元的像素坐标按照所述门单元的中心坐标的横坐标的大 小进行排序，得到所述待判重户型图对应的目标数组； 基于每两张待判重户型图对应的目标数组，计算每两张待判重户型图之间的相似 度。 可选地，基于每两张待判重户型图对应的目标数组，计算每两张待判重户型图之 间的相似度，包括： 在每两张中的任一所述待判重户型图对应的目标数组的长度等于0的情况下，确 定所述两张待判重户型图之间的相似度为0。 可选地，基于每两张待判重户型图对应的目标数组，计算每两张待判重户型图之 间的相似度，包括： S101：比较两张所述待判重户型图分别对应的目标数组的长度； S102：判断两张所述待判重户型图分别对应的目标数组的长度是否相等，若是，执 行S103，若否，执行S104； S103：基于所述两张待判重户型图对应的目标数组，得到两张所述待判重户型图 的相似度； S104：判断两张所述待判重户型图分别对应的目标数组的长度是否均低于第一长 度阈值、差值是否超过第二长度阈值，若是，执行S105，若否，执行S106； S105：确定所述两张待判重户型图之间的相似度为0； S106、对两张所述待判重户型图分别对应的目标数组进行循环删减，保证两个所 述目标数组的长度相同，并计算每次删减后得到的更新后的目标数组得到对应的相似度， 6 CN 111582358 A 说　明　书 3/14 页 基于每次计算得到的相似度确定两张所述待判重户型图的相似度。 可选地，基于所述两张待判重户型图对应的目标数组，得到两张所述待判重户型 图的相似度，包括： S201、基于两张所述待判重户型图分别对应的目标数组，计算两张所述待判重户 型图的初始相似度； S202、判断初始相似度是否大于相似度阈值，若是，执行步骤S203，若否，执行步骤 S204； S203、将所述初始相似度确定为两张所述待判重户型图的相似度； S204、对两张所述待判重户型图分别对应的目标数组进行循环删减，保证两个所 述目标数组的长度相同，并计算每次删减后得到的更新后的目标数组得到对应的相似度， 基于每次计算得到的相似度确定两张所述待判重户型图的相似度。 可选地，对两张所述待判重户型图分别对应的目标数组进行循环删减，保证两个 所述目标数组的长度相同，并计算每次删减后得到的更新后的目标数组得到对应的相似 度，基于每次计算得到的相似度确定两张所述待判重户型图的相似度，包括： S301、基于两张所述待判重户型图分别对应的目标数组的长度，分别删减对应比 例的像素坐标，以使两个所述目标数组的长度相同，生成更新后的目标数组； S302、基于两张所述待判重户型图分别对应的更新后的目标数组，得到两张所述 待判重户型图的相似度； S303、判断两张所述待判重户型图是否满足删减次数，若是，执行步骤S304，若否， 继续执行步骤S301； S304、将更新过程中两张所述待判重户型图的相似度的最大值作为两张所述待判 重户型图的相似度。 可选地，计算两张所述待判重户型图的相似度，包括： 基于两张所述待判重户型图的目标数组中的像素坐标，计算对应的像素坐标之间 的欧氏距离值，并基于所述欧氏距离值生成新的距离数组； 统计所述距离数组中的欧氏距离值的区间分布； 基于所述距离数组的长度和所述欧氏距离值的区间分布，得到两张所述待判重户 型图的相似度。 可选地，基于所述相似度，对每两张所述待判重户型图进行判重，包括： 判断所述相似度是否大于相似度阈值， 若是，确定所述两张待判重户型图为重复户型图； 若否，确定所述两张待判重户型图为非重复户型图。 本申请实施例提供了一种户型识别模型的训练装置，包括： 第一获取模块，被配置为获取样本集，所述样本集包括样本户型图和每个所述样 本户型图对应的样本特征标签； 处理模块，被配置为将所述样本户型图输入至户型识别模型，得到每个样本户型 图对应的预测值； 迭代模块，被配置为基于每个所述样本户型图对应的样本特征标签与其预测值， 对所述户型识别模型进行训练，直至达到训练停止条件。 7 CN 111582358 A 说　明　书 4/14 页 本申请实施例提供了一种户型判重的装置，包括： 第二获取模块，被配置为获取至少两张待判重户型图； 特征信息获取模块，被配置为将所述待判重户型图输入至户型识别模型中，获取 所述户型识别模型输出的每张待判重户型图的预测值； 判重模块，被配置为基于每张所述待判重户型图的预测值，对至少两张所述待判 重户型图进行判重。 本申请实施例提供了一种计算设备，包括存储器、处理器及存储在存储器上并可 在处理器上运行的计算机指令，所述处理器执行所述指令时如上所述的户型识别模型的训 练方法或户型判重的方法的步骤。 本申请实施例提供了一种计算机可读存储介质，其存储有计算机指令，该指令被 处理器执行时实现如上所述的户型识别模型的训练方法或户型判重的方法的步骤。 本申请提供的户型识别模型的训练方法及装置，通过获取包括样本户型图和每个 样本户型图对应的样本特征标签对户型识别模型进行训练，从而可以得到识别户型的深度 学习模型，以用于户型判重的任务中，代替人工筛选，能极大的提升作业效率。 本申请提供的户型判重的方法及装置，通过使用户型识别模型提取输入的待判重 户型图的预测值，并基于待判重户型图的预测值对至少两张待判重户型图进行判重，代替 了人工判重，提升效率。 其次，户型识别模型没有过多的识别待判重户型图的特征信息，而是仅仅识别门 单元的位置信息，降低了图像识别的难度，并使得户型识别模型的准确性得以保证。 附图说明 图1是本申请实施例的计算设备的结构示意图； 图2是本申请第一实施例户型识别模型的训练方法的流程示意图； 图3是本申请第二实施例户型判重的方法的流程示意图； 图4是本申请第二实施例计算每两张所述待判重户型图之间的相似度的流程示意 图； 图5是本申请第三实施例户型判重的方法的流程示意图； 图6是本申请第三实施例中计算每两张待判重户型图之间的相似度的流程图； 图7是本申请第四实施例的户型识别模型的训练装置的结构示意图； 图8是本申请第五实施例的户型判重的装置的结构示意图。