[发明专利]图片推送方法、装置、服务器和非易失性存储介质

权利要求书

1.一种图片推送方法，其特征在于，包括：

根据用于预估不同类别的类别概率的卷积神经网络模型，预估各待推送图片分属至少三个类别的类别概率；其中，所述卷积神经网络模型预先根据若干携带有至少两个标注信息的图片数据训练得到，所述至少两个标注信息对应的图片种类数为至少三个类别；

根据各所述待推送图片分属所述至少三个类别的类别概率，对各所述待推送图片进行打分；

根据各所述待推送图片的分数，向用户对应的终端推送分数大于预设阈值的待推送图片。

2.根据权利要求1所述的图片推送方法，其特征在于，所述卷积神经网络模型包括神经单元和全连接层，所述根据用于预估类别概率的卷积神经网络模型，预估各待推送图片分属至少三个类别的类别概率，包括：

利用所述神经单元提取各所述待推送图片的特征；

将提取的所述特征输入所述全连接层后，利用softmax函数输出预估的各所述待推送图片分属所述至少三个类别的类别概率。

3.根据权利要求2所述的图片推送方法，其特征在于，所述卷积神经网络模型具体为残差神经网络ResNet模型；所述利用所述神经单元提取各所述待推送图片的特征，具体为：

利用所述ResNet模型的残差神经单元提取各所述待推送图片的特征。

4.根据权利要求3所述的图片推送方法，其特征在于，所述ResNet模型具体为：50层的残差神经网络模型。

5.根据权利要求1所述的图片推送方法，其特征在于，所述根据各所述待推送图片分属所述至少三个类别的类别概率，对各所述待推送图片进行打分，包括：

根据各所述待推送图片分属所述至少三个类别的类别概率和预设的所述至少三个类别分别对应的类别分数，对各待推送图片进行打分。

6.根据权利要求5所述的图片推送方法，其特征在于，具体通过以下公式对各待推送图片进行打分：

y_i＝arg(p_i)+1

其中，所述p_i为预估的待推送图片属于第i种类别的类别概率，0≤i≤N-1，N≥3，所述y_i为所述第i种类别对应的类别分数，所述N为所述至少两人的标注信息对应的图片种类数，所述arg(p_i)为用于提取所述i的函数，所述score为所述待推送图片的分数。

7.根据权利要求1至6任一项所述的图片推送方法，其特征在于，所述待推送图片为用于吸引用户购买美食的美食图片。

8.一种图片推送装置，其特征在于，包括：

预估模块，用于根据用于预估不同类别的类别概率的卷积神经网络模型，预估各待推送图片分属至少三个类别的类别概率；其中，所述卷积神经网络模型预先根据若干携带有至少两个标注信息的图片数据训练得到，所述至少两个标注信息对应的图片种类数为至少三个类别；

打分模块，用于根据各所述待推送图片分属所述至少三个类别的类别概率，对各所述待推送图片进行打分；

推送模块，用于根据各所述待推送图片的分数，向用户对应的终端推送分数大于预设阈值的待推送图片。

9.一种服务器，包括存储器和处理器，存储器存储计算机程序，处理器运行程序时执行：

根据用于预估不同类别的类别概率的卷积神经网络模型，预估各待推送图片分属至少三个类别的类别概率；其中，所述卷积神经网络模型预先根据若干携带有至少两个标注信息的图片数据得到，所述至少两个标注信息对应的图片种类数为至少三个类别；

根据各所述待推送图片分属所述至少三个类别的类别概率，对各所述待推送图片进行打分；

根据各所述待推送图片的分数，向用户对应的终端推送分数大于预设阈值的待推送图片。

10.一种非易失性存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行如权利要求1至7中任一项所述的图片推送方法。