本发明专利技术公开了一种速写作品评级方法、系统、电子设备及存储介质，通过对待评级速写作品进行四个阶段的多尺度视觉特征提取，得到第三特征图和第四特征图，对第四特征图进行多头注意力的特征图变换得到位置特征图；对第三特征图的通道进行循环链表通道排序和卷积处理并对第四特征图的每个通道信息进行信息聚合，根据第三特征图和第四特征图处理的结果进行特征融合得到通道特征图；对位置特征图和通道特征图分别进行评级并将两个评级结果加权计算，得到最终评级结果。本发明专利技术实施例能够关注速写作品中的笔画顺序和通道依赖性，高效地对高度抽象且相似度高的速写作品进行更为准确的评级，具有积极的有益效果。本发明专利技术可广泛应用于计算机技术领域。用于计算机技术领域。用于计算机技术领域。
【技术实现步骤摘要】
一种速写作品评级方法、系统、电子设备及存储介质
[0001]本专利技术涉及计算机
，尤其是一种速写作品评级方法、系统、电子设备及存储介质。
技术介绍
[0002]速写作品评级是美术考试中的一项重要环节，也是教师平时评估学生速写作品质量的关键步骤，然而速写作品具有高度抽象、等级相近的速写作品相似程度高等特点。随着人工智能的发展，对速写作品进行智能评级是一项很有前途和挑战性的任务。目前，将计算机技术应用于速写作品评级的研究少之又少。大多数现存的方法还是集中在通过手工特征提取或者深度卷积特征提取的方式识别或者生成美术作品。
[0003]早期的方法使用手工设计的方式去提取美术作品的颜色或纹理特征。例如相关技术提出了一种基于颜色特征的画家艺术风格提取方法对油画关键区域进行提取；或者采用异构特征组可获得水墨画艺术风格特征信息；还有人依据国画自身的特点，研究了颜色和形状的特征提取算法。
[0004]得益于深度学习的发展，深度卷积神经网络可以有效地对美术作品进行识别，从而进行更抽象层次特征的提取。为了捕获国画图像的局部表现手法而实现风格分类，相关技术提出一种基于多尺度卷积神经网络；还有其他相关技术针对现有油画艺术风格分类算法忽略画面主体区域与整体效果对其艺术风格影响的问题，提出了一种基于多特征融合的油画分类算法。
[0005]上述算法虽然能够有效实现美术作品的识别和分类，但也存在着各自的不足之处，主要有：
[0006](1)这些人工设计特征缺乏良好的泛化性能，且依赖于设计者的先验知识。
[0007](2)这些深度学习的美术作品识别和分类方法都是针对作品的特点进行分类的，然而同一场考试中的速写作品通常相似度高，特点不突出，因而这些识别和分类方法对速写作品等级识别的准确度较低。
技术实现思路
[0008]有鉴于此，本专利技术实施例提供一种准确度高的速写作品评级方法、系统、电子设备及存储介质，旨在解决现有技术中对高度抽象且相似度高的速写作品等级识别准确度低的问题。
[0009]本专利技术实施例的一方面提供了一种速写作品评级方法，包括：对待评级速写作品进行四个阶段的多尺度视觉特征提取，得到第三特征图和第四特征图；其中，所述第三特征图是第三阶段的特征提取结果；所述第四特征图是第四阶段的特征提取结果；根据所述第四特征图的笔画位置特征，对所述第四特征图进行多头注意力的特征图变换，得到位置特征图；对所述第三特征图的通道进行循环链表通道排序和卷积处理，得到通道交互特征图；根据所述第四特征图的通道特征，对所述第四特征图的每个通道信息进行信息聚合，得到
通道注意力特征图；将所述通道交互特征图和所述通道注意力特征图进行特征融合，得到通道特征图；对所述位置特征图进行评级得到第一评级结果，对所述通道特征图进行评级得到第二评级结果；对所述第一评级结果和所述第二评级结果进行加权计算，得到所述待评级速写作品的最终评级结果。
[0010]可选地，所述对待评级速写作品进行四个阶段的多尺度视觉特征提取，得到第三特征图和第四特征图，包括：对待评级速写作品进行下采样，得到初始特征图；在第一阶段，对所述初始特征图进行第一卷积处理，得到第一特征图；在第二阶段，对所述第一特征图进行第二卷积处理，得到第二特征图；在第三阶段，对所述第二特征图进行第三卷积处理，得到第三特征图；在第四阶段，对所述第三特征图进行第四卷积处理，得到第四特征图。
[0011]可选地，所述根据所述第四特征图的笔画位置特征，对所述第四特征图进行多头注意力的特征图变换，得到位置特征图，包括：通过滑动窗口对所述第四特征图进行块分离，得到若干个第一位置特征子图；对若干个所述第一位置特征子图进行自注意力处理，得到若干个第二位置特征子图；将所述第二位置特征子图进行块合并，得到位置特征图。
[0012]可选地，所述对所述第三特征图的通道进行循环链表通道排序和卷积处理，得到通道交互特征图，包括：将所述第三特征图的通道划分为若干个第一通道组；对每个所述第一通道组进一步划分为若干个第一通道子组；通过循环链表对各个所述第一通道组的所述第一通道子组进行排列组合，得到若干个第二通道组；其中，每个所述第二通道组中包括三个第二通道子组；所述第二通道子组来源于不同的所述第一通道组；对所有的所述第二通道组进行第五卷积处理，得到通道交互特征图。
[0013]可选地，所述根据所述第四特征图的通道特征，对所述第四特征图的每个通道信息进行信息聚合，得到通道注意力特征图，包括：对所述第四特征图的每个通道信息进行全局平均池化，得到第一通道向量；将所述第一通道向量输入多层感知机，得到第一通道特征图；对所述第一通道特征图进行第六卷积处理，得到通道注意力特征图。
[0014]可选地，所述对所述位置特征图进行评级得到第一评级结果，对所述通道特征图进行评级得到第二评级结果的步骤中，进行评级的步骤，包括：将所述位置特征图或者所述通道特征图展平，得到一维特征向量；将所述一维特征向量输入多层感知机进行等级分类，得到目标评级结果；其中，所述目标评级结果包括第一评级结果或者第二评级结果之一。
[0015]可选地，所述方法还包括训练目标速写作品评级模型的步骤，所述训练目标速写作品评级模型的步骤包括：获取训练数据集并对所述训练数据集进行数据预处理；构建初始速写作品评级模型；根据训练数据集对所述初始速写作品评级模型进行训练，得到第一速写作品评级模型；通过多分类损失函数对所述第一速写作品评级模型进行评估，得到目标速写作品评级模型。
[0016]本专利技术的实施例还提供了一种速写作品评级系统，包括：多特征提取模块，用于对待评级速写作品进行四个阶段的多尺度视觉特征提取，得到第三特征图和第四特征图；其中，所述第三特征图是第三阶段的特征提取结果；所述第四特征图是第四阶段的特征提取结果；位置注意力子网络模块，用于根据所述第四特征图的笔画位置特征，对所述第四特征图进行多头注意力的特征图变换，得到位置特征图；通道交互子网络模块，用于对所述第三特征图的通道进行循环链表通道排序和卷积处理，得到通道交互特征图；还用于根据所述第四特征图的通道特征，对所述第四特征图的每个通道信息进行信息聚合，得到通道注意
力特征图；还用于将所述通道交互特征图和所述通道注意力特征图进行特征融合，得到通道特征图；评级模块，用于对所述位置特征图进行评级得到第一评级结果，对所述通道特征图进行评级得到第二评级结果；还用于对所述第一评级结果和所述第二评级结果进行加权计算，得到所述待评级速写作品的最终评级结果。
[0017]本专利技术实施例还提供了一种电子设备，包括处理器以及存储器；所述存储器用于存储程序；所述处理器执行所述程序实现如上所述的方法。
[0018]本专利技术实施例还提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如上所述的方法。
[0019]本专利技术的实施例具有如下有益效果：通过对待评级速写作品进行四个阶段的多尺度视觉特征提取，得到第三特征图和第四特征图，能够对待评级速写作品的视觉特征进行本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种速写作品评级方法，其特征在于，包括：对待评级速写作品进行四个阶段的多尺度视觉特征提取，得到第三特征图和第四特征图；其中，所述第三特征图是第三阶段的特征提取结果；所述第四特征图是第四阶段的特征提取结果；根据所述第四特征图的笔画位置特征，对所述第四特征图进行多头注意力的特征图变换，得到位置特征图；对所述第三特征图的通道进行循环链表通道排序和卷积处理，得到通道交互特征图；根据所述第四特征图的通道特征，对所述第四特征图的每个通道信息进行信息聚合，得到通道注意力特征图；将所述通道交互特征图和所述通道注意力特征图进行特征融合，得到通道特征图；对所述位置特征图进行评级得到第一评级结果，对所述通道特征图进行评级得到第二评级结果；对所述第一评级结果和所述第二评级结果进行加权计算，得到所述待评级速写作品的最终评级结果。2.根据权利要求1所述的一种速写作品评级方法，其特征在于，所述对待评级速写作品进行四个阶段的多尺度视觉特征提取，得到第三特征图和第四特征图，包括：对待评级速写作品进行下采样，得到初始特征图；在第一阶段，对所述初始特征图进行第一卷积处理，得到第一特征图；在第二阶段，对所述第一特征图进行第二卷积处理，得到第二特征图；在第三阶段，对所述第二特征图进行第三卷积处理，得到第三特征图；在第四阶段，对所述第三特征图进行第四卷积处理，得到第四特征图。3.根据权利要求1所述的一种速写作品评级方法，其特征在于，所述根据所述第四特征图的笔画位置特征，对所述第四特征图进行多头注意力的特征图变换，得到位置特征图，包括：通过滑动窗口对所述第四特征图进行块分离，得到若干个第一位置特征子图；对若干个所述第一位置特征子图进行自注意力处理，得到若干个第二位置特征子图；将所述第二位置特征子图进行块合并，得到位置特征图。4.根据权利要求1所述的一种速写作品评级方法，其特征在于，所述对所述第三特征图的通道进行循环链表通道排序和卷积处理，得到通道交互特征图，包括：将所述第三特征图的通道划分为若干个第一通道组；对每个所述第一通道组进一步划分为若干个第一通道子组；通过循环链表对各个所述第一通道组的所述第一通道子组进行排列组合，得到若干个第二通道组；其中，每个所述第二通道组中包括三个第二通道子组；所述第二通道子组来源于不同的所述第一通道组；对所有的所述第二通道组进行第五卷积处理，得到通道交互特征图。5.根据权利要求4所述的一种速写作品评级方法，其特征在于，所述根据所述第四特征图的通道特征，对所述第...
【专利技术属性】
技术研发人员：梁军，邝小阳，赖锦钱，徐芳，
申请(专利权)人：华南师范大学，
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。