[发明专利]一种基于深度学习的照片智能优化系统及其方法

说明书

本发明涉及照片处理技术领域，特别是一种基于深度学习的照片智能优化系统及其方法。所述的系统包括图片参数设置模块、多维度参数训练模块、目标图片测试模块、图片参数优化模块、图片备份和存储模块；图片参数设置模块实现图片参数的增删和图片参数的测量；多维度参数训练模块采用caffe深度学习框架进行图片参数训练；所述的目标图片测试模块为输入目标测试图片并输出数据至图片参数优化模块；图片参数优化模块根据输出的图片量化特征，进行对应参数的自动编辑调整；图片备份和存储模块，实现备份和储存功能。本发明解决了现有照片的人工编辑处理等缺陷，可以实现照片的自动学习处理。

技术领域

本发明涉及照片处理技术领域，特别是一种基于深度学习的照片智能优化系统及其方法。

背景技术

目前手机、照相机等设备，所拍摄的照片往往在参数方面有所欠缺；需要编辑和美化，尤其是针对包含人脸的照片。

现有的办法是人工编辑，或采用设备自动美颜优化；但这些自动设备都是根据有图片丰富经验的领域专家，设计图片特征提取器，将图片原始数据转换为合适的特征向量，从而进行检测和分类；属于传统的机器学习。

发明内容

本发明解决的技术问题在于可以实现及其自动学习的基于深度学习的照片智能优化系统及其方法。

本发明解决上述技术问题的技术方案是：

所述的系统包括图片参数设置模块、多维度参数训练模块、目标图片测试模块、图片参数优化模块、图片备份和存储模块；

所述的图片参数设置模块，包括图片参数管理模块和图片参数测量模块；图片参数管理模块主要负责图片参数的增删改查；图片参数测量模块实现图片参数的测量；

所述的多维度参数训练模块采用caffe深度学习框架进行图片参数训练；

所述的目标图片测试模块包括输入模块和输出模块；输入模块为输入目标测试图片；输出模块输出数据至图片参数优化模块；

所述的图片参数优化模块，根据输出的图片量化特征，进行对应参数的自动编辑调整；

所述的图片备份和存储模块，主要针对测试的目标图片，优化前预备份其副本至数据库，优化后将新图片存入新字段；采用调用数据库的方法查看优化历史记录。

所述的方法是通过海量的各种特征的图片训练集训练机器，输出模型，让机器能自动监测和分类目标图片的参数信息，并提供推荐参数和美观度精调参数，从而实现机器代替人力的照片智能自动优化。

由图片参数设置模块实现：

A：新增图片参数：属性包括亮度、对比度、锐度、饱和度、色温、美观度等参数名称、-255至255的参数量化范围、-10至10的参数权重、正常参数推荐的参数平衡值；

B：编辑图片参数；

C：删除图片参数；

D：图片参数测量，对某一张训练图片进行参数测量；所得值在规定范围内。

新建对比度时，可设置该参数的值域范围为-255至255；越小对比度越低，越大对比度越高；

同时可设置参数权重，表明这个参数在美观度方面的占比；权重越大，参数起到的美观作用越大；反之，在精调美观度时，可极少关注该参数；

同时需要设置一个参数平衡值，这个值往往取0，但不绝对；需要根据实际的效果进行调动，因此这个平衡值是全局的、动态的，需要得到其他各特征参数，综合算出每个参数平衡值；当一张图对比度为0，但其他参数都偏低，使得整个图黯淡无光，模糊，因此对比度的平衡值要略大，大概在40左右。

所述多维度参数训练模块实现流程如下：