[发明专利]图像评估方法、装置及计算机可读存储介质

说明书

本申请实施例提供一种图像评估方法、装置及计算机可读存储介质，涉及图像处理技术领域。所述图像评估方法包括获取待评估图像；基于预设的图像评估模型对所述待评估图像进行计算，得到所述待评估图像的评分分布信息；根据所述评分分布信息计算得到所述待评估图像对应的图像评估值。本申请能够有效提高图像评估结果的准确性。

技术领域

本申请涉及图像处理技术领域，具体而言，涉及一种图像评估方法、装置及计算机可读存储介质。

背景技术

随着手机等智能终端的普及，用户可以随时随地进行图像拍摄，但现有的图像评估方法大多是针对专业级的图像进行图像评估时提出的，无法满足用户随手拍摄的日常图像的评估需求。

发明内容

为改善上述问题之一，本申请实施例提供一种图像评估方法、装置及计算机可读存储介质，内容如下。

一方面，本申请实施例提供一种图像评估方法，包括：

获取待评估图像；

基于预设的图像评估模型对所述待评估图像进行计算，得到所述待评估图像的评分分布信息；

根据所述评分分布信息计算得到所述待评估图像对应的图像评估值。

在本申请实施例的选择中，所述图像评估值通过公式计算得到，其中，为所述评分分布信息，X为评分范围，k为索引值，k＝1,2,3,…,N。

在本申请实施例的选择中，所述预设的图像评估模型通过下述步骤训练得到：

获取训练数据集，以及待训练的第一神经网络模型，该待训练的第一神经网络模型包括用于特征提取的卷积网络以及用于对该卷积网络提取的特征进行分类的特征分类网络；

锁定所述卷积网络的网络参数后，将所述训练数据集作为所述第一神经网络模型的输入，并通过所述训练数据集对所述第一神经网络模型中的特征分类网络的网络参数进行训练；

当针对所述第一神经网络模型中的特征分类网络进行训练的训练条件满足第一预设需求时停止对该特征分类网络的训练；

解除对所述卷积网络的网络参数的锁定，并将解除参数锁定且完成特征分类网络训练的第一神经网络模型作为第二神经网络模型；

利用所述训练数据集继续对所述第二神经网络模型进行训练，并将训练后的第二神经网络模型作为所述预设的图像评估模型。

在本申请实施例的选择中，在执行所述锁定所述卷积网络的网络参数后，将所述训练数据集作为所述第一神经网络模型的输入的步骤之前，所述预设的图像评估模型的训练步骤还包括：

获取用于迁移学习的预训练神经网络；

利用迁移学习的方式将所述预训练神经网络的网络参数迁移至所述第一神经网络模型。

在本申请实施例的选择中，所述预设的图像评估模型的训练步骤还包括：

根据所述训练后的第二神经网络模型输出的评分分布信息计算该第二神经网络模型的损失函数值；

判断所述损失函数值是否满足第二预设需求，若所述损失函数值不满足第二预设需求，则基于所述训练后的第二神经网络模型以及所述训练数据集再次执行对所述训练后的第二神经网络模型的模型训练，直到根据训练后的第二神经网络模型输出的评分分布信息计算得到的所述损失函数值满足第二预设需求。

在本申请实施例的选择中，所述根据所述训练后的第二神经网络模型输出的评分分布信息计算该第二神经网络模型的损失函数值的步骤，包括：

获取预设的所述训练数据集中的各图像数据的评分分布信息作为参考分布信息，以及将所述训练后的第二神经网络模型输出的评分分布信息作为待评分分布信息；