[发明专利]图像评估方法、装置及计算机可读存储介质

权利要求书

1.一种图像评估方法，其特征在于，包括：

获取待评估图像；

基于预设的图像评估模型对所述待评估图像进行计算，得到所述待评估图像的评分分布信息；

根据所述评分分布信息计算得到所述待评估图像对应的图像评估值；

其中，所述预设的图像评估模型通过下述步骤训练得到：

获取训练数据集，以及待训练的第一神经网络模型，该待训练的第一神经网络模型包括用于特征提取的卷积网络以及用于对所述卷积网络提取的特征进行分类的特征分类网络；

锁定所述卷积网络的网络参数后，将所述训练数据集作为所述第一神经网络模型的输入，并通过所述训练数据集对所述第一神经网络模型中的特征分类网络的网络参数进行训练；

当针对所述第一神经网络模型中的特征分类网络进行训练的训练条件满足第一预设需求时停止对该特征分类网络的训练；

解除对所述卷积网络的网络参数的锁定，并将解除参数锁定且完成特征分类网络训练的第一神经网络模型作为第二神经网络模型；

利用所述训练数据集继续对所述第二神经网络模型进行训练，并根据训练后的第二神经网络模型输出的评分分布信息计算该第二神经网络模型的损失函数值；

判断所述损失函数值是否满足第二预设需求，若所述损失函数值不满足第二预设需求，则基于所述训练后的第二神经网络模型以及所述训练数据集再次执行对所述训练后的第二神经网络模型的模型训练，直到根据训练后的第二神经网络模型输出的评分分布信息计算得到的所述损失函数值满足第二预设需求；

将训练后的第二神经网络模型作为所述预设的图像评估模型；

其中，所述根据所述训练后的第二神经网络模型输出的评分分布信息计算该第二神经网络模型的损失函数值的步骤，包括：

获取预设的所述训练数据集中的各图像数据的评分分布信息作为参考分布信息，以及将所述训练后的第二神经网络模型输出的评分分布信息作为待评分分布信息；

计算所述参考分布信息中各分布之间的累加欧式分布作为参考累加欧式分布，以及计算所述待评分分布信息中各分布之间的累加欧式分布作为待评估累加欧式分布；

计算所述参考累加欧式分布与所述待评估累加欧式分布之间的欧式距离，作为累加欧式损失；

计算所述参考分布信息的参考期望值，以及计算所述待评分分布信息的待评估期望值，将所述参考期望值与所述待评估期望值之间的差值作为期望差值损失；

根据所述累加欧式损失以及所述期望差值损失计算损失函数值；

所述图像评估值通过公式计算得到，其中，为所述评分分布信息,X为评分范围，k为索引值，k＝1，2，3，...，N；

所述参考分布信息为对所述训练数据集中的各图像数据进行等级划分并标注后获得；

所述损失函数值Loss通过公式Loss＝Loss_C+αLoss_E计算得到，其中，Loss_C为所述累加欧式损失，C_k为所述参考累加欧式分布，为所述待评估累加欧式分布，N为所述参考累加欧式分布或所述待评估累加欧式分布中分布的数量，k为索引值，k＝1,2,3,…,N，α为预设的权重值，Loss_E为所述期望差值损失。

2.根据权利要求1所述的图像评估方法，其特征在于，在执行所述锁定所述卷积网络的网络参数后，将所述训练数据集作为所述第一神经网络模型的输入的步骤之前，所述预设的图像评估模型的训练步骤还包括：

获取预训练神经网络；

利用迁移学习的方式将所述预训练神经网络的网络参数迁移至所述第一神经网络模型。

3.根据权利要求1所述的图像评估方法，其特征在于，所述训练数据集中包括AVA数据集和社区图像数据集。