一种面向众包的CG协同制作项目分包方法和系统技术方案

本发明专利技术公开了一种面向众包的CG协同制作项目分包方法，包括：创建项目任务集合，输入任务图像信息，得到项目任务信息；创建初始训练集，基于初始训练集对任务复杂度进行自动分类；生成项目订单，基于项目任务信息，得到接包方候选集列表，基于embedding的前馈网络实现设计师画像与团队推荐；通知接包方查看项目订单信息并反馈；反馈接包数量大于0后，通知发包方进行人工筛选，完成项目的接发包。本发明专利技术是一个端到端的方法，通过FPN网络实现对任务特征的提取，同时通过定义任务满意度，运用Embedding技术，实现对人员完成任务的满意度预测，最后通过加权平均的方式来刻画团队协同完成项目的能力。整个方法直观、高效，能够较好的完成CG项目分包目标。的完成CG项目分包目标。的完成CG项目分包目标。

【技术实现步骤摘要】
一种面向众包的CG协同制作项目分包方法和系统


[0001]本专利技术属于项目分包
，具体地说，涉及一种面向众包的CG协同制作项目分包方法和系统。

技术介绍

[0002]近年来，动漫影视制作众包模式发展迅速，通过互联网将制作项目外包给不同的制作团队变的越来越普遍。但传统的CG项目发包平台无法提供对分包项目的准确量化，并且发包方没有能力筛选合适的接包方，尤其是接包方是否有能力较好的完成该项目，导致服务外包这种商务模式容易受报价高低和接包方的销售能力的影响。
[0003]平台作为第三方，如何合理、客观、准确的对项目与团队进行建模，使得团队完成项目满意度最大，实现帮团队找项目，帮项目找团队，以此来有效保障发包与接包双方的权益，对促进国内CG行业服务外包业务的发展至关重要。
[0004]从解决的场景出发，他们大多数是为一个接包工人推荐一组任务，而不是为一个团队推荐项目，CG分包平台需要给团队提供的是项目。另外从技术实现角度，这些专利基本不是端到端的训练方法，需要多环节分别处理任务特征以及接包方的特征，需要采集大量数据，需要引入大量先验知识。任务特征大部分不支持效果图特征的提取，同时不考虑团队的能力建模，即一个团队的能力是由他组成人员协同工作展现的。另外他们也不考虑为项目特征建模，即一个项目是由一组任务组成的，任务的复杂度决定了项目的整体复杂度。
[0005]有鉴于此特提出本专利技术。

技术实现思路

[0006]本专利技术要解决的技术问题在于克服现有技术的不足，提供一种面向众包的CG协同制作项目分包方法和系统。为解决上述技术问题，本专利技术采用技术方案的基本构思是：
[0007]第一方面，本专利技术提供一种面向众包的CG协同制作项目分包方法，包括：
[0008]S1：创建项目任务集合，并输入任务图像信息，得到项目任务信息；
[0009]S2：通过人工标注的任务复杂度集合创建初始训练集，基于初始训练集对任务复杂度进行自动分类，基于FPN网络实现发包任务复杂度的建模；
[0010]S3：生成项目订单，基于项目任务信息，得到接包方候选集列表，基于embedding的前馈网络实现设计师画像与团队推荐；
[0011]S4：通知接包方查看项目订单信息并反馈；
[0012]S5：反馈接包数量大于0后，通知发包方进行人工筛选，完成项目的接发包。
[0013]优选的，基于FPN网络实现发包任务复杂度的建模，包括提取任务图像的像素、纹理、高层语义等低纬与高纬特征，通过FPN网络实现不同纬度特征的融合，来实现对任务复杂度进行分类。
[0014]优选的，任务复杂度包括纹理复杂度、材质复杂度、结构复杂度，每种复杂度有5级，利用resnet50骨干网络分别通过对第二层到第五层的特征融合得到P6层的特征，进一
步对任务复杂度类型进行分类，得到任务的相关复杂度。
[0015]优选的，基于embedding的前馈网络实现设计师画像与团队推荐，包括根据任务翻修次数与任务执行时间，对任务完成满意度进行定义所述f
i
表示任务i的完成满意度，且f
i
最大为1最小为0，所述t
ik
表示任务i的k次提交花费时间；
[0016]所述任务i的纹理复杂度、材质复杂度、结构复杂度、完成人员的one
‑
hot编码分别为u
i
、v
i
、w
i
、p
i
，构建4个UV、VV、WV、PV词典，所述UV、VV、WV是5
×
10的矩阵，所述PV是n
×
10的矩阵，n为设计师数量；
[0017]构建训练数据u
i
、v
i
、w
i
、p
i
、f
i
,通过梯度下降的方法训练得到所述uv、vv、wv、pv词典，基于embedding实现前馈神经网络，完成任务完成满意度的回归。
[0018]优选的，通过所述FPN网络提取出新项目J中的每个任务z的复杂度特征u
z
、v
z
、w
z
，通过所述训练网络得到不同团队的设计师p的完成任务z的满意度f
pz
，最后通过公式获取团队完成项目J的平均完成满意度；
[0019]优选的，基于平均完成满意度，构建项目J最大堆结构，选取top k的团队，生成候选推荐列表。
[0020]优选的，最大堆是一颗完全二叉树，其任一结点的值大于或者等于其子结点的值，且插入、删除操作的时间复杂度是O(logN)。
[0021]第二方面，本专利技术提供一种面向众包的CG协同制作项目分包方法系统，包括：
[0022]项目创建模块，用于处理项目任务集合创建，同时调用模型预测模块完成项目任务复杂度特征提取；
[0023]模型训练与预测模块，用于实现项目任务包括纹理、结构、材质等复杂度特征的训练与预测，同时支持增量的训练模型；
[0024]团队推荐模块，用于对团队完成项目的能力进行计算，基于完成满意度对团队进行排序，得到top
‑
n列表，反馈给发包方；
[0025]交易辅助模块，用于通知接包方与发包方进行双向选择，帮助双方达成交易。
[0026]第三方面，本专利技术提供一种计算机可读存储介质，其存储用于面向众包的CG协同制作项目分包方法的计算机程序，其中，所述计算机程序使得计算机执行如上所述的面向众包的CG协同制作项目分包方法。
[0027]第四方面，本专利技术提供一种电子设备，包括：
[0028]一个或多个处理器；
[0029]存储器；
[0030]以及一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上所述的面向众包的CG协同制作项目分包方法。
[0031]采用上述技术方案后，本专利技术与现有技术相比具有以下有益效果。
[0032]本专利技术是一个端到端的方法，通过FPN网络实现对任务特征的提取，同时通过定义任务满意度，运用Embedding技术，实现对人员完成任务的满意度预测，最后通过加权平均
的方式来刻画团队协同完成项目的能力。整个方法直观、高效，不需要引入额外的第三方信息，不需要过多的假设条件，能够较好的完成CG项目分包目标。
[0033]应当理解，
技术实现思路
部分中所描述的内容并非旨在限定本公开的实施例的关键或重要特征，亦非用于限制本公开的范围。本公开的其它特征将通过以下的描述变得容易理解。下面结合附图对本专利技术的具体实施方式作进一步详细的描述。
附图说明
[0034]附图作为本申请的一部分，用来提供对本专利技术的进一步的理解，本专利技术的示意性实施例及其说明用于解释本专利技术，但不构成对本专利技术的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向众包的CG协同制作项目分包方法，其特征在于，包括：S1：创建项目任务集合，并输入任务图像信息，得到项目任务信息；S2：通过人工标注的任务复杂度集合创建初始训练集，基于初始训练集对任务复杂度进行自动分类，基于FPN网络实现发包任务复杂度的建模；S3：生成项目订单，基于项目任务信息，得到接包方候选集列表，基于embedding的前馈网络实现设计师画像与团队推荐；S4：通知接包方查看项目订单信息并反馈；S5：反馈接包数量大于0后，通知发包方进行人工筛选，完成项目的接发包。2.根据权利要求1所述的一种面向众包的CG协同制作项目分包方法，其特征在于：所述基于FPN网络实现发包任务复杂度的建模，包括提取任务图像的像素、纹理、高层语义等低纬与高纬特征，通过FPN网络实现不同纬度特征的融合，来实现对任务复杂度进行分类。3.根据权利要求2所述的一种面向众包的CG协同制作项目分包方法，其特征在于：所述的任务复杂度包括纹理复杂度、材质复杂度、结构复杂度，每种复杂度有5级，利用resnet50骨干网络分别通过对第二层到第五层的特征融合得到P6层的特征，进一步对任务复杂度类型进行分类，得到任务的相关复杂度。4.根据权利要求3所述的一种面向众包的CG协同制作项目分包方法，其特征在于：所述基于embedding的前馈网络实现设计师画像与团队推荐，包括根据任务翻修次数与任务执行时间，对任务完成满意度进行定义所述f
i
表示任务i的完成满意度，且f
i
最大为1最小为0，所述t
ik
表示任务i的k次提交花费时间；所述任务i的纹理复杂度、材质复杂度、结构复杂度、完成人员的one
‑
hot编码分别为u
i
、v
i
、w
i
、p
i
，构建4个UV、VV、WV、PV词典，所述UV、VV、WV是5
×
10的矩阵，所述PV是n
×
10的矩阵，n为设计师数量；构建训练数据u
i
、v
i
、w

【专利技术属性】
技术研发人员：董陆阳，龚斌，吕高攀，王铁兵，孙梁天，
申请(专利权)人：数字视觉云北京科技发展有限公司，
类型：发明
国别省市：