滤镜推荐方法、装置、电子设备及存储介质制造方法及图纸

本公开是关于一种滤镜推荐方法、装置、电子设备及存储介质。其中方法包括：接收到为原始图像增加滤镜的指令后，在预置图像特征包含的类别中，识别所述原始图像所属的类别；依据预设的类别与智能滤镜的对应关系，查询所述原始图像所属的类别对应的智能滤镜；根据查询到的智能滤镜进行滤镜推荐。本公开可以根据原始图像的类别进行智能滤镜的推荐，推荐过程更加客观，推荐的智能滤镜能够更加适应原始图像的情况，推荐结果准确，能够提升用户体验。

Recommendation methods, devices, electronic devices and storage media for filters

【技术实现步骤摘要】
滤镜推荐方法、装置、电子设备及存储介质
本公开涉及图像处理
，尤其涉及一种滤镜推荐方法、装置、电子设备及存储介质。
技术介绍
随着移动互联网和智能终端的飞速发展，移动终端逐渐成为人们生活中不可或缺的一部分。移动终端具有通话，拍摄，播放音频、视频，定位，条码扫描等各种功能，为人们的生活带来了极大的便利。在利用移动终端拍摄时，为了使得拍摄的作品质量更好，很多用户会在拍摄的照片或者视频上增加滤镜，以达到美化照片或视频的目的。在相关技术中，用户通常是根据自己的喜好来选择要增加的滤镜，因此滤镜的选择往往偏主观，而很多用户并不是专业摄像人士，从而导致选择的滤镜与拍摄的作品不符合，滤镜选择不准确，降低用户体验。
技术实现思路
为克服相关技术中存在的问题，本公开提供一种滤镜推荐方法、装置、电子设备及存储介质。根据本公开实施例的第一方面，提供一种滤镜推荐方法，包括：接收到为原始图像增加滤镜的指令后，在预置图像特征包含的类别中，识别所述原始图像的类别；依据预设的类别与智能滤镜的对应关系，查询所述原始图像所属的类别对应的智能滤镜；根据查询到的智能滤镜进行滤镜推荐。可选地，所述在预置图像特征包含的类别中，识别所述原始图像所属的类别的步骤包括：将所述原始图像输入预设的神经网络模型，所述神经网络模型包括至少一个全连接层，每个全连接层对应一种预置图像特征，每种预置图像特征包含至少一种类别；获取每个全连接层输出的，在所述全连接层对应的预置图像特征包含的类别中，所述原始图像所属的类别。可选地，所述神经网络模型通过如下方式得到：获取多个样本图像，每个样本图像标记有在至少一种所述预置图像特征包含的类别中所属的类别；针对每种类别，根据所述类别对应的样本图像的数量，计算所述类别对应的采样权重；按照每种类别各自对应的采样权重从所述多个样本图像中选取待训练的样本图像；利用所述待训练的样本图像，训练所述神经网络模型。可选地，所述原始图像所属的类别包括至少一种，所述类别与智能滤镜的对应关系中每个智能滤镜对应至少一种类别；所述依据预设的类别与智能滤镜的对应关系，查询所述原始图像所属的类别对应的智能滤镜的步骤包括：依据所述类别与智能滤镜的对应关系，查询对应的类别命中所述原始图像所属的类别的智能滤镜。可选地，根据查询到的智能滤镜进行滤镜推荐的步骤包括：从查询到的智能滤镜中选取命中类别的数量最多的智能滤镜，作为推荐的智能滤镜。可选地，在所述从查询到的智能滤镜中选取命中类别的数量最多的智能滤镜，作为推荐的智能滤镜的步骤之后，还包括：显示滤镜列表，在所述滤镜列表中显示所述推荐的智能滤镜，并将所述推荐的智能滤镜标记为智能；在所述滤镜列表中存在与所述推荐的智能滤镜类别相同的滤镜时，将所述类别相同的滤镜中的至少一个滤镜标记为推荐。可选地，所述预置图像特征包括图像目标、图像场景及图像质量。根据本公开实施例的第二方面，提供一种滤镜推荐装置，包括：识别单元，被配置为接收到为原始图像增加滤镜的指令后，在预置图像特征包含的类别中，识别所述原始图像所属的类别；查询单元，被配置为依据预设的类别与智能滤镜的对应关系，查询所述原始图像所属的类别对应的智能滤镜；推荐单元，被配置为根据查询到的智能滤镜进行滤镜推荐。可选地，所述识别单元包括：图像输入模块，被配置为将所述原始图像输入预设的神经网络模型，所述神经网络模型包括至少一个全连接层，每个全连接层对应一种预置图像特征，每种预置图像特征包含至少一种类别；类别获取模块，被配置为获取每个全连接层输出的，在所述全连接层对应的预置图像特征包含的类别中，所述原始图像所属的类别。可选地，所述的装置还包括：获取单元，被配置为获取多个样本图像，每个样本图像标记有在至少一种所述预置图像特征包含的类别中所属的类别；计算单元，被配置为针对每种类别，根据所述类别对应的样本图像的数量，计算所述类别对应的采样权重；选取单元，被配置为按照每种类别各自对应的采样权重从所述多个样本图像中选取待训练的样本图像；训练单元，被配置为利用所述待训练的样本图像，训练所述神经网络模型。可选地，所述原始图像所属的类别包括至少一种，所述类别与智能滤镜的对应关系中每个智能滤镜对应至少一种类别；所述查询单元包括：类别查询模块，被配置为依据所述类别与智能滤镜的对应关系，查询对应的类别命中所述原始图像所属的类别的智能滤镜。可选地，所述推荐单元包括：滤镜选取模块，被配置为从查询到的智能滤镜中选取命中类别的数量最多的智能滤镜，作为推荐的智能滤镜。可选地，所述装置还包括：显示单元，被配置为显示滤镜列表，在所述滤镜列表中显示所述推荐的智能滤镜，并将所述推荐的智能滤镜标记为智能；标记单元，被配置为在所述滤镜列表中存在与所述推荐的智能滤镜类别相同的滤镜时，将所述类别相同的滤镜中的至少一个滤镜标记为推荐。可选地，所述预置图像特征包括图像目标、图像场景及图像质量。根据本公开实施例的第三方面，提供一种电子设备，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执行上述任一种滤镜推荐方法。根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一种滤镜推荐方法。根据本公开实施例的第五方面，提供一种计算机程序产品，当所述计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一种滤镜推荐方法。本公开的实施例提供的技术方案可以包括以下有益效果：本公开的实施例中，接收到为原始图像增加滤镜的指令后，在预置图像特征包含的类别中，识别原始图像所属的类别；依据预设的类别与智能滤镜的对应关系，查询原始图像所属的类别对应的智能滤镜；根据查询到的智能滤镜进行滤镜推荐。由此可知，本公开实施例中可以根据原始图像的类别进行智能滤镜的推荐，推荐过程更加客观，推荐的智能滤镜能够更加适应原始图像的情况，推荐结果准确，能够提升用户体验。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据一示例性实施例示出的一种滤镜推荐方法的流程图。图2是根据一示例性实施例示出的一种滤镜推荐方法的流程图。图3是根据一示例性实施例示出的一种神经网络模型的示意图。图4是根据一示例性实施例示出的一种滤镜列表的示意图。图5是根据一示例性实施例示出的一种滤镜推荐效果的示意图。图6是根据一示例性实施例示出的一种滤镜推荐效果的示意图。图7是根据一示例性实施例示出的一种滤镜推荐效果的示意图。图8是根据一示例性实施例示出的一种滤镜推荐装置的框图。图9是根据一示例性实施例示出的一种用于滤镜推荐的装置的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。图1是根据一示例性实施例示出的一种滤镜推荐方法的流程图，如图1所示，滤镜推荐方法用于电子设备本文档来自技高网...

【技术保护点】
1.一种滤镜推荐方法，其特征在于，包括：接收到为原始图像增加滤镜的指令后，在预置图像特征包含的类别中，识别所述原始图像所属的类别；依据预设的类别与智能滤镜的对应关系，查询所述原始图像所属的类别对应的智能滤镜；根据查询到的智能滤镜进行滤镜推荐。

【技术特征摘要】
1.一种滤镜推荐方法，其特征在于，包括：接收到为原始图像增加滤镜的指令后，在预置图像特征包含的类别中，识别所述原始图像所属的类别；依据预设的类别与智能滤镜的对应关系，查询所述原始图像所属的类别对应的智能滤镜；根据查询到的智能滤镜进行滤镜推荐。2.根据权利要求1所述的滤镜推荐方法，其特征在于，所述在预置图像特征包含的类别中，识别所述原始图像所属的类别的步骤包括：将所述原始图像输入预设的神经网络模型，所述神经网络模型包括至少一个全连接层，每个全连接层对应一种预置图像特征，每种预置图像特征包含多种类别；获取每个全连接层输出的，在所述全连接层对应的预置图像特征包含的类别中，所述原始图像所属的类别。3.根据权利要求2所述的滤镜推荐方法，其特征在于，所述神经网络模型通过如下方式得到：获取多个样本图像，每个样本图像标记有在至少一种所述预置图像特征包含的类别中所属的类别；针对每种类别，根据所述类别对应的样本图像的数量，计算所述类别对应的采样权重；按照每种类别各自对应的采样权重从所述多个样本图像中选取待训练的样本图像；利用所述待训练的样本图像，训练所述神经网络模型。4.根据权利要求1所述的滤镜推荐方法，其特征在于，所述原始图像所属的类别包括至少一种，所述类别与智能滤镜的对应关系中每个智能滤镜对应至少一种类别；所述依据预设的类别与智能滤镜的对应关系，查询所述原始图像所属的类别对应的智能滤镜的步骤包括：依据所述类别与智能滤镜的对应关系，查询对应的...

【专利技术属性】
技术研发人员：张渊，郑文，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：北京,11