[发明专利]一种图片风格识别方法及装置

权利要求书

1.一种图片风格识别方法，其特征在于，所述方法包括：

获取样本图片，按照预设方式对所述样本图片进行处理后形成样本训练集；

对预先设置的多目标卷积神经网络进行参数初始化，以及将所述样本训练集中的样本图片在所述参数初始化后的多目标卷积神经网络中进行训练，得到图片风格识别模型；

利用所述图片风格识别模型对待识别图片进行识别，获取所述待识别图片属于不同风格类型的概率向量，所述概率向量中每个风格类型的概率值的取值范围为0至1；其中，所述概率向量中各个风格类型的概率值的总和大于1；

根据预先设置的判断规则和所述概率向量识别所述待识别图片所属的风格类型；其中，识别出的所述待识别图片所属的风格类型不超过M种，1≤M＜N，N为所述概率向量中概率值的个数。

2.如权利要求1所述的一种图片风格识别方法，其特征在于，所述预先设置的多目标卷积神经网络被设置成，包括：

三层卷积层、两层全连通层、三层RELU层、三层Maxpooling层、包括至少两个Softmax子层的Softmax层；其中，所述至少两个Softmax子层中每个Softmax子层设置有一个风格类型的判断函数，所述每个Softmax子层用于确定所述待识别图片属于该Softmax子层对应的风格类型的概率。

3.如权利要求2所述的一种图片风格识别方法，其特征在于，所述预先设置的多目标卷积神经网络被设置成，包括：

所述Softmax层的Softmax子层将判断得到的损失值向后传播至与所述Softmax子层连接的全连通层，所述全连通层根据接收到的所述损失值相应的调整所述全连通层的参数。

4.如权利要求2所述的一种图片风格识别方法，其特征在于，所述预先设置的多目标卷积神经网络被设置成，包括：

包括64个卷积核的第一高斯卷积层；与所述第一高斯卷积层相连的第一Maxpooling层、RELU层、归一化层；

与所述第一Maxpooling层相连的包括32个卷积核的第二高斯卷积层；与所述第二高斯卷积层相连的第二Maxpooling层、RELU层、归一化层；

与所述第二Maxpooling层相连的包括16个卷积核的第三高斯卷积层；与所述第三高斯卷积层相连的第三Maxpooling层、RELU层、归一化层；

所述第三Maxpooling层相连的第一全连通层；

与所述第一全连通层相连的第二全连通层和Dropout层；

与所述第二全连通层相连的包括N个Softmax子层的Softmax层，N≥2。

5.如权利要求1所述的一种图片风格识别方法，其特征在于，所述根据预先设置的判断规则和所述概率向量识别所述待识别图片所属的风格类型，包括：

从所述概率向量中选取概率值最大的前M个概率值，1≤M＜N，N为所述概率向量中概率值的个数；以及，

若所述M个概率值均大于等于第一阈值，则判断所述待识别图片属于所述M个概率值所对应的风格类型；

若所述M个概率值均小于所述第一阈值，且所述M个概率值中最大的概率值大于等于第二阈值，则判断所述待识别图片属于所述M个概率值中最大的概率值所对应的风格类型；

若所述M个概率值均小于第二阈值，且所述M个概率值中最小的概率值大于等于第三阈值，则判断所述待识别图片中属于所述M个概率值所对应的风格类型；

若所述M个概率值均小于第二阈值，且所述M个概率值中存在至少一个概率值小于第三阈值以及至少一个概率值大于等于第三阈值，则判断所述待识别图片属于所述M个概率值中大于等于第三阈值的概率值所对应的风格类型；

若所述M个概率值均小于第三阈值，则判断所述待识别图片属于所述M个概率值所对应的风格类型。

6.如权利要求5所述的一种图片风格识别方法，其特征在于，采用下述中的至少一种设置方式识别所述待识别图片所属的风格类型：

M取值为3；

所述第一阈值取值范围包括：0.9至0.95；

所述第二阈值取值范围包括：0.4至0.6；

所述第三阈值取值范围包括：0.2至0.3。