[发明专利]一种摄影构图线匹配方法、装置、设备及存储介质

说明书

本发明公开了一种摄影构图线匹配方法、装置、设备及存储介质，主要涉及计算机信息技术领域。包括导入分类样本集，所述分类样本集是以人工标定的构图线为标签进行分类的照片合集；对分类样本集通过卷积神经网络DenseNet进行训练，并构建构图模型；获取目标影像，所述目标影像是拍摄的照片；使用构图模型对目标影像进行识别并归类，获得对应类别的构图线。本发明的有益效果在于：通过对网络进行改善后分为多种结构线类型，对拍摄进行智能指导的作用。

技术领域

本发明涉及计算机信息技术领域，具体是一种摄影构图线匹配方法、装置、设备及存储介质。

背景技术

图像识别、物体检测是计算机视觉领域的重要研究问题，在人脸识别、安全监控以及动态追踪等很多方面都有广泛的应用前景。图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。物体检测是指对于任意一帧或连续帧图像，检测和识别其中特定的目标，并返回目标的位置、大小信息，例如输出包围目标的边界框。

近年来随着随着智能手机的的不断发展和进步，手机自带的相机的功能也逐步增多。但是绝大部分的手机对于拍照前的指导几乎为零，主要是在拍照结束后，对于照片的处理花了很大的心思。所以对于如何让用户排出比较美感的照片并没有指导作用。

拍照前指导目前的难度：1)主要是专业性较强，没有相关专业知识的人很难对照片有一些抽象的理解。2)需要巨大的相关的数据集进行训练。3)在没有用卷进神经网络之前，图像处理一直用opencv等处理，由于计算量较大实现起来比较困难。对于拍照前的指导需要比较专业的知识理论来支撑。目前没有这样的一个卷积神经网络可以实现它。

发明内容

本发明的目的在于提供一种摄影构图线匹配方法、装置、设备及存储介质，它通过对网络进行改善后分为多种结构线类型，对拍摄进行智能指导的作用。

本发明为实现上述目的，通过以下技术方案实现：

一种摄影构图线匹配方法，包括：

导入分类样本集，所述分类样本集是以人工标定的构图线为标签进行分类的照片合集；

对分类样本集通过卷积神经网络DenseNet进行训练，并构建构图模型；

获取目标影像，所述目标影像是拍摄的照片；

使用构图模型对目标影像进行识别并归类，获得对应类别的构图线。

所述对分类样本集通过卷积神经网络DenseNet进行训练，包括利用高性能处理单元使用改善过后的vgg在PyTorch框架下训练。在模型训练完成之后，将其使用模型服务技术布局在阿里服务器上进行流水运算。

作为本发明的另一个方面，提供了一种摄影构图线匹配装置，包括：

导入单元，配置用于导入分类样本集，所述分类样本集是以人工标定的构图线为标签进行分类的照片合集；

训练单元，配置用于对分类样本集通过卷积神经网络DenseNet进行训练，并构建构图模型；

获取单元，配置用于获取目标影像，所述目标影像是拍摄的照片；

识别单元，配置用于使用构图模型对目标影像进行识别并归类，获得对应类别的构图线。

所述获取单元和识别单元配置于语音通讯装置的APP中。

所述获取目标影像包括：

通过APP所在的语音通讯装置拍摄照片。

作为本发明的另一个方面，提供了一种设备，所述设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，