[发明专利]图片排序推荐方法、装置、电子设备、存储介质

权利要求书

1.一种图片排序推荐方法，其特征在于，包括：

利用第一训练集，训练预分类模型；

将所述预分类模型的一中间层作为一编码器；

利用具有场景标签的第二训练集，通过所述编码器，训练场景分类模型；

利用具有优美度标签的第三训练集，通过所述编码器，训练第一优美度分类模型；

利用图像属性，对所述第一优美度分类模型输出的优美度评分进行修正获得第二优美度模型，包括：将至少一所述图像属性及所述第一优美度分类模型输出的优美度评分进行特征聚合；基于聚合的特征，采用回归模型对所述第一优美度分类模型输出的优美度评分进行拟合获得第二优美度模型；

将待处理图片输入所述场景分类模型获得该待处理图片的场景类型；

将待处理图片输入所述第二优美度模型获得该待处理图片的经修正的优美度评分；

依据所述场景类型，按所述经修正的优美度评分对图片进行排序；以及

按图片的排序顺序进行图片的推送。

2.如权利要求1所述的图片排序推荐方法，其特征在于，所述预分类模型及所述场景分类模型采用迁移学习来训练。

3.如权利要求1所述的图片排序推荐方法，其特征在于，所述第三训练集中每一图片除了所述优美度标签，还标记有主题类别标签。

4.如权利要求3所述的图片排序推荐方法，其特征在于，所述第一优美度分类模型采用多任务迁移学习来训练。

5.如权利要求1所述的图片排序推荐方法，其特征在于，所述场景分类模型中包括L2范式层。

6.如权利要求1所述的图片排序推荐方法，其特征在于，所述场景分类模型采用Triplet Loss作为损失函数。

7.一种图片排序推荐装置，其特征在于，包括：

第一训练模块，用于利用第一训练集，训练预分类模型；

编码器模块，用于将所述预分类模型的一中间层作为一编码器；

第二训练模块，用于利用具有场景标签的第二训练集，通过所述编码器，训练场景分类模型；

第三训练模块，用于利用具有优美度标签的第三训练集，通过所述编码器，训练第一优美度分类模型；

修正模块，用于利用图像属性，对所述第一优美度分类模型输出的优美度评分进行修正获得第二优美度模型，包括：将至少一所述图像属性及所述第一优美度分类模型输出的优美度评分进行特征聚合；基于聚合的特征，采用回归模型对所述第一优美度分类模型输出的优美度评分进行拟合获得第二优美度模型；

第一获取模块，用于将待处理图片输入所述场景分类模型获得该待处理图片的场景类型；

第二获取模块，用于将待处理图片输入所述第二优美度模型获得该待处理图片的经修正的优美度评分；

排序模块，用于依据所述场景类型，按所述经修正的优美度评分对图片进行排序；以及

推送模块，用于按图片的排序顺序进行图片的推送。

8.一种电子设备，其特征在于，所述电子设备包括：

处理器；

存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如权利要求1至6任一项所述的图片排序推荐方法。

9.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一项所述的图片排序推荐方法。