【技术实现步骤摘要】
图像的选取方法、装置、存储介质和计算机设备
本申请涉及计算机
，特别是涉及一种图像的选取方法、装置、存储介质和计算机设备。
技术介绍
随着照相机、摄像机、智能手机等智能设备的快速普及，图像、视频等可视内容数据与日俱增，如何从大量的数据中找到我们认为美学质量高的内容就成了一个难题。近年来，随着计算机视觉算法和模式识别等技术的快速发展，人们希望计算机能够模拟人类对美的感知和理解，自动评价图像的“美感”，从评价结果中选取美学质量高的图像。但是，图像的“美感”是一个抽象的概念。传统的图像的选取方式，一般是人工设计图像特征，根据提取到的图像特征训练分类器，该分类器将图像分为高质量或者低质量两类，从高质量图像中选取图像。这种图像的选取方式，主要是对图像的失真程度(比如成像条件差而引起的失真、有损压缩引起的失真、图像传输过程中受信道衰减影响引起的失真等)进行评价，而对图像在美学质量方面(比如构图、颜色、景深等)的评价较少，导致选取的图像美观度不足。
技术实现思路
基于此，有必要针对在传统的图像的选取方式所...
【技术保护点】
1.一种图像的选取方法，其特征在于，所述方法包括：/n获取业务内容的图像候选集；/n确定所述业务内容所属的类别，根据所述业务内容所属的类别获取对应的美学质量模型；/n根据所述美学质量模型获取所述图像候选集中各个候选图像的美学质量分数；/n根据所述图像候选集中各个候选图像的美学质量分数选取目标图像。/n
【技术特征摘要】
1.一种图像的选取方法，其特征在于，所述方法包括：
获取业务内容的图像候选集；
确定所述业务内容所属的类别，根据所述业务内容所属的类别获取对应的美学质量模型；
根据所述美学质量模型获取所述图像候选集中各个候选图像的美学质量分数；
根据所述图像候选集中各个候选图像的美学质量分数选取目标图像。
2.根据权利要求1所述的方法，其特征在于，所述美学质量模型基于预训练模型进行训练，所述预训练模型为根据图像数据集训练好的卷积神经网络模型。
3.根据权利要求2所述的方法，其特征在于，所述美学质量模型的训练方式，包括：
获取样本图像以及所述样本图像的标注信息，所述样本图像的标注信息包括所述样本图像的标注类别以及所述样本图像的标注分数；
根据所述样本图像以及所述样本图像的标注信息训练所述预训练模型，得到所述美学质量模型。
4.根据权利要求3所述的方法，其特征在于，所述样本图像的标注分数是根据指标参数确定得到，所述指标参数包括美观度信息、关键对象信息、用户注意力信息和相关度信息中的至少一个。
5.根据权利要求4所述的方法，其特征在于，所述美观度信息包括色彩特征以及构图特征；所述关键对象信息包括人脸区域的数量和聚合尺寸、运动区域的数量和聚合尺寸以及显著性区域的数量和聚合尺寸；所述用户注意力信息包括运动统计特征、边界抖动特征、相机抖动特征、运动熵特征以及关键目标运动特征；所述相关度信息包括所述样本图像与样本业务内容的主题的相关性。
6.根据权利要求3所述的方法，其特征在于，所述样本图像的确定方式，包括：
获取每个原始图像的至少两个标注分数；
选取所述至少两个标注分数之间的差值在预设范围内的原始图像，作为所述样本图像。
7.根据权利要求3所述的方法，其特征在于，所述根据所述样本图像以及所述样本图像的标注信息，训练所述预训练模型，得到所述美学质量模型，包括：
将所述样本图像以及所述样本图像的标注信息输入所述预训练模型，得到所述样本图像的预测分数概率分布信息；
根据所述预测分数概率分布信息与参考分数概率分布信息之间的差异，更新所述预训练模型的参数，得到所述美学质量模型，其中，所述参考分数概率分布信息是根据所述样本图像的标注分数所生成的。
8.根据权利要求7所述的方法，其特征在于，所述预测分数概率分布信息包括第一预测分数概率分布信息、第二预测分数概率分布信息以及第三预测分数概率分布信息，所述美学质量模型包括第一损失函数、第二损失函数以及第三损失函数，所述第一损失函数、所述第二损失函数以及所述第三损失函数在所述美学质量模型中的层级不同，所述第一损失函数用于计算所述第一预测分数概率分布信息与所述参考分数概率分布信息之间的差异，所述第二损失函数用于计算所述第二预测分数概率分布信息与所述参考分数概率分布信息之间的差异，所述第三损失函数用于计算所述第三预测分数概率分布信息与所述参考分数概率分布信息之间的差异；
所...
【专利技术属性】
技术研发人员：刘刚，
申请(专利权)人：腾讯科技深圳有限公司，
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。