[发明专利]图片颜值确定方法及装置、电子设备、存储介质

权利要求书

1.一种图片颜值确定方法，其特征在于，包括：

获取当前图片的图片特征；

获取图片颜值分类模型；

将所述图片特征输入至所述图片颜值分类模型；

根据所述图片颜值分类模型的输出，确定所述当前图片的颜值；

其中，所述图片特征包括以下至少两项为：反映图片模糊程度的第一特征和至少在一个颜色空间反映图片语义信息的第三特征、或者反映图片颜色分布的第二特征和至少在一个颜色空间反映图片语义信息的第三特征、或者反映图片模糊程度的第一特征、反映图片颜色分布的第二特征以及至少在一个颜色空间反映图片语义信息的第三特征；

所述第三特征包括：Lab颜色空间语义特征，获取所述图片特征的步骤包括：

将图片的L通道、a通道和b通道数据输入至相应的第一卷积神经网络、第二卷积神经网络和第三卷积神经网络，以分别基于所述图片的L通道、a通道和b通道数据，确定所述图片作为正样本和负样本的概率值；

将基于不同通道数据确定的所述正样本和负样本的概率值组合为所述图片的Lab颜色空间语义特征；

其中，所述第一卷积神经网络为基于作为第二训练样本的图片的L通道数据训练得到的分类网络模型，所述第二卷积神经网络为基于作为第二训练样本的图片的a通道数据训练得到的分类网络模型，所述第三卷积神经网络为基于作为第二训练样本的图片的b通道数据训练得到的分类网络模型；

所述获取图片颜值分类模型的步骤包括：

获取作为第一训练样本的图片的图片特征；根据所述第一训练样本的所述图片特征，训练图片颜值分类模型。

2.根据权利要求1所述的方法，其特征在于，所述第三特征包括：RGB颜色空间语义特征，获取所述图片特征的步骤包括：

将图片的RGB颜色空间数据输入至第四卷积神经网络，以基于RGB颜色空间确定所述图片作为正样本和负样本的概率值；

将所述概率值作为所述图片的RGB颜色空间语义特征；

其中，所述第四卷积神经网络为基于作为第二训练样本的图片的RGB颜色空间数据训练得到的分类网络模型。

3.根据权利要求1所述的方法，其特征在于，图片的第一特征的获取方法为：

对图片进行锐化处理，确定所述图片对应的灰度图；

确定所述灰度图的协方差，作为所述图片的第一特征。

4.根据权利要求1所述的方法，其特征在于，图片的第二特征的获取方法为：

分别确定图片的RGB颜色空间的颜色分布直方图；

将所述RGB颜色空间的颜色分布直方图组合为所述图片的第二特征。