[发明专利]图像评估方法、装置及存储介质有效

专利信息
申请号: 201810170617.6 申请日: 2018-03-01
公开(公告)号: CN110246110B 公开(公告)日: 2023-08-18
发明(设计)人: 谢奕;江进;徐澜;程诚;杨宇星;杨光;张韬 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06T7/00 分类号: G06T7/00
代理公司: 北京三高永信知识产权代理有限责任公司 11138 代理人: 刘映东
地址: 518057 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 评估 方法 装置 存储 介质
【权利要求书】:

1.一种图像评估方法,其特征在于,所述方法包括:

获取目标图像,所述目标图像包括至少一个目标图像素材,所述目标图像是待评估的广告图像;

将所述目标图像输入深度学习模型中的卷积神经网络,得到所述目标图像的第一特征;

将所述目标图像输入所述深度学习模型中的第一全连接神经网络,得到所述目标图像的第二特征;

将所述第一特征和所述第二特征进行拼接,得到所述目标图像的第三特征;

将所述第三特征输入第二全连接神经网络,得到第一初始关注度;

将所述目标图像输入逻辑回归模型,得到第二初始关注度;

根据所述第一初始关注度和所述第二初始关注度,计算预测关注度;

在所述预测关注度小于关注度阈值时,确定所述目标图像的预测等级为基础等级,所述预测等级用于反映所述目标图像被关注的概率;

根据所述预测等级确定优化建议,所述优化建议用于表示对所述至少一个目标图像素材进行图像处理的建议操作,在所述目标图像的预测等级为基础等级的情况下,所述优化建议用于建议使用推荐图像素材替换所述目标图像中的所述目标图像素材;

输出所述预测等级和所述优化建议。

2.根据权利要求1所述的方法,其特征在于,所述预测等级还包括违规等级和优秀等级中的一种;

所述违规等级是指包含非法图像素材的目标图像的等级;

所述基础等级是指未包含所述非法图像素材、且未包含优秀图像素材的目标图像的等级;

所述优秀等级是指未包含所述非法图像素材、且包含至少一个所述优秀图像素材的目标图像的等级,所述优秀图像素材预存储在优秀素材库中。

3.根据权利要求2所述的方法,其特征在于,所述方法还包括:

识别所述目标图像是否包括所述非法图像素材;

在所述目标图像包括所述非法图像素材时,确定所述目标图像的预测等级为所述违规等级;

其中,所述非法图像素材包括以下几种中的至少一种:模糊程度高于模糊阈值的图像素材、在背景色为白色的图像中且边缘不是矩形的图像素材、由白色线条分割的至少两个图像素材、以宫格形式拼接且数量大于素材阈值的图像素材、文字面积与所在图像的面积之间的比值大于比例阈值的图像素材、文字边缘与所在图像的边缘之间的间隔小于距离阈值的图像素材、包含敏感词汇的图像素材、人脸的面积与所在图像的面积的比值大于人脸阈值的图像素材、包含黑名单场景的图像素材、相似度高于相似度阈值的至少两个图像素材。

4.根据权利要求3所述的方法,其特征在于,所述根据所述预测等级确定优化建议,包括:

在所述目标图像的预测等级为所述违规等级时,根据所述目标图像的违规原因生成所述优化建议;

其中,所述违规原因用于指示所述目标图像中的非法图像素材的类型,所述优化建议用于建议对所述目标图像中的非法图像素材进行修改。

5.根据权利要求2所述的方法,其特征在于,所述方法还包括:

在所述预测关注度大于或等于关注度阈值时,确定所述目标图像的预测等级为所述优秀等级。

6.根据权利要求5所述的方法,其特征在于,所述方法还包括:

在所述预测等级为所述基础等级时,根据所述目标图像从所述优秀素材库中确定推荐图像素材。

7.根据权利要求5所述的方法,其特征在于,所述根据所述预测等级确定优化建议,包括:

在所述预测等级为所述优秀等级时,根据所述目标图像从所述优秀素材库中确定推荐图像素材;

根据所述推荐图像素材生成所述优化建议,所述优化建议用于建议制作所述目标图像的扩展图像素材。

8.根据权利要求6或7所述的方法,其特征在于,所述根据所述目标图像从所述优秀素材库中确定推荐图像素材,包括:

将所述目标图像输入前向神经网络,得到素材特征向量;

计算所述素材特征向量与所述优秀素材库中至少一个优秀图像素材的特征向量之间的相似度;

将相似度排名在前n位的优秀图像素材确定为所述推荐图像素材。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810170617.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top