[发明专利]一种照片打分分析方法及系统

说明书

本发明公开了一种照片打分分析方法及系统，主要涉及计算机信息技术领域。包括使用AestheticsAttribute Database数据集，对与图片匹配的标签标准化，获得样本集；导入样本集，通过卷积神经网络DenseNet对样本集进行训练并识别特征，获得识别模型；获取目标影像，所述目标影像是拍摄的照片；将目标影像导入识别模型，获得评分结果。所述评分结果包括分数和六边形分析图表。本发明的有益效果在于：它对所拍摄的图片提供分析及评分功能。

技术领域

本发明涉及计算机信息技术领域，具体是一种照片打分分析方法及系统。

背景技术

近年来，数字图像的使用迅速增长。实际上，随着数码相机，智能手机和电子设备的一般功能的发展，许多个人和企业都在利用计算设备来管理数字图像的存储和访问。例如，许多计算设备使用户能够容易地从存储在计算设备上的数字图像的大集合中检索和利用数字图像。由于经常存储在计算设备上的照片数量众多，人们只能简单的对图片做出好与坏的评价，无法给出更加专业的评判。无法找出一张拍的美丽图片的亮点，以及拍出不满意照片时，无法找到问题所在，进而不能更好的做出改进来提高摄影水平等。目前计算机视觉领域重要的研究方向分别是：图像分类、物体检测、语义分割等，在人脸识别、安全监控以及动态追踪等很多方面都有广泛的应用前景。图像识别是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。物体检测是指对于任意一帧或连续帧图像，检测和识别其中特定的目标，并返回目标的位置、大小信息，例如输出包围目标的边界框。

目前，卷积神经网络(CNN)已经被广泛地用于图像分类、物体检测等问题上，但是对于照片评判或分析方面目前还没有一款专门用来拍照评判或者对照片进行分析的软件和应用。

目前存在的问题：1)在照片打分评价等方面尚无先例。2)需要手机巨大的高质量专业的评价的数据。3)目前，卷积神经网络计算复杂度较高，并且已经存在的网络不能很好地应用在打分评定这个系统中。4)CNN计算复杂度较高，对其在实时性要求较高的应用场景中的使用产生了限制。

发明内容

本发明的目的在于提供一种照片打分分析方法及系统，它对所拍摄的图片提供分析及评分功能。

本发明为实现上述目的，通过以下技术方案实现：

一种照片打分分析方法，包括：

使用AestheticsAttribute Database数据集，对与图片匹配的标签标准化，获得样本集；

导入样本集，通过卷积神经网络DenseNet对样本集进行训练并识别特征，获得识别模型；

获取目标影像，所述目标影像是拍摄的照片；

将目标影像导入识别模型，获得评分结果。

所述评分结果包括分数和六边形分析图表。

所述通过卷积神经网络DenseNet对样本集进行训练并识别特征，包括使用80％的样本集数据作为训练数据，20％的样本集数据作为测试数据，利用高性能处理单元使用DenseNet在PyTorch的深度学习框架下训练，经过训练后在测试集上整体平均分类准确率达到70％后，使用模型服务技术布局在阿里服务器上进行流水运算。

一种照片打分分析系统，包括服务端和客户端，

所述服务端包括：

数据处理单元，配置用于使用AestheticsAttribute Database数据集，对与图片匹配的标签标准化，获得样本集；

训练单元，配置用于导入样本集，通过卷积神经网络DenseNet对样本集进行训练并识别特征，获得识别模型；

识别单元，配置用于将目标影像导入识别模型，获得评分结果；