(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210356264.5 (22)申请日 2022.04.06 (71)申请人 刘二松 地址 226000 江苏省南 通市通州区石港镇 工业园区(石江路北 首) (72)发明人 刘二松　 (51)Int.Cl. G06Q 30/06(2012.01) G06T 15/00(2011.01) G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06F 9/451(2018.01) (54)发明名称 基于区块链的网络 推广营销平台及其方法 (57)摘要 本申请涉及一种基于区块链的网络推广营 销平台及其方法， 所述方法包括： 在作网络推广 时， 获取用户触发的推广触发指令， 当所述推广 触发指令与预设的标准触发指令匹配时， 生成待 推广信息载入栏目； 获取经所述待推广信息载入 栏目载入的当前需推广商品图片， 并将所述当前 需推广商品图片输入至预设的所述向量化结果 输出模型， 由所述向量化结果输出模 型输出推广 商品向量化结果； 基于区块链技术将所述推广商 品向量化结果以哈希存证的方式作哈希上链， 并 同时根据所述推广商品向量化结果生成三维模 拟商品图； 基于所述三维模拟商品图生成网络推 广指令。 本发明实现高效 网络推广和营销。 权利要求书4页 说明书12页 附图3页 CN 114912972 A 2022.08.16 CN 114912972 A 1.一种基于区块链的网络推广营销方法， 其特 征在于， 所述方法包括： 步骤S100： 在作网络推广时， 获取用户触发的推广触发指令， 当所述推广触发指令与预 设的标准触发指令匹配时， 生成待推广信息载入栏目； 步骤S200： 获取经所述待推广信息载入栏目载入的当前需推广商品图片， 并将所述当 前需推广商品图片 输入至预设的所述向量化结果输出模型， 由所述向量化结果输出模型输 出推广商品向量 化结果； 步骤S300： 基于区块链技术将所述推广商品向量化结果以哈希存证的方式作哈希上 链， 并同时根据所述推广商品向量 化结果生成三维模拟商品图； 步骤S400： 基于所述三维模拟商品图生成网络推广指令， 所述网络推广指令用于将所 述三维模拟商品图发送至预设的网络推广目标地址， 并在发送至所述网络推广目标地址后 在所述网络推广目标地址处生成推广展示界面， 所述推广展示界面用于展示所述三 维模拟 商品图。 2.根据权利要求1所述的基于区块链的网络推广营销方法， 其特征在于， 步骤S300： 获 取经所述待推广信息载入栏目载入的当前需推广商品图片， 并将所述当前需推广商品图片 输入至预设的所述向量化结果输出模型， 由所述向量化结果输出模型输出推广商品向量化 结果； 之前， 还 包括： 步骤S310： 在作网络推广之前， 对待推广商品作图片处理， 并获取待推广商品的待推广 商品图片， 其中， 一个待推广商品至少对应一张所述待推广商品图片； 步骤S320： 基于所述待推广商品图片， 对所述待推广商品图片作模型建立训练处理， 并 在模型建立训练 处理完成后生成所述向量 化结果输出模型。 3.根据权利要求2所述的基于区块链的网络推广营销方法， 其特征在于， 步骤S320： 基 于所述待推广商品图片， 对所述待推广商品图片作模型建立训练处理， 并在模型建立训练 处理完成后生成所述向量 化结果输出模型； 具体包括： 步骤S321： 获取所述待推广商品图片中的推广商品作为推广商品样本， 再将推广商品 样本腌膜与对应区域图像制作成推广商品向量数据集， 接着对所述推广商品向量数据集进 行归一化处理， 最后通过垂直翻转、 水平翻转以及随机旋转对归一化后的推广商品向量数 据集进行 数据增强处 理， 得到推广商品向量训练集； 步骤S322： 搭建推广商品掩膜生成模型， 所述推广商品掩膜生成模型包括融合网络和 语义分割网络； 其中， 所述融合网络又包含大尺度模块、 中尺度模块和小尺度模块， 所述大 尺度模块包括级联的九个卷积层， 所述大尺度网络的输入为所述推广商品向量训练集； 所 述中尺度模块包括级联的一个池化层和六个卷积层， 所述中尺度模块的输入为所述大尺度 模块的第二个卷积层， 首先对该第二个卷积层得到的特征进 行池化， 得到缩小一倍的特征， 然后输入至后面的六个卷积层进行卷积运算， 最后， 通过两倍上采样得到和大尺度模块尺 寸一样大小的特征； 所述小尺度模块包括级联的三个卷积层， 所述小尺度模块的输入为所 述中尺度模块的第三个卷积层， 首先对第三个卷积层得到的特征进行池化， 得到缩小一倍 的特征， 然后输入至三个卷积层 进行卷积运算， 最后， 通过四倍上采样得到和大尺度模块尺 寸一样大小的特征， 最后， 将大尺度模块、 中尺度模块和小尺度模块的三组同尺寸大小的特 征进行相加处理， 得到分层多尺度特征； 再将得到的分层多尺度特征输入到所述语义分割 网络， 输出得到推广商品掩膜； 采用轮廓追踪算法对得到的所述推广商品掩膜进 行运算， 得权　利　要　求　书 1/4 页 2 CN 114912972 A 2到密集推广商品边缘点集， 接着采用等间距点采样算法按照预设间距对得到的所述密集推 广商品边缘点集进行采样， 得到等间距推广商品边缘点集， 然后通过将坐标数值除以图像 长宽的方式， 将得到的等间距推广商品边缘点集中点的坐标数值进行归一化处理， 得到推 广商品向量点集， 并将所述融合网络的输出特征作为输入， 利用得到的推广商品向量点集 的坐标， 在特 征上选择对应坐标位置的特 征值， 输出 得到推广商品向量特 征； 步骤S323： 搭建向量点集迭代模型， 所述向量点集迭代模型包括分类网络和回归网络； 其中， 所述分类网络用于判断每个点是前景点还是背 景点， 若是前景点则保留， 若 是背景点 则删除， 其包括级联 的分类全连接层和归一化指数函数激活层， 首先通过分类全连接层将 推广商品向量特征 的固定维度映射到空间维度为二的类别空间， 得到类别特征， 然后将类 别特征输入到归一化指数函数激活层， 得到 分类预测结果； 所述回归网络用于坐标点回归， 其包括级联的回归全连接层和坐标回归层， 首先将推广商品向量特征输入回归全连接层得 到低维度特征， 再将低维度特征输入坐标回归层， 该层为多层感知器， 得到坐标预测偏移 值； 结合推广商品向量点集的点坐标， 通过分类预测结果判断是否为推广商品上的向量点， 并通过坐标预测偏移值进行坐标偏移， 得到推广商品预测 点； 采用组合优化算法对推广商 品预测点和真实点进行匹配， 其匹配项包括类别置信系 数和欧几里得距离， 所述类别置信 系数来自于所述分类网络， 所述欧几里得距离是计算真实点和推广商品预测点之 间的欧几 里得度量， 所述置信系 数越高， 所述欧几里得距离越小， 匹配越好， 最后的匹配度是基于置 信系数和欧几里得距离的加权求和； 将推广商品预测 点和真实点匹配完成后， 进行代价函 数计算， 对于所述分类网络， 采用交叉熵代价函数评估差距； 对于所述回归网络， 采用回归 代价函数评估差距， 通过模型拟合和参数迭代， 完成推广商品向量 点集的迭代； 步骤S324： 训练上述模型直至模型收敛， 保存训练好的模型， 其中， 训练好的模型为向 量化结果输出模型。 4.根据权利要求3所述的基于区块链的网络推广营销方法， 其特征在于， 步骤S323中： 计算真实点和推广商品预测点之间的欧几里 得度量采用以下公式进行： d＝sqrt((x1‑x2)^+(y1 ‑y2)^)； 其中， x1和y1分别是真实点的x轴坐标和y轴坐标， x2和y2分别是推广商品预测点的x轴 坐标和y轴坐标。 5.根据权利要求1 ‑4任一项所述的基于区块链的网络推广营销方法， 其特征在于， 步骤 S500： 基于所述三维模拟商品图生成网络推广指令， 所述网络推广指令用于将所述三维模 拟商品图发送至预设的网络推广目标地址， 并在发送至所述网络推广目标地址后在所述网 络推广目标地址处生成推广展示界面， 所述推广展示界面用于展示所述三维模拟商品图； 具体包括： 步骤S510： 基于所述 三维模拟商品图生成商品信息调取指令； 步骤S520： 根据所述商品信息调取指令从预存的商品信息数据库中调取与所述三维模 拟商品图对应的当前商品信息数据； 步骤S530： 将所述当前商品信息数据与所述三维模拟商品图绑定， 并在所述三维模拟 商品图上 各部位显示所述当前商品信息数据的信息， 然后生成可展示 三维模拟商品图； 步骤S540： 根据所述可展示三维模拟商品图生成所述网络推广指令， 所述网络推广指 令用于将所述可展示三维模拟商品图发送至预设的网络推广目标地址， 并在发送至所述网权　利　要　求　书 2/4 页 3 CN 114912972 A 3