[发明专利]图片筛选方法及装置、存储介质

权利要求书

1.一种图片筛选方法，其特征在于，包括：

获取待推荐的媒体内容中的图片；

采用预先训练的深度学习模型确定所述图片与各个图片类别之间的匹配度；所述各个图片类别分别对应的图片作为所述媒体内容的展示图片的适合程度不同；

根据所述图片与各个图片类别之间的匹配度，确定所述图片作为所述展示图片的期望值；

从所述媒体内容的各张图片中筛选出所述期望值符合预定条件的图片作为所述展示图片。

2.根据权利要求1所述的方法，其特征在于，所述采用预先训练的深度学习模型确定所述图片与各个图片类别之间的匹配度之前，所述方法还包括：

对获取到的所述图片进行预处理，所述预处理包括通道转换、规格统一以及格式转换中的至少一项；其中：

所述通道转换为对所述媒体内容中的所述图片的颜色通道进行转换，以使所述媒体内容的各张图片的颜色通道相同；

所述规格统一为对所述媒体内容中的所述图片的宽度和高度进行等比缩放，并进行包边处理，以使所述媒体内容中的各张图片的宽度和高度分别相同；

所述格式转换为将所述媒体内容中的所述图片中各个像素的颜色值转换为预设格式的数值，所述预设格式满足所述深度学习模型对输入数据的格式要求。

3.根据权利要求1所述的方法，其特征在于，所述图片与各个图片类别之间的匹配度包括该图片属于各个图片类别的概率。

4.根据权利要求3所述的方法，其特征在于，采用下式计算第i张图片作为所述展示图片的期望值：

式中，E_i为第i张图片作为所述展示图片的期望值，a_j为a_j类图片的类别标识对应的数值；r_j为第i张图片属于a_j类图片的概率，N为图片类别的个数，j的取值范围为[0，N]。

5.根据权利要求1所述的方法，其特征在于，所述深度学习模型的建立过程包括：

收集多个已推荐的媒体内容中的图片，得到多张图片，所述多张图片形成训练语料库；

根据所述训练语 料库中每一张图片的线上表现数据，确定该张图片所属的图片类别，并在所述训练语料库中标注该张图片所属的图片类别；

将所述训练语料库输入预设的深度学习框架中进行训练学习，确定不同的图片内容与各个图片类别之间的匹配关系，得到所述深度学习模型。

6.根据权利要求5所述的方法，其特征在于，还包括：

在所述待推荐的媒体内容被推荐之后，采集所述展示图片的线上表现数据，并将所述展示图片添加至所述训练语 料库中，以对所述训练语料库进行更新；

根据所述展示图片的线上表现数据，确定所述展示图片所属的图片类别，并在所述训练语料库中标注所述展示图片所属的图片类别；

采用更新后的训练语料库进行训练学习，更新所述匹配关系，以对所述深度学习模型进行更新。

7.根据权利要求5所述的方法，其特征在于，所述将所述训练语料库输入预设的深度学习框架中进行训练学习之前，所述方法还包括：

对所述多张图片中的每一张图片进行预处理，所述预处理包括通道转换、规格统一以及格式转换中的至少一项；其中：

所述通道转换为对所述多张图片中每一张图片的颜色通道进行转换，以使所述多张图片的颜色通道相同；

所述规格统一为对所述多张图片中每一张图片的宽度和高度进行等比缩放，并进行包边处理，以使所述多张图片的宽度和高度分别相同；

所述格式转换为将所述多张图片中每一张图片中各个像素的颜色值转换为预设格式的数值，所述预设格式满足所述深度学习框架对输入数据的格式要求。

8.根据权利要求1～7任一项所述的方法，其特征在于，所述展示图片包括封面图片。