[发明专利]一种基于大数据的图像评分生成系统在审

专利信息
申请号: 202111217846.7 申请日: 2021-10-19
公开(公告)号: CN113918749A 公开(公告)日: 2022-01-11
发明(设计)人: 不公告发明人 申请(专利权)人: 刘帮奇
主分类号: G06F16/54 分类号: G06F16/54;G06F16/583;G06F16/28;G06N3/08;G06T7/00
代理公司: 暂无信息 代理人: 暂无信息
地址: 650500 云南省*** 国省代码: 云南;53
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 数据 图像 评分 生成 系统
【说明书】:

发明公开了一种基于大数据的图像评分生成系统,所述系统包括个性化图像定制模块、评估模块以及大数据管理模块,个性化图像定制模块:用户可以自主选择不同算法的模型,通过输入英文文本描述,系统生成与文本描述相符的图像并返给用户。本发明生成系统包括个性化图像定制模块、评估模块以及大数据管理模块,基于B‑S模式构建web服务平台,核心算法采用PyTorch和Tensflower深度学习框架实现,数据持久化层使用MySQL,由web浏览器对结果进行可视化展示,该系统生成的图像清晰、全局结构突显以及细节语义一致,且过度强调有偏差的局部特征不会导致图像整体失真。

技术领域

本发明涉及生成系统技术领域,更具体地说,本发明涉及一种基于大数据的图像评分生成系统。

背景技术

随着互联网技术的蓬勃发展,网络上存储的信息也越来越丰富。人们每天都会接触到海量的视觉信息,文本图像生成系统允许用户通过输入文本描述信息,自动生成与之相符的图像并返回给用户,这样的搜索方式能更好地响应人类个性化品味的需求,文本生成图像任务也受到越来越多研究人员的关注,其最大的挑战是生成真实、多样,且与文本语义一致的图像。

现有技术存在以下不足:现有生成系统所生成的图像模糊不清、全局结构扭曲以及细节语义不一致,且单个全局判别网络因过度强调有偏差的局部特征会导致图像整体失真。

发明内容

为了克服现有技术的上述缺陷,本发明的实施例提供一种基于大数据的图像评分生成系统,通过生成系统包括个性化图像定制模块、评估模块以及大数据管理模块,基于B-S模式构建web服务平台,核心算法采用PyTorch和Tensflower深度学习框架实现,数据持久化层使用MySQL,由web浏览器对结果进行可视化展示,该系统生成的图像清晰、全局结构突显以及细节语义一致,且过度强调有偏差的局部特征不会导致图像整体失真,以解决上述背景技术中提出的问题。

为实现上述目的,本发明提供如下技术方案:一种基于大数据的图像评分生成系统,所述系统包括个性化图像定制模块、评估模块以及大数据管理模块;

个性化图像定制模块:用户可以自主选择不同算法的模型,其中数据集包括CUB-200-2011数据集和Oxford-102数据集,通过输入英文文本描述,系统生成与文本描述相符的图像并返给用户;

个性化图像定制模块让用户可以通过输入的文本描述句子来生成符合文本描述的图像,由于图像生成往往需要一定的时间,因此系统还应该支持离线托管功能,这样用户可以批量上传文本,开启任务之后离线等待,节约用户的时间;

个性化图像定制模块根据用户输入的文本描述,生成与之相符的图像,用户可以自主选择数据集和算法模型,用户通过前端界面选择数据集和算法模型,并输入文本描述,将选择的参数和文本信息发送给后台,后台系统首先对文本描述进行特征提取,然后根据选择的参数调用相关图像生成模型,将得到的文本特征向量输入到生成模型中生成图像,并返回给前端界面,用户可以选择保存生成的图片至本地,另外,用户可以按刷新按钮,多次获取同一描述的不同图像。

优选的,评估模块:用户可以自主选择不同数据集与不同算法的模型,查看或测试算法的性能;

评估模块对系统中集成的模型的进行性能测试,系统主要集成了IS和FID两个评价指标,IS评分表示生成图像的质量和多样性,FID评分表示生成图像与真实图像的多样性,二者均使用Inception模型提取到图像的高层特征进行计算,用户通过前端界面可以自主选择模型、数据集以及评价指标,将请求发送给后台服务系统,后台系统根据所选择的参数调用对应的文本生成模型、测试数据集和评估模型;

(1)通过将测试数据集中文本描述输入进行特征提取,得到文本特征向量;

(2)将得到的文本特征向量输入到图像生成模型,得到图片;

(3)评估模型测试图像的评分,并将评估结果返回到前端。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于刘帮奇,未经刘帮奇许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111217846.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top