[发明专利]图片评分方法和装置

权利要求书

1.一种图片评分方法，其特征在于，所述方法包括：

将待评分图片输入训练得到的卷积神经网络模型，以提取所述待评分图片的特征向量；

根据所述待评分图片的特征向量和基准图片的特征向量计算所述待评分图片与所述基准图片的风格差异值。

2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络模型为VGG模型。

3.根据权利要求2所述的方法，其特征在于，所述VGG模型包括：第一至第五卷积层、第一至第四池化层；并且，第一池化层位于第一卷积层和第二卷积层之间，第二池化层位于第二卷积层和第三卷积层之间，第三池化层位于第三卷积层和第四卷积层之间，第四池化层位于第四卷积层和第五卷积层之间。

4.根据权利要求1所述的方法，其特征在于，根据所述待评分图片的特征向量和基准图片的特征向量计算所述待评分图片与所述基准图片的风格差异值的步骤包括：

计算每层的风格差异E_l；

El=14Nl2Ml2Σi,j(Gi.jl-Pi,jl)2]]>

计算所有层的风格差异L_style(a,x)；

Lstyle(a,x)=Σl=1LwlEl]]>

计算所述待评分图片与所述基准图片的风格差异，

L_total(a,x)＝γL_style(a,x)；

其中，N_l表示每层的特征向量的数目，M_l表示每个特征向量的维度，表示基准图片的、每层的第i个特征向量与第j个特征向量的内积，并且表示第l层中第i个卷积过滤器在第k个位置的激活；表示待评分图片的、每层的第i个特征向量与第j个特征向量的内积，w_l表示可以每层的可调系数，γ表示总的可调系数，l表示卷积层的层数，a表示基准图片，x表示待评分图片。

5.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括：

将所述待评分图片与所述基准图片的风格差异值和预先计算得到的多张基准图片之间的风格差异均值进行比较，并根据比较结果确定所述待评分图片与基准图片的风格一致度。