[发明专利]评分方法、装置、计算机设备及存储介质

权利要求书

1.一种评分方法，其特征在于，包括：

获取至少一个待检测图像，所述待检测图像包括图形信息；

将所述至少一个待检测图像输入到预先训练好的神经网络模型中，得到所述至少一个待检测图像的标准偏差评分；

所述预先训练好的神经网络模型包括至少一个神经网络模型单元；

所述将所述至少一个待检测图像输入到预先训练好的神经网络模型中，得到所述至少一个待检测图像的标准偏差评分，包括：

将所述至少一个待检测图像输入到至少一个神经网络模型单元中，获取所述至少一个待检测图像的目标标准偏差评分，以及所述至少一个待检测图像对应的目标拓扑结构；

其中，当所述预先训练好的神经网络模型中包括至少两个神经网络模型单元时，在相邻两个所述神经网络模型单元中，前一神经网络模型单元的输出的目标标准偏差评分以及目标拓扑结构，用于与所述前一神经网络模型单元输入的待检测图像共同作为后一神经网络模型单元的输入数据，将末位神经网络模型单元输出的目标标准偏差评分作为所述至少一个待检测图像对应的标准偏差评分。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型单元包括特征神经网络模型、拓扑结构神经网络模型和评分神经网络模型；

所述将所述至少一个待检测图像分别输入到神经网络模型单元中，获取所述至少一个待检测图像的目标标准偏差评分，以及所述至少一个待检测图像对应的目标拓扑结构，包括：

将所述至少一个待检测图像输入到预先训练好的特征神经网络模型中，获取所述至少一个待检测图像分别对应的特征数据；

将所述特征数据输入到预先训练好的拓扑结构神经网络模型中，获取所述至少一个待检测图像分别对应的目标拓扑结构；

根据所述目标拓扑结构输入到预先训练好的评分神经网络模型，获取所述至少一个待检测图像分别对应的目标标准偏差。

3.根据权利要求2所述的方法，其特征在于，在获取至少一个待检测图像之前，还包括：

获取包括至少两种图形类型的样本图像，其中，所述样本图像包括图形标签信息、拓扑结构、拓扑结构标签信息和标准偏差评分；

基于所述样本图像建立第一训练样本集；

基于所述第一训练样本集对预先构建的第一卷积神经网络模型进行训练，获取与所述第一训练样本集对应的特征数据，并将其与所述样本图像对应的图形标签信息、以及所述样本图像对应的拓扑结构，作为第二训练样本集；

基于所述第二训练样本集对预先构建的第二卷积神经网络模型进行训练，获取与所述第二训练样本集对应的目标拓扑结构，并将其与所述样本图像对应的拓扑结构标签信息、以及所述样本图像对应的标准偏差评分，作为第三训练样本集；

基于所述第三训练样本集对预先构建的第三深度神经网络模型进行训练。

4.根据权利要求1所述的方法，其特征在于，在得到所述至少一个待检测图像的标准偏差评分之后，还包括：

根据所述至少一个待检测图像对应的标准偏差评分、以及获取的待检测图像与能力信息的对应关系确定所述至少一个待检测图像对应的能力信息并根据所述能力信息，评价待测用户的能力。

5.根据权利要求4所述的方法，其特征在于，还包括：

获取用户绘制的待检测图像，以及采集所述用户对应的能力信息，不断更新待检测图像与能力信息的对应关系。

6.根据权利要求1所述的方法，其特征在于，所述标准偏差评分包括：角度偏差评分、长度偏差评分、面积偏差评分和坐标位置偏差评分。