The invention relates to the technical field of photo processing, in particular to a photo intelligent optimization system based on depth learning and a method thereof. The system includes picture parameter setting module, multi-dimensional parameter training module, target picture testing module, picture parameter optimization module, picture backup and storage module; picture parameter setting module realizes the addition and deletion of picture parameters and the measurement of picture parameters; multi-dimensional parameter training module adopts Caffe depth learning framework. The target picture test module is input target test picture and output data to the picture parameter optimization module; the picture parameter optimization module automatically edits and adjusts the corresponding parameters according to the output picture quantization characteristics; the picture backup and storage module realizes the backup and storage functions. The invention solves the defects of manual editing and processing of existing photographs, and can realize the automatic learning and processing of photographs.
【技术实现步骤摘要】
一种基于深度学习的照片智能优化系统及其方法
本专利技术涉及照片处理
,特别是一种基于深度学习的照片智能优化系统及其方法。
技术介绍
目前手机、照相机等设备,所拍摄的照片往往在参数方面有所欠缺;需要编辑和美化,尤其是针对包含人脸的照片。现有的办法是人工编辑,或采用设备自动美颜优化;但这些自动设备都是根据有图片丰富经验的领域专家,设计图片特征提取器,将图片原始数据转换为合适的特征向量,从而进行检测和分类;属于传统的机器学习。
技术实现思路
本专利技术解决的技术问题在于可以实现及其自动学习的基于深度学习的照片智能优化系统及其方法。本专利技术解决上述技术问题的技术方案是:所述的系统包括图片参数设置模块、多维度参数训练模块、目标图片测试模块、图片参数优化模块、图片备份和存储模块;所述的图片参数设置模块,包括图片参数管理模块和图片参数测量模块;图片参数管理模块主要负责图片参数的增删改查;图片参数测量模块实现图片参数的测量;所述的多维度参数训练模块采用caffe深度学习框架进行图片参数训练;所述的目标图片测试模块包括输入模块和输出模块;输入模块为输入目标测试图片;输出模块输出数据至图片参数优化模块;所述的图片参数优化模块,根据输出的图片量化特征,进行对应参数的自动编辑调整;所述的图片备份和存储模块,主要针对测试的目标图片,优化前预备份其副本至数据库,优化后将新图片存入新字段;采用调用数据库的方法查看优化历史记录。所述的方法是通过海量的各种特征的图片训练集训练机器,输出模型,让机器能自动监测和分类目标图片的参数信息,并提供推荐参数和美观度精调参数,从而实现机器代替人力的 ...
【技术保护点】
1.一种基于深度学习的照片智能优化系统,其特征在于:所述的系统包括图片参数设置模块、多维度参数训练模块、目标图片测试模块、图片参数优化模块、图片备份和存储模块;所述的图片参数设置模块,包括图片参数管理模块和图片参数测量模块;图片参数管理模块主要负责图片参数的增删改查;图片参数测量模块实现图片参数的测量;所述的多维度参数训练模块采用caffe深度学习框架进行图片参数训练;所述的目标图片测试模块包括输入模块和输出模块;输入模块为输入目标测试图片;输出模块输出数据至图片参数优化模块;所述的图片参数优化模块,根据输出的图片量化特征,进行对应参数的自动编辑调整;所述的图片备份和存储模块,主要针对测试的目标图片,优化前预备份其副本至数据库,优化后将新图片存入新字段;采用调用数据库的方法查看优化历史记录。
【技术特征摘要】
1.一种基于深度学习的照片智能优化系统,其特征在于:所述的系统包括图片参数设置模块、多维度参数训练模块、目标图片测试模块、图片参数优化模块、图片备份和存储模块;所述的图片参数设置模块,包括图片参数管理模块和图片参数测量模块;图片参数管理模块主要负责图片参数的增删改查;图片参数测量模块实现图片参数的测量;所述的多维度参数训练模块采用caffe深度学习框架进行图片参数训练;所述的目标图片测试模块包括输入模块和输出模块;输入模块为输入目标测试图片;输出模块输出数据至图片参数优化模块;所述的图片参数优化模块,根据输出的图片量化特征,进行对应参数的自动编辑调整;所述的图片备份和存储模块,主要针对测试的目标图片,优化前预备份其副本至数据库,优化后将新图片存入新字段;采用调用数据库的方法查看优化历史记录。2.一种权利要求1所述的基于深度学习的照片智能优化系统实现方法,其特征在于:所述的方法是通过海量的各种特征的图片训练集训练机器,输出模型,让机器能自动监测和分类目标图片的参数信息,并提供推荐参数和美观度精调参数,从而实现机器代替人力的照片智能自动优化。3.根据权利要求2所述的方法,其特征在于:由图片参数设置模块实现:A:新增图片参数:属性包括亮度、对比度、锐度、饱和度、色温、美观度等参数名称、-255至255的参数量化范围、-10至10的参数权重、正常参数推荐的参数平衡值;B:编辑图片参数;C:删除图片参数;D:图片参数测量,对某一张训练图片进行参数测量;所得值在规定范围内。4.根据权利要求3所述的方法,其特征在于:新建对比度时,可设置该参数的值域范围为-255至255;越小对比度越低,越大对比度越高;同时可设置参数权重,表明这个参数在美观度方面的占比;权重越大,参数起到的美观作用越大;反之,在精调美观度时,可极少关注该参数;同时...
【专利技术属性】
技术研发人员:黄博,季统凯,
申请(专利权)人:国云科技股份有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。