基于点击位置的焦点判断方法、装置、设备及存储介质与流程

本申请实施例涉及计算机技术领域，尤其涉及基于点击位置的焦点判断方法、装置、设备及存储介质。

背景技术：

随着移动互联网的快速发展，网页视觉设计多样且网页上展现了大量的信息，同时，页面也经常用于放置网页开发者希望用户看到的内容。

对于市面上的网页，用户普遍处于非了解状态，用户一般会对网页中第一视觉效果焕然一新或者新颖有趣的位置进行停留并浏览，如果将希望用户看到的内容放置在不容易被用户注意到的位置，用户一般会忽略这些内容，造成无法准确地向用户传达信息的情况。

技术实现要素：

本申请实施例提供基于点击位置的焦点判断方法、装置、设备及存储介质，以准确获取网页中更容易引起用户注意的位置。

在第一方面，本申请实施例提供了基于点击位置的焦点判断方法，包括：

基于训练网页图像、所述训练网页图像上的第一点击位置以及所述训练网页图像在所述第一点击位置处的位置特征值的对应关系建立图像数据库；

基于神经网络结构和所述图像数据库建立焦点判断模型；

获取待分析网页图像；

根据所述焦点判断模型确定所述待分析网页图像上的点击位置。

进一步的，所述基于训练网页图像、所述训练网页图像上的第一点击位置以及所述训练网页图像在所述第一点击位置处的位置特征值的对应关系建立图像数据库，包括：

通过网络获取网页图像作为训练网页图像；

根据在所述训练网页图像中进行点击的像素点坐标确定第一点击位置；

根据所述训练网页图像在所述第一点击位置处的rgb值确定位置特征值；

基于所述训练网页图像、第一点击位置和所述位置特征值的对应关系建立图像数据库。

进一步的，所述基于训练网页图像、所述训练网页图像上的第一点击位置以及所述训练网页图像在所述第一点击位置处的位置特征值的对应关系建立图像数据库，包括：

通过网络获取网页图像作为训练网页图像；

根据在所述训练网页图像中多次进行点击的各个像素点坐标确定多个第一点击位置；

根据所述训练网页图像在各个所述第一点击位置处的rgb值确定多个位置特征值；

基于所述训练网页图像、多个第一点击位置和多个所述位置特征值的对应关系建立图像数据库。

进一步的，所述基于所述训练网页图像、多个第一点击位置和多个所述位置特征值的对应关系建立图像数据库，包括：

基于所述训练网页图像、多个第一点击位置和多个所述位置特征值的对应关系建立训练图像关系表；

基于所述对应关系表建立图像数据库。

进一步的，所述基于神经网络结构和所述图像数据库建立焦点判断模型，包括：

基于神经网络结构以及公式y＝wx+b搭建焦点判断模型，其中，x为输入，y为输出，w为数据线性分割直线斜率，b为数据线性分割直线偏移值；

以位置特征值作为输入x，以第一点击位置作为输出y，将图像数据库中的训练网页图像用于训练所述焦点判断模型，直至训练次数达到第一阈值。

进一步的，所述以位置特征值作为输入x，以第一点击位置作为输出y，将图像数据库中的训练网页图像用于训练所述焦点判断模型，直至训练次数达到第一阈值之后，还包括：

调整w和b的值，并结合方差公式，对焦点判断模型进行测试，直至测试方差小于第二阈值。

进一步的，所述图像数据库保存有测试图像关系表，测试图像关系表记录有测试网页图像、在所述测试网页图像上的第一点击位置以及所述测试网页图像在所述第一点击位置处的位置特征值的对应关系；

调整w和b的值，并结合方差公式，对焦点判断模型进行测试，直至测试方差小于第二阈值，包括：

调整w和b的值，并结合方差公式，利用测试网页图像对焦点判断模型进行测试，直至测试方差小于第二阈值。

在第二方面，本申请实施例提供了基于点击位置的焦点判断装置，包括数据库建立模块、判断模型建立模块、图像获取模块和执行模块，其中：

数据库建立模块，用于基于训练网页图像、所述训练网页图像上的第一点击位置以及所述训练网页图像在所述第一点击位置处的位置特征值的对应关系建立图像数据库；

判断模型建立模块，用于基于神经网络结构和所述图像数据库建立焦点判断模型；

图像获取模块，用于获取待分析网页图像；

执行模块，用于根据所述焦点判断模型确定所述待分析网页图像上的点击位置。

在第三方面，本申请实施例提供了一种计算机设备，包括：存储器以及一个或多个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的基于点击位置的焦点判断方法。

在第四方面，本申请实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的基于点击位置的焦点判断方法。

本申请实施例通过基于训练网页图像、第一点击位置和位置特征值建立图像数据库，并基于图像数据库建立焦点判断模型，在需要分析网页中容易引起用户注意的位置时，将网页对应的待分析网页图像上传至焦点判断模型中，并输出对应的点击位置，快速、准确地确获取网页中更容易引起用户注意的位置，可在该点击位置布置希望用户注意到的内容，为网页和合理制作和设计提供可靠的依据。

附图说明

图1是本申请实施例提供的基于点击位置的焦点判断方法的流程图；

图2是本申请实施例提供的另一种基于点击位置的焦点判断方法的流程图；

图3是本申请实施例提供的另一种基于点击位置的焦点判断方法的流程图；

图4是本申请实施例提供的基于点击位置的焦点判断装置的结构示意图；

图5是本申请实施例提供的一种计算机设备的结构示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

图1给出了本申请实施例提供的基于点击位置的焦点判断方法的流程图，本实施例可适用于网页分析，该基于点击位置的焦点判断方法可以由基于点击位置的焦点判断装置来执行，该基于点击位置的焦点判断装置可通过硬件和/或软件的方式实现，并集成在计算机设备中。

下述以基于点击位置的焦点判断装置来执行基于点击位置的焦点判断方法为例进行描述。参考图1，该基于点击位置的焦点判断方法包括：

s101：基于训练网页图像、所述训练网页图像上的第一点击位置以及所述训练网页图像在所述第一点击位置处的位置特征值的对应关系建立图像数据库。

其中，训练网页图像用于后续焦点判断模型的训练，训练网页图像为网页的截图，可通过网页截图工具从网络中批量下载或截图快捷方式从网页的交互界面中截图获得，其中截取为训练网页图像的网页应该包含有多种类型，其类型可基于页面功能划分，如注册页、登录页、主页等，还可基于页面布局划分、基于页面语言划分等，本实施例不做限定。

其中第一点击位置应理解为基于对训练网页图像的第一印象中焦点集中的位置，并通过在训练网页图像中点击对应位置的方式进行确认。其中，在训练网页图像中点击对应位置的方式可以是通过鼠标点击进行，或者是通过对训练网页图像的触控操作进行。焦点集中的位置可以是训练网页图像中的点，并将该点在训练网页图像中的位置作为第一点击位置，还可以是训练网页图像中的区域，并将该区域的中心点作为在训练网页图像中的第一点击位置。

进一步的，位置特征值可以是训练网页图像在第一点击位置处的rgb值、yuv值或者是灰度值，其中yuv值和灰度值可根据对应位置点的rgb值进行换算得出。

在确定训练网页图像中的第一点击位置后，获取第一点击位置的位置特征值，并建立训练网页图像、第一点击位置和位置特征值之间的对应关系，对应关系的建立可通过表格记录、指针等方式实现。

进一步的，为获取的多张训练网页图像指定第一点击位置并确定位置特征值，以及建立训练网页图像、第一点击位置和位置特征值之间的对应关系后，基于以上对应关系建立图像数据库。

s102：基于神经网络结构和所述图像数据库建立焦点判断模型。

具体的，在建立图像数据库后，基于神经网络结构建立焦点判断模型，并以图像数据库中训练网页图像对应的位置特征值作为输入，以位置特征值对应的第一点击位置作为输出，将训练网页图像传输给焦点判断模型进行反复训练，最终得到准确度满足要求的焦点判断模型。

其中，神经网络结构具体为卷积神经网络结构，如alexnet网络结构、vgg网络结构、googlelenet网络结构以及resnet网络结构等，本实施例不做限定。

s103：获取待分析网页图像。

具体的，在完成焦点判断模型的建立后，获取待分析网页图像并将该待分析网页图像上传至焦点判断模型中进行点击位置的确定。其中待分析网页图像为需要进行点击位置的确认的网页的截图，可通过截图工具或截图快捷方式从对应网页中截图获得。

可选的，待分析网页图像可通过手机、平板、电脑等终端设备从互联网中下载，还可以通过外部存储介质导入的方式获得，还可利用以上终端设备或外部存储介质获取待分析的网页，再从网页中截图获得。

s104：根据所述焦点判断模型确定所述待分析网页图像上的点击位置。

示例性的，在获取待分析网页图像后，基于焦点判断模型对待分析网页进行识别，得到该待分析网页图像的点击位置。其中，焦点判断模型输出的结果可以是坐标、待分析网页图像中标出的点或者是两者的结合。

上述，通过基于训练网页图像、第一点击位置和位置特征值建立图像数据库，并基于图像数据库建立焦点判断模型，在需要分析网页中容易引起用户注意的位置时，将网页对应的待分析网页图像上传至焦点判断模型中，并输出对应的点击位置，快速、准确地确获取网页中更容易引起用户注意的位置，可在该点击位置布置希望用户注意到的内容，为网页和合理制作和设计提供可靠的依据。通过焦点判断模型确定网页中的点击位置，并在点击位置中设置希望用户看到的内容，可以有效延长用户停留时间、提高信息传递效果、树立良好品牌形象。

图2为本申请实施例提供的另一种基于点击位置的焦点判断方法的流程图。该基于点击位置的焦点判断方法是对上述基于点击位置的焦点判断方法的具体化。参考图2，该基于点击位置的焦点判断方法包括：

s201：通过网络获取网页图像作为训练网页图像。

其中，训练网页图像为网页静态图像，可通过网页截图工具从网络中批量下载或截图快捷方式从网页的交互界面中截图获得，训练网页图像还可以是从浏览器中直接将网页保存为图片，或者是利用爬虫工具抓取大量网址对应的网页并以图片的形式储存，其中作为训练网页图像的网页应该包含有多种类型，其类型可基于页面功能划分，如注册页、登录页、主页等，还可基于页面布局划分、基于页面语言划分等，本实施例不做限定。

进一步的，本实施例中提供的训练网页图像为rgb图像，训练网页图像中每一个像素点对应一个rgb值，rgb值中包括了r、g、b(红、绿、蓝)三个基色分量，其共同决定了像素点颜色，训练网页图像以rgb矩阵的形式进行储存，根据像素点坐标即可确定对应像素点的rgb值。

s202：根据在所述训练网页图像中进行点击的像素点坐标确定第一点击位置。

在下载并保存足够数量的训练网页图像后(根据训练焦点判断模型精度的需要进行确定)，对每张训练网页图像的第一点击位置进行确定。

具体的，基于对训练网页图像中焦点集中的位置，在该位置训练网页图像进行点击，从而对该位置进行标记，将该位置以像素点坐标的形式进行记录，并将该像素点坐标作为该训练网页图像上的第一点击位置，同时建立该第一点击位置和训练网页图像之间的对应关系。其中像素点坐标为像素点在训练网页图像上的坐标，并以(x，y)的形式表示，其中x和y分别代表训练网页图像上的横坐标和纵坐标。

进一步的，依次对所有训练网页图形进行点击，确定每张训练网页图像上的第一点击位置并建立第一点击位置和训练网页图像之间的对应关系。

s203：根据所述训练网页图像在所述第一点击位置处的rgb值确定位置特征值。

本实施例以第一点击位置处的rgb值作为训练网页图像在第一点击位置处的位置特征值。具体的，在对训练网页图像进行点击以确定第一点击位置时，基于第一点击位置对应的像素点坐标，确定训练网页图像在该像素点坐标处的rgb值，将该rgb值作为位置特征值，并建立该rgb值与对应第一点击位置和训练网页图像之间的对应关系。

在对所有训练网页图形进行点击的过程中，依次确定训练网页图像在第一点击位置处的位置特征值，并确定每张训练网页图像中第一点击位置、位置特征值和训练网页图像之间的对应关系。

s204：基于所述训练网页图像、第一点击位置和所述位置特征值的对应关系建立图像数据库。

具体的，在完成所有训练网络图像对应的第一点击位置和位置特征的确定后，形成训练网页图像、第一点击位置和位置特征值之间的对应关系并进行保存，并基于该对应关系建立图像数据库。

s205：基于神经网络结构和所述图像数据库建立焦点判断模型。

s206：获取待分析网页图像。

s207：根据所述焦点判断模型确定所述待分析网页图像上的点击位置。

上述，通过基于训练网页图像、第一点击位置和位置特征值建立图像数据库，并基于图像数据库建立焦点判断模型，在需要分析网页中容易引起用户注意的位置时，将网页对应的待分析网页图像上传至焦点判断模型中，并输出对应的点击位置，快速、准确地确获取网页中更容易引起用户注意的位置，可在该点击位置布置希望用户注意到的内容，为网页和合理制作和设计提供可靠的依据。并通过网络下载大量的网页静态图像作为训练网页图像，并通过对训练网页图像的标记确定第一点击位置和位置特征值，并基于训练网页图像、第一点击位置和位置特征值的对应关系建立图像数据库，焦点判断模型的输出结果更接近真实情况。

图3为本申请实施例提供的另一种基于点击位置的焦点判断方法的流程图。该基于点击位置的焦点判断方法是对上述基于点击位置的焦点判断方法的具体化。参考图3，该基于点击位置的焦点判断方法包括：

s301：通过网络获取网页图像作为训练网页图像。

具体的，训练网页图像为网页静态图像，可通过网页截图工具从网络中批量下载或截图快捷方式从网页的交互界面中截图获得，训练网页图像还可以是从浏览器中直接将网页保存为图片，或者是利用爬虫工具抓取大量网址对应的网页并以图片的形式储存。进一步的，本实施例中提供的训练网页图像为rgb图像，训练网页图像中每一个像素点对应一个rgb值，根据像素点坐标即可确定对应像素点的rgb值。

进一步的，在通过网络获取网页图像作为训练网页图像的同时，还将其中部分网页图像作为测试网页图像，用于对焦点判断模型进行测试。即将从网络中获得的网页静态图像分为训练网页图像和测试网页图像两种类型，在本实施例中，训练网页图像和测试网页图像分别占网页静态图像总数量的90％和10％。

s302：根据在所述训练网页图像中多次进行点击的各个像素点坐标确定多个第一点击位置。

具体的，基于对训练网页图像中焦点集中的位置，在该位置训练网页图像进行点击，从而对该位置进行标记，将该位置以像素点坐标的形式进行记录，并将该像素点坐标作为该训练网页图像上的第一点击位置，同时建立该第一点击位置和训练网页图像之间的对应关系。

进一步的，对于同一张训练网页图像，由多位人员对其上的第一点击位置进行确定，同时，一位人员还对多张不同的训练网页图像进行第一点击位置的确定，使得同一张训练网页图像对应有多个第一点击位置，同一张训练网页图像的多个第一点击位置对应的像素点坐标可以存在相同的情况，也可以存在完全不同的情况。

进一步的，依次对所有训练网页图形进行点击，确定每张训练网页图像上的多个第一点击位置并建立多个第一点击位置和训练网页图像之间的对应关系。

进一步的，对于测试网页图像，其处理方式与训练网页图像的处理方式一致，即确定在测试网页图像中多次进行点击的各个像素点坐标确定多个第一点击位置，并建立多个第一点击位置和测试网页图像之间的对应关系。

s303：根据所述训练网页图像在各个所述第一点击位置处的rgb值确定多个位置特征值。

本实施例以第一点击位置处的rgb值作为训练网页图像在第一点击位置处的位置特征值。具体的，在多位人员对训练网页图像进行点击以确定多个第一点击位置时，基于同一训练网页图像的每个第一点击位置对应的像素点坐标，确定训练网页图像在每个像素点坐标处的rgb值，并将每个像素点坐标处的rgb值作为位置特征值，并建立这些rgb值与对应第一点击位置和训练网页图像之间的对应关系。

在对所有训练网页图形进行点击的过程中，依次确定训练网页图像在每一个第一点击位置处的位置特征值，并确定每张训练网页图像中每个第一点击位置、每个位置特征值和训练网页图像之间的对应关系。

进一步的，对于测试网页图像，其处理方式与训练网页图像的处理方式一致，即根据测试网页图像在各个第一点击位置处的rgb值确定多个位置特征值，并确定每张测试网页图像中第一点击位置、每个位置特征值和测试网页图像之间的对应关系。

s304：基于所述训练网页图像、多个第一点击位置和多个所述位置特征值的对应关系建立训练图像关系表。

在确定每张训练网页图像中每个第一点击位置、每个位置特征值和训练网页图像之间的对应关系后，基于该对应关系建立训练图像关系表。其中，训练图像关系表如下表所示：

进一步的，在确定每张测试网页图像中每个第一点击位置、每个位置特征值和测试网页图像之间的对应关系后，基于该对应关系建立测试图像关系表，其中，测试图像关系表的记录形式与训练图像关系表的记录形式一致。

s305：基于所述对应关系表建立图像数据库。

具体的，在储存训练图像关系表和测试图像关系表后，对训练图像关系表和测试图像关系表进行保存，并基于训练图像关系表和测试图像关系表建立图像数据库，对训练图像关系表和测试图像关系表以及训练网页图像和测试网页图像进行保存。其中训练图像关系表和测试图像关系表的储存位置可以是在云端/本地服务器上，还可以在本地存储介质中，并通过相应的通信方式进行调取。

s306：基于神经网络结构以及公式y＝wx+b搭建焦点判断模型。

具体的，基于卷积神经网络结构，并以公式y＝wx+b的形式搭建焦点判断模型。卷积神经网络结构对图像数据库大量的训练测试图像样本交替进行卷积和池化操作，逐渐提取图像的高层特征，对特征进行分类，完成判断识别；其高层特征是从大样本数据中学习，能应对一定程度的偏移、尺度变化以及形变，保证特征较强的可分性，对特征分类具有理想的检测效果，降低模型的复杂度。

其中，公式y＝wx+b常用于神经网络当中，x为输入，y为输出，w为数据线性分割直线斜率，b为数据线性分割直线偏移值，是由图像第一点击位置像素点rgb值和第一点击位置像素点坐标作为x、y值所构成的一条直线，实现数据分割，当w改变，该直线方向也随之改变；当b>0，该直线往左边移动，否则该直线往右边移动；也就是说，只要改变w、b值，就可以改变该直线的数据分割位置。

s307：训练所述焦点判断模型，直至训练次数达到第一阈值。

具体的，以位置特征值作为输入x，以第一点击位置作为输出y，将图像数据库中的训练网页图像用于训练焦点判断模型，直至训练次数达到第一阈值(例如20万次，可根据实际情况设定)，在训练停止后，可初步得到数据线性分割直线y＝wx+b中的w和b的值。

s308：调整w和b的值，并结合方差公式，利用测试网页图像对焦点判断模型进行测试，直至测试方差小于第二阈值。

其中，方差公式是指损失函数，其用于量化预测与真实之间的一致性，方差值越少，预测与真实越接近。方差公式具体为：

其中，c代表损失函数(测试方差)，x代表数据库测试图像，y代表实际值(即图像数据库测试网页图像第一点击位置像素点的实际坐标，可根据测试图像关系表获得)，a代表输出值(即焦点判断模型对图像数据库测试网页图像第一点击位置像素点的预测坐标)，n代表图像数据库测试网页图像的数量。

具体的，通过逐步加大w和b的值，结合方差公式，并利用测试网页图像对焦点判断模型进行测试，并将测试方差与第二阈值(本实施例以10％为例)进行比较，若测试方差大于第二阈值，则继续加大w和b的值，直至测试方差小于第二阈值。

s309：获取待分析网页图像。

s310：根据所述焦点判断模型确定所述待分析网页图像上的点击位置。

上述，通过基于训练网页图像、第一点击位置和位置特征值建立图像数据库，并基于图像数据库建立焦点判断模型，在需要分析网页中容易引起用户注意的位置时，将网页对应的待分析网页图像上传至焦点判断模型中，并输出对应的点击位置，快速、准确地确获取网页中更容易引起用户注意的位置，可在该点击位置布置希望用户注意到的内容，为网页和合理制作和设计提供可靠的依据。并通过反复训练焦点判断模型，使焦点判断模型的准确度达到目标需求，输出的点击位置更接近真实情况

图4为本申请实施例提供的基于点击位置的焦点判断装置的结构示意图。参考图4，本实施例提供的基于点击位置的焦点判断装置包括数据库建立模块41、判断模型建立模块42、图像获取模块43和执行模块44，其中：

数据库建立模块41，用于基于训练网页图像、所述训练网页图像上的第一点击位置以及所述训练网页图像在所述第一点击位置处的位置特征值的对应关系建立图像数据库；判断模型建立模块42，用于基于神经网络结构和所述图像数据库建立焦点判断模型；图像获取模块43，用于获取待分析网页图像；执行模块44，用于根据所述焦点判断模型确定所述待分析网页图像上的点击位置。

上述，通过基于训练网页图像、第一点击位置和位置特征值建立图像数据库，并基于图像数据库建立焦点判断模型，在需要分析网页中容易引起用户注意的位置时，将网页对应的待分析网页图像上传至焦点判断模型中，并输出对应的点击位置，快速、准确地确获取网页中更容易引起用户注意的位置，可在该点击位置布置希望用户注意到的内容，为网页和合理制作和设计提供可靠的依据。

在一个可能的实施例中，所述数据库建立模块41具体用于：通过网络获取网页图像作为训练网页图像；根据在所述训练网页图像中多次进行点击的各个像素点坐标确定多个第一点击位置；根据所述训练网页图像在各个所述第一点击位置处的rgb值确定多个位置特征值；基于所述训练网页图像、多个第一点击位置和多个所述位置特征值的对应关系建立图像数据库。

在一个可能的实施例中，所述判断模型建立模块42具体用于：基于神经网络结构以及公式y＝wx+b搭建焦点判断模型，其中，x为输入，y为输出，w为权重矩阵，b为偏移量；以位置特征值作为输入x，以第一点击位置作为输出y，将图像数据库中的训练网页图像用于训练所述焦点判断模型，直至训练次数达到第一阈值。

在一个可能的实施例中，所述判断模型建立模块42在训练次数达到第一阈值之后，还用于：调整w和b的值，并结合方差公式，利用测试网页图像对焦点判断模型进行测试，直至测试方差小于第二阈值。

本申请实施例还提供了一种计算机设备，该计算机设备可集成本申请实施例提供的基于点击位置的焦点判断装置。图5是本申请实施例提供的一种计算机设备的结构示意图。参考图5，该计算机设备包括：输入装置53、输出装置54、存储器52以及一个或多个处理器51；所述存储器52，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器51执行，使得所述一个或多个处理器51实现如上述实施例提供的基于点击位置的焦点判断方法。其中输入装置53、输出装置54、存储器52和处理器51可以通过总线或者其他方式连接，图5中以通过总线连接为例。

存储器52作为一种计算设备可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本申请任意实施例所述的基于点击位置的焦点判断方法对应的程序指令/模块(例如，基于点击位置的焦点判断装置中的数据库建立模块41、判断模型建立模块42、图像获取模块43和执行模块44)。存储器52可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据设备的使用所创建的数据等。此外，存储器52可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器52可进一步包括相对于处理器51远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置53可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置54可包括显示屏等显示设备。

处理器51通过运行存储在存储器52中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的基于点击位置的焦点判断方法。

上述提供的基于点击位置的焦点判断装置和计算机设备可用于执行上述实施例提供的基于点击位置的焦点判断方法，具备相应的功能和有益效果。

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如上述实施例提供的基于点击位置的焦点判断方法，该基于点击位置的焦点判断方法包括：基于训练网页图像、所述训练网页图像上的第一点击位置以及所述训练网页图像在所述第一点击位置处的位置特征值的对应关系建立图像数据库；基于神经网络结构和所述图像数据库建立焦点判断模型；获取待分析网页图像；根据所述焦点判断模型确定所述待分析网页图像上的点击位置。

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如cd-rom、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如dram、ddrram、sram、edoram，兰巴斯(rambus)ram等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的第一计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的基于点击位置的焦点判断方法，还可以执行本申请任意实施例所提供的基于点击位置的焦点判断方法中的相关操作。

上述实施例中提供的基于点击位置的焦点判断装置、设备及存储介质可执行本申请任意实施例所提供的基于点击位置的焦点判断方法，未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的基于点击位置的焦点判断方法。

上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由权利要求的范围决定。