[发明专利]图像评价方法及系统

说明书

本发明公开了一种图像评价方法及系统，其中图像评价方法包括：S1、对若干图像进行配对得到配对图像，对图像设置评价分数；S2、利用配对图像和评价分数训练一孪生网络得到图像评价模型；S3、输入评价图像至图像评价模型得到评分。本发明的图像评价方法利用孪生网络训练后得到的图像评价模型对评价图像评价，评价后的评分与真实环境的评价分数之间的均方误差低于1.6，相比于直接利用卷积神经网络进行评价的评分与真实环境的评价分数之间的均方误差为2.53相比，本发明的图像评价方法的评价结果与真实环境的评价差别明显减少，评价更加合理可靠。

技术领域

本发明属于图像处理领域，尤其涉及一种图像评价方法及系统。

背景技术

随着近年来互联网和信息技术的迅速发展，OTA(在线旅游商)为用户带来了实时的多样化旅游产品和服务，无疑已经成为服务业当中最热门的领域之一。它推动旅游业的创新整合，并作为在线旅游业的缩影成为人们生活不可或缺的一部分。

当客户通过在线OTA平台获得旅游服务和预订旅游产品时，会产生大量的交互式数据。如何防止信息超载问题，帮助客户在越来越多的旅游产品和服务中及时发现自己的需求成为一项值得研究的工作。通过向用户推荐更满意的产品和服务，能够有效地提高用户体验和销售率。

在线预订过程中顾客行为受到多方面因素的影响。对于酒店预订，它们可以是特定酒店的属性，如位置、图像、星级、价格、附加服务等。在这些影响因素中，酒店图片作为一种非常直观的反映酒店质量的信息，对客户的决策起着重要作用。酒店图片作为一种过滤机制，美感度越高的图片意味着酒店的潜在被选择属性也越大，同样会进一步令顾客对酒店的满意度和偏好度有所提升。基于这些原因，将美感度评价较高的酒店图像进行展示是获得顾客忠诚度的重要环节。

特征提取是图像美感评价的关键过程，多年来，尽管已经出现了大量的相关研究成果，但是由于图像信息的复杂多样性以及图像分析处理本身的理论和技术难题，使得对图像美感分析还存在着很多问题：

(1)现有方法大多会对输入图像进行诸如裁剪，调整大小等操作使所有图像归一化至相同尺寸，但对于美感分析来说，图像内容与尺度的变化会严重影响主观美感程度，造成在用由此生成的特征进行美感评价时与真实感受产生较大差异性。

(2)现有美感特征在训练样本不足的情况下效果受到限制，而且并没有针对酒店图片本身的特点及展示环境进行设计。

现有的图像美感评价方法大多将其转化为分类问题，然而图像审美具有很强的主观性，没有统一的评价标准。直接分类法可以较好地区分美感差异比较大的图像，而在美感水平相近的图像上表现较差。

发明内容

本发明要解决的技术问题是为了克服现有技术中的图像评价与环境的评价相差较大的缺陷，提供一种图像评价方法及系统。

本发明是通过下述技术方案来解决上述技术问题：

一种图像评价方法，所述图像评价方法包括：

S1、对若干图像进行配对得到配对图像，对所述图像设置评价分数；

S2、利用所述配对图像和所述评价分数训练一孪生网络得到图像评价模型；

S3、输入评价图像至所述图像评价模型得到评分。

较佳地，所述图像评价方法还包括：

S1’、将所述配对图像中的图像分别进行等比例多尺度转换，并将所述孪生网络的最末端的池化层设置为空间金字塔池化层；

所述步骤S2包括：

将转换后的配对图像的所述评价分数分别对应代入所述孪生网络的子网络得到所述图像评价模型。

较佳地，所述孪生网络包括多个池化层，所述步骤S1’包括：