公开(公告)号：CN112613303B

公开(公告)日：2023-02-21

申请号：CN202110020656.X

申请日：2021-01-07

Applicant: 福州大学

Inventor： 牛玉贞 ,  甘伟泽 ,  陈志贤 ,  刘文犀

IPC: G06F40/253 ,  G06F40/242 ,  G06F40/284 ,  G06F40/30 ,  G06V30/18 ,  G06V30/19 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及一种基于知识蒸馏的跨模态图像美学质量评价方法。包括以下步骤：S1：设计图文多模态美学质量评价的教师网络；S2：设计用于图像美学质量评价的学生网络；S3：设计用于进行对抗训练的判别器网络；S4：设计用于训练教师网络和学生网络的损失函数；S5：使用损失函数对步骤S1、S2及S3所设计网络进行训练；S6：将用于测试的图像输入训练好的学生网络预测其美学质量。本发明方法能显著提高美学质量预测精度。

公开(公告)号：CN111950655B

公开(公告)日：2022-06-14

申请号：CN202010861877.5

申请日：2020-08-25

Applicant: 福州大学

Inventor： 牛玉贞 ,  陈志贤 ,  刘文犀

IPC: G06V10/764 ,  G06V10/80 ,  G06V30/19 ,  G06N3/04

Abstract: 本发明涉及一种基于多领域知识驱动的图像美学质量评价方法，步骤S1：设计一个密集连接网络作为主干网络，提取图像的美学特征；S2：设计一个半监督学习算法，同时从有标签和无标签图像学习风格特征，提取图像的风格特征；S3：使用场景语义分类数据集和情感分类数据集训练场景语义分类模型和情感分类模型，提取图像的语义特征和情感特征；S4：使用梯度提升算法XGBoost，对提取到的特征进行特征筛选与融合，分别训练SVM分类模型和SVR回归模型来预测图像的美学质量。本发明能显著提高美学质量预测精度。

公开(公告)号：CN112613303A

公开(公告)日：2021-04-06

申请号：CN202110020656.X

申请日：2021-01-07

Applicant: 福州大学

Inventor： 牛玉贞 ,  甘伟泽 ,  陈志贤 ,  刘文犀

IPC: G06F40/253 ,  G06F40/242 ,  G06F40/284 ,  G06F40/30 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于知识蒸馏的跨模态图像美学质量评价方法。包括以下步骤：S1：设计图文多模态美学质量评价的教师网络；S2：设计用于图像美学质量评价的学生网络；S3：设计用于进行对抗训练的判别器网络；S4：设计用于训练教师网络和学生网络的损失函数；S5：使用损失函数对步骤S1、S2及S3所设计网络进行训练；S6：将用于测试的图像输入训练好的学生网络预测其美学质量。本发明方法能显著提高美学质量预测精度。

公开(公告)号：CN111950655A

公开(公告)日：2020-11-17

申请号：CN202010861877.5

申请日：2020-08-25

Applicant: 福州大学

Inventor： 牛玉贞 ,  陈志贤 ,  刘文犀

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于多领域知识驱动的图像美学质量评价方法，步骤S1：设计一个密集连接网络作为主干网络，提取图像的美学特征；S2：设计一个半监督学习算法，同时从有标签和无标签图像学习风格特征，提取图像的风格特征；S3：使用场景语义分类数据集和情感分类数据集训练场景语义分类模型和情感分类模型，提取图像的语义特征和情感特征；S4：使用梯度提升算法XGBoost，对提取到的特征进行特征筛选与融合，分别训练SVM分类模型和SVR回归模型来预测图像的美学质量。本发明能显著提高美学质量预测精度。