【技术实现步骤摘要】
本专利技术涉及人工智能，尤其是一种基于多尺度特征和融合注意力机制的画作评分网络。
技术介绍
1、在美术教育中，传统的大班集体教学方式难以满足每位学生的学习需求[1]。教师在指导绘画之余，需要花费大量的时间和精力批改学生的作业，但由于教师资源的匮乏，学生的作品往往得不到及时有效的反馈。
2、在人工智能技术飞速发展的背景下，逐渐出现了许多与人工智能结合的研究来改进传统美术教育的不足。其中，不少学者开始探索人工智能与艺术教育结合的可能性，更加深入的研究包括利用机器学习和深度学习等技术进行自动化艺术作品评分。这些模型通过构建和训练深度学习模型，使其能够自动提取图像的色彩、构图、景深等特征，并结合相关的美学评分标准，对学生的作品进行快速、准确的评分，并提供详细的反馈和建议，帮助学生更好地理解自己的表现和提高作品质量。
3、但是，现有评分方式还存在许多局限性：
4、1)、传统的美术作品评分方式依赖于人工评分，但由于教育资源的稀缺性，学生难以得到及时的教学反馈，且由于人工评分存在较强的主观意愿，不能保证画作评分过程
【技术保护点】
1.一种基于多尺度特征和融合注意力机制的画作评分网络，其特征在于，从输入端至输出端依次包括图像嵌入层、多尺度特征提取网络、特征匹配模块、注意力机制模块、全连接网络、以及输出层；
2.根据权利要求1所述的一种基于多尺度特征和融合注意力机制的画作评分网络，其特征在于：所述的原始画作包括四个类别的画作数据。
3.根据权利要求1所述的一种基于多尺度特征和融合注意力机制的画作评分网络，其特征在于：所述的多尺度特征提取网络包括3×3、5×5、7×7三种尺度的卷积核组成的特征提取层。
4.根据权利要求3所述的一种基于多尺度特征和融合注意力机制的画...
【技术特征摘要】
1.一种基于多尺度特征和融合注意力机制的画作评分网络，其特征在于，从输入端至输出端依次包括图像嵌入层、多尺度特征提取网络、特征匹配模块、注意力机制模块、全连接网络、以及输出层；
2.根据权利要求1所述的一种基于多尺度特征和融合注意力机制的画作评分网络，其特征在于：所述的原始画作包括四个类别的画作数据。
3.根据权利要求1所述的一种基于多尺度特征和融合注意力机制的画作评分网络，其特征在于：所述的多尺度特征提取网络包括3×3、5×5、7×7三种尺度的卷积核组成的特征提取层。
4.根据权利要求3所述的一种基于多尺度特征和融合注意力机制的画作评分网络，其特征在于：所述的多尺度特征提取网络将不同大小卷积核提取的特征图在通道维度上进行特征拼接后；再使用深度可分离卷积进一步提取深层特征的同时降低通道数量；得到最终的输出特征图。
5.根据权利要求1所述的一种基于多尺度特征和融合注意力机制的画作评分网络，其特征在于：所述的特征匹配模块包括全局匹配器和局部匹配器，所述的全局匹配器是用于整体的特征匹配和对齐，在整个特征图上寻找匹配的特征点，所述的局部匹配器用于局部特征的匹配和对齐，在局部区域内寻找匹配的特征点或特征描述符。
6.根据权利要求5所述的一种基于多尺度特征和融合注意力机制的画作评分网络，其特征在于：所述的全局匹配器对输入的原始图像分别进行最大值池化和平均值池化操作，然后将最大值池化和平均值池化操作得到的全局特征信息融合后，重塑融合特征图的形状后作为query值x；并将多尺度特征提取网络提取的特征图，重塑后作为key和value值，然后使用多头注意力机制计算两个重塑特征图之间的注意力权重，然后对加权计算后的特征进行融合，最后得到全局特征匹配后的特征图。
7.根据权利要求5所述的一种基于多尺度特征和融合注意力机...
【专利技术属性】
技术研发人员：李珍妮，张洁，李雁同，纪毅，林庚鑫，颜彦，
申请(专利权)人：广东工业大学，
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。