[发明专利]图像的评估方法、训练图像模型方法、装置、设备和介质

说明书

本发明公开了图像的评估方法、训练图像模型方法、装置、设备和介质，涉及计算机技术领域。该方法的一具体实施方式包括：获取待评估图像，所述待评估图像是红绿蓝三通道图像；在由完整物品图像训练得到的分类识别模型中，输入所述待评估图像；获取所述分类识别模型输出向量中所述待评估图像所属类别的元素，基于所述元素，评估所述待评估图像的物品完整程度分数。该实施方式能够准确辨别图像中物品的完整程度。

技术领域

本发明涉及计算机技术领域，尤其涉及一种图像的评估方法、训练图像模型方法、装置、设备和计算机可读介质。

背景技术

随着人工智能的不断发展，使用计算机生成生动的物品广告或宣传海报已经成为可能。在每件物品的介绍页面中，都会包含一张或多张物品介绍图像。如果能自动生成上述图像，将大大减少人力和时间成本。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：

在上述广告或海报的自动生成过程中，图像中物品完整程度影响最终的生成效果。因此，存在难以辨别图像中物品完整程度的技术问题。

发明内容

有鉴于此，本发明实施例提供一种图像的评估方法、装置、设备和计算机可读介质，能够准确辨别图像中物品的完整程度。

为实现上述目的，根据本发明实施例的一个方面，提供了一种图像的评估方法，包括：

获取待评估图像，所述待评估图像是红绿蓝三通道图像；

在由完整物品图像训练得到的分类识别模型中，输入所述待评估图像；

获取所述分类识别模型输出向量中所述待评估图像所属类别的元素，基于所述元素，评估所述待评估图像的物品完整程度分数。

所述分类识别模型包括：

顺序连接的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第一全连接层、第二全连接层和第三全连接层，所述第三全连接层的维度等于待评估图像类别数量。

所述第一卷积层的卷积核数量是5；所述第二卷积层的卷积核数量是5；

所述第一最大池化层的池化核数量是2，所述第二最大池化层的池化核数量是2。

所述方法还包括：

按照完整物品图像所包含物品类别，标记所述完整物品图像所属类别；

将所述完整物品图像输入分类训练模型中，获取所述分类训练模型输出向量；

根据所述分类训练模型输出向量中所述完整物品图像所属类别的元素，按照对数损失函数计算所述完整物品图像的损失值；

所述损失值小于预设损失值，则将所述分类训练模型作为所述分类识别模型；

所述损失值大于或等于预设损失值，则将所述完整物品图像再次输入所述分类训练模型。

所述方法还包括：

按照完整物品图像所包含物品类别，标记所述完整物品图像所属类别；

在包括所述完整物品图像的集合中，随机选择完整物品图像输入分类训练模型，获取所述分类训练模型输出向量；

按照对数损失函数确定梯度方向，在所述梯度方向上以预设学习率训练所述分类训练模型，并根据所述分类训练模型输出向量中所述完整物品图像所属类别的元素，按照所述对数损失函数计算所述完整物品图像的损失值；

所述完整物品图像的损失值小于预设损失值，则再次随机选择完整物品图像输入所述分类训练模型；

所述完整物品图像的损失值大于或等于预设损失值，则将所述完整物品图像再次输入所述分类训练模型。