[发明专利]图像评价方法及系统

权利要求书

1.一种图像评价方法，其特征在于，所述图像评价方法包括：

S1、对若干图像进行配对得到配对图像，对所述图像设置评价分数；

S2、利用所述配对图像和所述评价分数训练一孪生网络得到图像评价模型；

S3、输入评价图像至所述图像评价模型得到评分；

步骤S1包括：从若干所述图像中选取部分图像两两配对得到所述配对图像，每对所述配对图像中的图像的所述评价分数的差值均大于一阈值分数，所述配对图像设置相对评分标签，所述相对评分签用于记录所述配对图像中的两张图像的相对评分。

2.如权利要求1所述的图像评价方法，其特征在于，所述图像评价方法还包括：

S1’、将所述配对图像中的图像分别进行等比例多尺度转换，并将所述孪生网络的最末端的池化层设置为空间金字塔池化层；

所述步骤S2包括：

将转换后的配对图像的所述评价分数分别对应代入所述孪生网络的子网络得到所述图像评价模型。

3.如权利要求2所述的图像评价方法，其特征在于，所述孪生网络包括多个池化层，所述步骤S1’包括：

预设所述图像的长宽转换比例，将所述配对图像中的两张图像以所述长宽转换比例为固定的比例，分别将两张所述图像变换为不同的尺寸。

4.如权利要求1所述的图像评价方法，其特征在于，所述步骤S1之前还包括：S01、设置若干所述图像的类别，所述类别包括待评价类；S02、根据若干所述图像以及所述类别训练一卷积神经网络得到图像类别判断模型；所述步骤S2之后还包括：S21、所述图像类别判断模型接收评价图像并判断所述评价图像是否属于所述待评价类的图像，若是，则调用步骤S3；

和/或，

所述图像评价方法还包括：

S4、根据所述评分及预设评分规则显示所述评价图像。

5.如权利要求1所述的图像评价方法，其特征在于，所述孪生网络为VGG19模型，所述孪生网络用于根据损失函数通过随机梯度下降法迭代训练所述孪生网络得到图像评价模型，所述损失函数为：

其中：m为训练孪生网络配对图像的配对数目，yⁱ分别为第i个配对图像中的第一张图像、第二张图像的评价分数和配对图像的相对评分，分别为两个VGG19模型输出的第i个配对图像的评价分数，计算方法如下：

其中f(·)为激活函数，此处设置为sigmoid函数。

6.一种图像评价系统，其特征在于，所述图像评价系统包括：

预设模块，所述预设模块用于对若干图像进行配对得到配对图像，对所述图像设置评价分数；

评价模型训练模块，所述评价模型训练模块用于利用所述配对图像和所述评价分数训练一孪生网络得到图像评价模型；

评分模块，所述评分模块用于输入评价图像至所述图像评价模型得到评分；

预设模块还用于从若干所述图像中选取部分图像两两配对得到所述配对图像，每对所述配对图像中的图像的所述评价分数的差值均大于一阈值分数，所述配对图像设置相对评分标签，所述相对评分签用于记录所述配对图像中的两张图像的相对评分。

7.如权利要求6所述的图像评价系统，其特征在于，所述图像评价系统还包括转换模块，所述转换模块用于将所述配对图像中的图像分别进行等比例多尺度转换，并将所述孪生网络的最末端的池化层设置为空间金字塔池化层

所述评价模型训练模块还用于将转换后的配对图像的所述评价分数分别对应代入所述孪生网络的子网络得到所述图像评价模型。

8.如权利要求7所述的图像评价系统，其特征在于，所述孪生网络包括多个池化层，所述转换模块还用于预设所述图像的长宽转换比例，将所述配对图像中的两张图像以所述长宽转换比例为固定的比例，分别将两张所述图像变换为不同的尺寸。