[发明专利]一种基于深度卷积神经网络的图像美学质量评价方法

摘要

本发明提出了一种基于深度卷积神经网络的图像美学质量评价方法。利用机器学习的方法，使用大量的照片数据集训练出一个深度卷积神经网络模型，此模型能够利用卷积操作有效的提取出图像的美学特征，在网络模型的前几个层次对图像的基本特征进行提取，在后几个层次提取图像的深层次特征，最后网络把这些特征通过卷积运算更新模型的权重值，此模型能够自动的根据图像特征模拟输出图像打分的分布。当输入一个图像的时候，此回归模型综合考虑图像的这两种特征，对图像的美学质量做出评价结果。该方法很容易通过软件实现，本发明可广泛应用推广到计算机视觉、图像评价等中。

主权项

一种基于深度卷积神经网络的图像美学质量评价方法，其特征在于：实现步骤：(1)对于训练集中的样本图像进行预处理，预处理包括图像大小变换和图像归一化，得到一个图像像素大小一致的，有回归标签的训练集和测试集；(2)根据图像的特征分布以及人对图像美学质量评价的标准，设计一个深度卷积神经网络模型，首先利用训练集中的样本图像进行学习训练，通过机器学习方法训练好神经网络模型，作为图像美学质量评价模型；(3)模型的测试和预测，首先对测试集中的样本图像调用步骤(1)获取的预处理后的图像，然后调用步骤(2)中得到的图像美学质量评价模型，通过所述模型输出的的概率值大小，从而预测出图像的直方图具体数值，将模型预测出来的照片打分和照片的真实打分进行对比测试检验模型准确率。