[发明专利]图片评分方法和装置

说明书

技术领域

本发明涉及计算机技术领域，尤其涉及一种图片评分方法和装置。

背景技术

目前，在开发APP(应用程序)或者网站的过程中，大的软件公司一般是由专业美工制作人员统一制作图片，以确保图片的风格统一。

而在中小型软件公司里，由于聘请专业美工制作人员的成本较高，一般由开发人员或者运营人员兼职美工作图的工作。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：第一、在现有技术中，为了确保图片风格的统一，往往需要聘请专业的美工制作人员，并且需要对这些人员进行培训，以对共同的图片风格达成共识。这样一来，无疑会增加中小型公司的时间成本和经济成本。第二、在现有技术中，如果通过非专业人员制作图片，往往很难保证其图片风格的统一。第三、通过人工主观判断图片风格，往往会出现判断结果不准确、不合理、不统一的问题。

发明内容

有鉴于此，本发明实施例提供一种图片评分方法和装置，以能够对待评分图片与基准图片的风格差异进行自动、准确地打分，便于非专业人员清楚地了解待评分图片和基准图片的风格差异，进而确保图片整体风格的一致性。

为实现上述目的，根据本发明实施例的一个方面，提供了一种图片评分方法。

本发明实施例的图片评分方法包括：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。

可选地，所述卷积神经网络模型为VGG模型。

可选地，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。

可选地，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；

计算所有层的风格差异L_style(a,x)；

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。

可选地，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。

为实现上述目的，根据本发明实施例的另一方面，提供了一种图片评分装置。

本发明实施例的图片评分装置包括：特征提取模块，用于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；风格差异计算模块，用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。

可选地，所述卷积神经网络模型为VGG模型。

可选地，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。

可选地，风格差异计算模块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包括：

计算每层的风格差异E_l；

计算所有层的风格差异L_style(a,x)；

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)；