【技术实现步骤摘要】
本专利技术涉及机器学习领域，具体而言，涉及一种图像评分模型训练方法、图像评分方法及相关装置。
技术介绍
1、现有的对人脸图像评分训练方法都是基于同一抽象客观标准，对单张图像进行评分训练，获得单张人脸图像的评分模型，这些模型只能对单张人脸图像的颜值评估。
技术实现思路
1、有鉴于此，本专利技术实施例的目的在于，提供一种图像评分模型训练方法、图像评分方法及相关装置以至少部分地改善上述问题。
2、为了实现上述目的，本专利技术实施例采用的技术方案如下：
3、第一方面，本申请实施例提供了一种图像评分模型训练方法，所述方法应用于模型训练系统，所述模型训练系统包括样本处理模块以及图像评分模型，所述方法包括：
4、获取图像相对评分数据集；所述图像相对评分数据集包括至少一组样本数据，任一所述样本数据包括两张图像以及一组相对评分，所述相对评分表征对所述两张图像的偏好概率；
5、将所述样本数据输入所述图像评分模型，获得所述样本数据的预测偏好概率；所述偏好概率表征对...
【技术保护点】
1.一种图像评分模型训练方法，其特征在于，所述方法应用于模型训练系统，所述模型训练系统包括样本处理模块以及图像评分模型，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述图像评分模型包括：卷积神经网络模型以及特征聚合对比模型，所述将所述样本数据输入所述图像评分模型，获得所述样本数据的预测偏好概率的步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述特征聚合对比模型包括：张量展开层以及全连接层，所述将所述第一深层特征和所述第二深层特征输入所述特征聚合对比模型，获得所述样本数据的预测偏好概率的步骤包括：
4.根据权利要...
【技术特征摘要】
1.一种图像评分模型训练方法，其特征在于，所述方法应用于模型训练系统，所述模型训练系统包括样本处理模块以及图像评分模型，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述图像评分模型包括：卷积神经网络模型以及特征聚合对比模型，所述将所述样本数据输入所述图像评分模型，获得所述样本数据的预测偏好概率的步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述特征聚合对比模型包括：张量展开层以及全连接层，所述将所述第一深层特征和所述第二深层特征输入所述特征聚合对比模型，获得所述样本数据的预测偏好概率的步骤包括：
4.根据权利要求1或2或3所述的方法，其特征在于，在所述获得所述样本数据的预测偏好概率之后，还包括：
5.根据权利要求2或3所述的方法，其特征在于，所述特征聚合对比模型还包括线性阈值激活层，所述线性阈值激活层用于限制所述预测偏好概率范围为0到1。
6.根据权利要求1所述的方法，其特征在于，在所述获取图像相对...
【专利技术属性】
技术研发人员：华路延，孔耀祖，
申请(专利权)人：广州虎牙科技有限公司，
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。