【技术实现步骤摘要】
图片集中代表性图片的确定方法及装置
[0001]本公开涉及图片处理
,尤其涉及一种图片集中代表性图片的确定方法及装置。
技术介绍
[0002]怎样在一段视频或者图片集合(视频和图片集合实质上一样,一段视频可以理解为一个图片集合)中挑选多张代表性图片,使代表性图片的丰富度、信息度和质量都高,是一个很重要的应用。目前相关技术都只考虑单张图片的“绝对质量”,比如单张图片不模糊、光照好等,而没有考虑一张图片相对于其他图片而言,可以带来多少的信息量。因此,现有技术从一段视频或者图片集合中挑选代表性图片,往往只考虑每一张图片本身,而不考虑彼此的相关性。
[0003]在实现本公开构思的过程中,专利技术人发现相关技术中至少存在如下技术问题:目前从图片集中挑选代表性图片,不考虑图片间的相关性,导致挑选出的代表性图片质量得不到保障的问题。
技术实现思路
[0004]有鉴于此,本公开实施例提供了一种图片集中代表性图片的确定方法、、装置、电子设备及计算机可读存储介质,以解决现有技术中,目前从图片集中挑选代表性图片,不考虑图片间的相关性,导致挑选出的代表性图片质量得不到保障的问题。
[0005]本公开实施例的第一方面,提供了一种图片集中代表性图片的确定方法,包括:获取训练数据集,并利用特征提取网络提取训练数据集中每张训练图片的特征向量,其中,训练数据集,包括:多个标识号以及每个标识号的多张训练图片,每个标识号均有一张特殊的训练图片作为该标识号的基础图片;基于每张训练图片与其所属标识号的基础图片的特征向量, ...
【技术保护点】
【技术特征摘要】
1.一种图片集中代表性图片的确定方法,其特征在于,包括:获取训练数据集,并利用特征提取网络提取所述训练数据集中每张训练图片的特征向量,其中,所述训练数据集,包括:多个标识号以及每个标识号的多张训练图片,每个标识号均有一张特殊的训练图片作为该标识号的基础图片;基于每张训练图片与其所属标识号的基础图片的特征向量,计算每张训练图片相对于其所属标识号的基础图片的相对丰富度;利用每张训练图片与其所属标识号的基础图片的特征向量,以及每张训练图片相对于其所属标识号的基础图片的相对丰富度,训练相对丰富度回归模型;基于每张训练图片与其所属标识号的其它训练图片的特征向量,计算每张训练图片的绝对丰富度;利用每张训练图片的特征向量和绝对丰富度,训练绝对丰富度回归模型;获取候选图片集,利用所述绝对丰富度回归模型和所述相对丰富度回归模型从所述候选图片集中挑选出所述候选图片集的代表性图片,其中,所述候选图片集包括多张候选图片。2.根据权利要求1所述的方法,其特征在于,所述基于每张训练图片与其所属标识号的基础图片的特征向量,计算每张训练图片相对于其所属标识号的基础图片的相对丰富度,包括:对于每张训练图片:将该训练图片所属标识号的其它多张训练图片作为该训练图片的正对标集合,从其它标识号的多张训练图片中确定出预设数量的训练图片作为该训练图片的负对标集合;基于该训练图片与其正对标集合中所有训练图片的特征向量,计算该训练图片与其正对标集合中每张训练图片的相似度的第一平均值;基于该训练图片所属标识号的基础图片与其正对标集合中所有训练图片的特征向量,计算该基础图片与其正对标集合中每张训练图片的相似度的第二平均值;基于该训练图片与其所属标识号的基础图片的特征向量的向量和与其正对标集合中所有训练图片的特征向量,计算该向量和与其正对标集合中每张训练图片的相似度的第三平均值;基于该训练图片与其所属标识号的基础图片的特征向量的向量和与其负对标集合中所有训练图片的特征向量,计算该向量和与其负对标集合中每张训练图片的相似度的第四平均值;基于该训练图片对应的第一平均值、第二平均值、第三平均值和第四平均值,计算该训练图片相对于其所属标识号的基础图片的相对丰富度。3.根据权利要求2所述的方法,其特征在于,所述基于该训练图片对应的第一平均值、第二平均值、第三平均值、和第四平均值,计算该训练图片相对于其所属标识号的基础图片的相对丰富度,包括:计算该训练图片对应的第三平均值和第一平均值的差值,作为该训练图片相对于其所属标识号的基础图片的正相对丰富度;计算该训练图片对应的第二平均值和第四平均值的差值,作为该训练图片相对于其所属标识号的基础图片的负相对丰富度;
基于该训练图片相对于其所属标识号的基础图片的正相对丰富度和负相对丰富度,确定该训练图片相对于其所属标识号的基础图片的相对丰富度。4.根据权利要求1所述的方法,其特征在于,所述利用每张训练图片与其所属标识号的基础图片的特征向量,以及每张训练图片相对于其所属标识号的基础图片的相对丰富度,训练相对丰富度回归模型,包括:计算每张训练图片所属标识号的基础图片的特征向量与第一矩阵的乘积,并将乘积的结果再乘以该张训练图片的特征向量与第一矩阵的乘积的转置,得到每张训练图片对应的第一向量;利用第一激活函数处理每张训练图片对应的第一向量,再将处理的结果乘以该张训练图片所属标识号的基础图片的特征向量,得到每张训练图片对应的第二向量;变换每张训练图片对应的第二向量的维度,以将变换维度后的第二向量与该张训练图片的特征向量进行堆叠,得到每张训练图片对应的第三向量;将每张训练图片对应的第三向量经过多次卷积、归一化、第二激活函数和全局池化的处理,得到每张训练图片对应的第四向量;将每张训练图片对应的第四向量经过后接第一全连接矩阵、所述第二激活函数处理、后接第二全...
【专利技术属性】
技术研发人员:请求不公布姓名,
申请(专利权)人:深圳须弥云图空间科技有限公司,
类型:发明
国别省市:
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。