图像素材的质量评估方法及装置制造方法及图纸

本公开提供一种图像素材的质量评估方法及装置，所述方法包括：获取目标广告图像素材；将所述目标广告图像素材输入到预先训练的目标卷积神经网络中进行评估处理，以获取所述目标广告图像素材对应的质量级别。本公开避免了人为的主观因素对质量评估结果的影响，提高了质量评估结果的准确率，并节省了大量的人力资源，也提高了质量评估的效率。

【技术实现步骤摘要】

本公开涉及计算机
，特别涉及一种图像素材的质量评估方法及装置。
技术介绍
随着网络技术的不断发展，互联网已经成为人们生活和工作中必不可少的一种信息传播媒介。因此，很多广告主会将自己产品的广告投放到互联网中。产品的广告可以包括很多素材，例如文本素材、图像素材以及声音素材等。其中，广告的图像素材对广告的点击率有较大的影响，比较有吸引力的图像能够引导更多的人点击广告，增加广告的点击率。目前，一些广告主在投放某些产品的广告时，为了了解该广告的图像素材对广告点击率的影响力，一般会人工根据经验对该广告的图像素材进行质量的审核和评估，以确定该广告的图像素材的质量。但是，由于人的主观因素的影响，质量评估结果的准确率较低，并且浪费了大量的人力资源，降低了质量评估的效率。
技术实现思路
为了解决上述技术问题，本公开提供一种图像素材的质量评估方法及装置。根据本公开实施例的第一方面，提供一种图像素材的质量评估方法，包括：获取目标广告图像素材；将所述目标广告图像素材输入到预先训练的目标卷积神经网络中进行评估处理，以获取所述目标广告图像素材对应的质量级别。可选的，所述方法还包括：获取广告图像素材的样本；获取所述广告图像素材的样本对应的质量级别；基于所述广告图像素材的样本以及对应的质量级别对深度卷积神经网络中的参数进行修正，以获取所述目标卷积神经网络。可选的，所述获取所述广告图像素材的样本对应的质量级别，包括：获取所述广告图像素材的样本对应的点击率；获取预先对点击率设定的多个区间范围的信息，每个所述区间范围对应一个质量级别，并且对应的点击率越高的区间范围所对应的质量级别越高；确定所述广告图像素材的样本对应的点击率所在的区间范围，将该区间范围对应的质量级别作为所述广告图像素材的样本对应的质量级别。可选的，所述基于所述广告图像素材的样本以及对应的质量级别对深度卷积神经网络中的参数进行修正，包括：对所述广告图像素材的样本进行归一化处理，以得到归一化样本；基于所述归一化样本以及对应的质量级别判断当前深度卷积神经网络的损失函数层中的损失函数是否收敛到收敛阈值；如果未收敛到收敛阈值，调整当前深度卷积神经网络中的参数，并重新执行所述判断的步骤；如果收敛到收敛阈值，停止修正，并输出当前深度卷积神经网络作为所述目标卷积神经网络。可选的，所述基于所述归一化样本以及对应的质量级别判断当前深度卷积神经网络的损失函数层中的损失函数是否收敛到收敛阈值，包括：将所述归一化样本以及对应的质量级别输入到当前深度卷积神经网络中的卷积层进行N次处理，以得到卷积特征值；将所述卷积特征值输入到当前深度卷积神经网络中的全连接层进行N次处理，以得到全连接特征值；将所述全连接特征值输入到当前深度卷积神经网络中的损失函数层，以得到所述损失函数；判断所述损失函数是否收敛到收敛阈值；其中，N为大于或者等于2的自然数。可选的，当将所述归一化样本以及对应的质量级别输入到当前深度卷积神经网络中的卷积层进行第一次处理时，所述第一次处理包括：采用当前深度卷积神经网络的第一卷积层对所述归一化样本以及对应的质量级别进行处理，以得到第一卷积值；采用当前深度卷积神经网络的第一激活函数对所述第一卷积值进行激活处理，以得到第一激活值；采用当前深度卷积神经网络的第一池化层对所述第一激活值进行池化处理，以获取第一特征值；当进行第n次处理时，所述第n次处理包括：采用当前深度卷积神经网络的第n卷积层对第n-1特征值进行处理，以得到第n卷积值；采用当前深度卷积神经网络的第n激活函数对所述第n卷积值进行激活处理，以得到第n激活值；采用当前深度卷积神经网络的第n池化层对所述第n激活值进行池化处理，以获取第n特征值；当n＝N时，将第N特征值作为所述卷积特征值；其中，n为大于或者等于2，小于或者等于N的自然数。根据本公开实施例的第二方面，提供一种图像素材的质量评估装置，包括：第一获取模块，被配置为获取目标广告图像素材；评估模块，被配置为将所述目标广告图像素材输入到预先训练的目标卷积神经网络中进行评估处理，以获取所述目标广告图像素材对应的质量级别。可选的，所述装置还包括：第二获取模块，被配置为获取广告图像素材的样本；第三获取模块，被配置为获取所述广告图像素材的样本对应的质量级别；修正模块，被配置为基于所述广告图像素材的样本以及对应的质量级别对深度卷积神经网络中的参数进行修正，以获取所述目标卷积神经网络。可选的，所述第三获取模块包括：点击率获取子模块，被配置为获取所述广告图像素材的样本对应的点击率；范围获取子模块，被配置为获取预先对点击率设定的多个区间范围的信息，每个所述区间范围对应一个质量级别，并且对应的点击率越高的区间范围所对应的质量级别越高；确定子模块，被配置为确定所述广告图像素材的样本对应的点击率所在的区间范围，将该区间范围对应的质量级别作为所述广告图像素材的样本对应的质量级别。可选的，所述修正模块包括：归一子模块，被配置为对所述广告图像素材的样本进行归一化处理，以得到归一化样本；判断子模块，被配置为基于所述归一化样本以及对应的质量级别判断当前深度卷积神经网络的损失函数层中的损失函数是否收敛到收敛阈值；调整子模块，被配置为在未收敛到收敛阈值时，调整当前深度卷积神经网络中的参数，并重新执行所述判断的步骤；输出子模块，被配置为在收敛到收敛阈值时，停止修正，并输出当前深度卷积神经网络作为所述目标卷积神经网络。可选的，所述判断子模块包括：卷积子模块，被配置为将所述归一化样本以及对应的质量级别输入到当前深度卷积神经网络中的卷积层进行N次处理，以得到卷积特征值；全连接子模块，被配置为将所述卷积特征值输入到当前深度卷积神经网络中的全连接层进行N次处理，以得到全连接特征值；损失子模块，被配置为将所述全连接特征值输入到当前深度卷积神经网络中的损失函数层，以得到所述损失函数；收敛判断子模块，被配置为判断所述损失函数是否收敛到收敛阈值；其中，N为大于或者等于2的自然数。可选的，当将所述归一化样本以及对应的质量级别输入到当前深度卷积神经网络中的卷积层进行第一次处理时，所述卷积子模块被配置用于：采用当前深度卷积神经网络的第一卷积层对所述归一化样本以及对应的质量级别进行处理，以得到第一卷积值；采用当前深度卷积神经网络的第一激活函数对所述第一卷积值进行激活处理，以得到第一激活值；采用当前深度卷积神经网络的第一池化层对所述第一激活值进行池化处理，以获取第一特征值；当进行第n次处理时，所述卷积子模块被配置用于：采用当前深度卷积神经网络的第n卷积层对第n-1特征值进行处理，以得到第n卷积值；采用当前深度卷积神经网络的第n激活函数对所述第n卷积值进行激活处理，以得到第n激活值；采用当前深度卷积神经网络的第n池化层对所述第n激活值进行池化处理，以获取第n特征值；当n＝N时，将第N特征值作为所述卷积特征值；其中，n为大于或者等于2，小于或者等于N的自然数。根据本公开实施例的第三方面，提供一种图像素材的质量评估装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取目标广告图像素材；将所述目标广告图像素材输入到预先训练的目标卷积神经网络中进行评估处理，以获取所述目标广告图像素材对应的质量级别。本公开的实施例提供的技术本文档来自技高网...

【技术保护点】
一种图像素材的质量评估方法，其特征在于，所述方法包括：获取目标广告图像素材；将所述目标广告图像素材输入到预先训练的目标卷积神经网络中进行评估处理，以获取所述目标广告图像素材对应的质量级别。

【技术特征摘要】
1.一种图像素材的质量评估方法，其特征在于，所述方法包括：获取目标广告图像素材；将所述目标广告图像素材输入到预先训练的目标卷积神经网络中进行评估处理，以获取所述目标广告图像素材对应的质量级别。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取广告图像素材的样本；获取所述广告图像素材的样本对应的质量级别；基于所述广告图像素材的样本以及对应的质量级别对深度卷积神经网络中的参数进行修正，以获取所述目标卷积神经网络。3.根据权利要求2所述的方法，其特征在于，所述获取所述广告图像素材的样本对应的质量级别，包括：获取所述广告图像素材的样本对应的点击率；获取预先对点击率设定的多个区间范围的信息，每个所述区间范围对应一个质量级别，并且对应的点击率越高的区间范围所对应的质量级别越高；确定所述广告图像素材的样本对应的点击率所在的区间范围，将该区间范围对应的质量级别作为所述广告图像素材的样本对应的质量级别。4.根据权利要求2所述的方法，其特征在于，所述基于所述广告图像素材的样本以及对应的质量级别对深度卷积神经网络中的参数进行修正，包括：对所述广告图像素材的样本进行归一化处理，以得到归一化样本；基于所述归一化样本以及对应的质量级别判断当前深度卷积神经网络的损失函数层中的损失函数是否收敛到收敛阈值；如果未收敛到收敛阈值，调整当前深度卷积神经网络中的参数，并重新执行所述判断的步骤；如果收敛到收敛阈值，停止修正，并输出当前深度卷积神经网络作为所述目标卷积神经网络。5.根据权利要求4所述的方法，其特征在于，所述基于所述归一化样本以及对应的质量级别判断当前深度卷积神经网络的损失函数层中的损失函数是否收敛到收敛阈值，包括：将所述归一化样本以及对应的质量级别输入到当前深度卷积神经网络中的卷积层进行N次处理，以得到卷积特征值；将所述卷积特征值输入到当前深度卷积神经网络中的全连接层进行N次处理，以得到全连接特征值；将所述全连接特征值输入到当前深度卷积神经网络中的损失函数层，以得到所述损失函数；判断所述损失函数是否收敛到收敛阈值；其中，N为大于或者等于2的自然数。6.根据权利要求5所述的方法，其特征在于，当将所述归一化样本以及对应的质量级别输入到当前深度卷积神经网络中的卷积层进行第一次处理时，所述第一次处理包括：采用当前深度卷积神经网络的第一卷积层对所述归一化样本以及对应的质量级别进行处理，以得到第一卷积值；采用当前深度卷积神经网络的第一激活函数对所述第一卷积值进行激活处理，以得到第一激活值；采用当前深度卷积神经网络的第一池化层对所述第一激活值进行池化处理，以获取第一特征值；当进行第n次处理时，所述第n次处理包括：采用当前深度卷积神经网络的第n卷积层对第n-1特征值进行处理，以得到第n卷积值；采用当前深度卷积神经网络的第n激活函数对所述第n卷积值进行激活处理，以得到第n激活值；采用当前深度卷积神经网络的第n池化层对所述第n激活值进行池化处理，以获取第n特征值；当n＝N时，将第N特征值作为所述卷积特征值；其中，n为大于或者等于2，小于或者等于N的自然数。7.一种图像素材的质量评估装置，其特征在于，所述装置包括：第一获取模块，被配置为获取目标广告图像素材；评估模块，被配置为将所述目标广告图像素材输入到预先训练的目标卷积神经网络中进行评估处理，以获取所述目标广告...

【专利技术属性】
技术研发人员：闫铭，吴宏刚，陆子龙，张卫，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京;11