[发明专利]一种基于密集卷积网络和多任务网络的美学属性评价方法

摘要

本发明提出了一种基于密集卷积网络和多任务网络的美学属性评价方法。将图像的美学特征由密集卷积神经网络模型提取出来，以多维矩阵保留一部分图像特征，利用分层多任务网络对已知的图像属性进行回归分析。多次训练分析后，使得到的预测结果与训练数据集中的数据达到较高的拟合程度，保存最终的训练模型，并用此模型在测试数据集上进行测试，得到该方法的回归结果。由于使用的数据集并未具有某种倾向性，因此得到的美学属性预测算法模型，具有一定的普适性。该方法使用谷歌的Tensorflow框架实现，可广泛应用推广到计算机视觉、图像分析与处理、数码摄影和数字娱乐等领域中。

主权项

1.一种基于密集卷积网络和多任务网络的美学属性评价方法，其特征在于，实现步骤如下：(1)将图像以高维矩阵的形式输入到密集卷积神经网络中，通过对图像中美学属性的提取，得到维度较之前更高包含图像特征的中间矩阵；所述美学属性包括：构图与透视、拍摄、快门、景深、色彩与光照、对焦；(2)将得到的中间矩阵输入密集卷积神经网络，接着输入多任务网络的全连接层，最后得到预测的美学属性的分数；(3)对得到的美学属性的分数进行均方误差回归分析，得到和图像的实际标准分数的差距，并用梯度下降算法反复调整密集卷积网络的权重参数以降低回归的错误率，得到调整后的美学属性；(4)将调整后美学属性作为数据集，将所述数据集分为训练集和测试集，在训练集上进行美学属性评价方法模型的参数调整，保存最终美学属性的参数模型，在测试集上进行测试，得到最终的美学属性结果；所述美学属性评价方法模型包括密集卷积神经网络的模型和多任务网络的模型。