[发明专利]基于BP神经网络对颜色和谐度进行预测的方法

摘要

本发明公开了一种基于BP神经网络对颜色和谐度进行预测的方法。本发明以大量的数据集为基础，首先在三种不同的颜色空间中通过人为设定的方式定义训练所需的颜色特征，再将这些颜色特征以交叉验证的方式放入BP神经网络进行训练，之后通过验证集验证训练的结果，并且通过调参的方式使模型变得更加精确。最后将需要预测和谐度评分的五色颜色模板放入BP神经网络中，产生预测评分，从而达到将颜色和谐这一概念量化成具体的分数。本发明预测的和谐度值具有很高的准确性，同时还能够用于现实生活中很多颜色搭配的场景当中。

主权项

1.基于BP神经网络对颜色和谐度进行预测的方法，其特征在于包含如下步骤：步骤一：输入需要训练的训练集ttrain，以及对应的和谐度分数rtrain；步骤二：在RGB、Lab和HSV三种颜色空间下从训练集ttrain中提取颜色特征进行训练，具体包括五种颜色在三种颜色空间下的平均值、标准差、最大值、最小值、极差、中值、众数、颜色矩，以及五种颜色间欧氏距离、相邻颜色的差以及排序后的颜色差；步骤三：设定BP神经网络的基本参数；3‑1：确定隐藏层数；3‑2：确定隐藏层节点数的数量；3‑3：确定学习速率；3‑4：确定迭代次数；步骤四：通过交叉验证的方法将训练集按照上一步骤设定的基本参数在BP神经网络中训练，并且输出结果；步骤五：通过验证集验证预测分数和真实分数的误差，比较结果的准确性；步骤六：将需要预测的五色颜色主题t’输入到神经网络中，输出其预测的和谐度分数r’。