本发明涉及计算机视觉,更具体的说是涉及一种pc端图片管理方法及系统。
背景技术:
1、目前,市面上的图片管理软件多侧重于基础的编辑功能,例如裁剪、颜色调整和分类归档。这些工具在处理如美学评价和商业价值评估等更高级需求时,表现出明显的局限性。即便一些软件集成了图像识别功能,其在处理具有复杂构图、模糊细节或高艺术性的图像时,效果通常并不理想,这在需要深度评估图片的美学和艺术价值的情境下尤其突出,难以提供全面而精准的分析。
2、同时,现有的以图识图技术也存在诸多不足,尽管某些系统能够识别特定物体或场景,但它们在解析图像中的细节、理解图像背后的复杂上下文或情感含义方面仍显不足。这一点在寻找具有特定主题或风格的图片时尤为重要,高效且准确的图像识别功能能显著提升用户体验。此外,现有的软件也无法挖掘图片的潜在商业价值。
3、因此,迫切需要一种集成美学评分、高效以图识图功能及挖掘图片潜在价值的智能图像管理软件。
技术实现思路
1、有鉴于此,本发明提供了一种pc端图片管理方法及系统,可实现对图片集进行美学评分、以图识图及挖掘图片潜在价值,并进行智能推荐。
2、为了实现上述目的,本发明采用如下技术方案:
3、第一方面,本发明提供一种pc端图片管理方法,包括以下步骤:
4、构建图片评估模型;所述图片评估模型包括基于efficientnet-b0的主干网络、属性子网络、分类子网络和回归子网络;
5、基于所述主干网络提取图片特征;
6、基于所述属性子网络对图片特征中的光线特征、颜色特征和构图特征进行进一步提取,并分别输出图片在光线、颜色和构图三方面的属性特征评分;
7、基于所述分类子网络根据图片特征识别图片中的对象,并根据图片中对象和类别间的映射关系,确定图片类别;
8、基于所述回归子网络结合所述主干网提取出的图片特征、所述属性子网络提取出的属性特征和所述分类子网络提取出的图片类别进行回归特征融合,输出图片的整体评分;
9、采用图片训练集对所述图片评估模型进行训练;
10、基于训练好的图片评估模型对待处理图片集中的每张图片进行评分和分类,并基于评分结果实现图片智能选优、垃圾图片自动筛选和参赛图片智能推荐功能。
11、进一步的,所述属性子网络提取出的光线特征包括:亮度均值和标准差。
12、进一步的,所述属性子网络提取出的颜色特征包括:颜色通道权值、rgb主色个数、rgb主色度、hsv主色个数、hsv主色个数、主色调个数和主色调对比度。
13、进一步的,所述属性子网络提取出的构图特征包括:黄金分割、中心、倾斜、三角形、指导线、三分线、对称、对角、框和圆。
14、进一步的,当所述图片评估模型用于实现图片智能选优、垃圾图片自动筛选和参赛照片智能推荐功能时,所述图片训练集中的每张图片包含三个属性标签、一个整体标签和一个分类标签,三个所述属性标签分别为图片在光线、颜色和构图上的属性得分,所述整体标签为图片的整体分数,所述分类标签代表图片中对象的所属类别。
15、进一步的,所述图片评估模型还用于实现价值图片自动挖掘功能,所述图片训练集中的每张图片还包含价格标签,利用训练好的所述图片评估模型进行价值图片自动挖掘时,对待处理图片集中的每张图片进行价值评估,并识别具备潜在价值的图片进行推荐。
16、进一步的,所述图片评估模型还用于实现全景照片智能裁剪;
17、当进行全景照片智能裁剪时,通过识别模块识别出全景照片中的关键视觉元素;
18、对全景照片进行预裁剪,得到多个预裁剪照片;
19、通过所述图片评估模型分别对各预裁剪照片进行整体评分;
20、筛选出得分最高的预裁剪图片作为最后的裁剪结果。
21、进一步的,所述识别模块采用yolo算法识别全景照片中的关键视觉元素进行识别,所述关键视觉元素包含主体、前景和背景。
22、进一步的,当利用所述图片评估模型进行图片智能选优时,根据待处理图片集中的每张图片的整体评分,对各图片进行排序,选择排名前n的图片进行突出显示。
23、进一步的,当利用所述图片评估模型进行垃圾图片自动筛选时,将待处理图片集中的每张图片的整体评分与预设阈值进行比较,将低于预设阈值的图片进行标记或删除。
24、进一步的,当利用所述图片评估模型进行参赛照片智能推荐时,将待处理图片集中的每张图片的类别与比赛要求进行比对,同时将图片在光线、颜色和构图三方面的属性特征评分以及整体评分分别与预设的评分标准进行比对,选取最匹配的图片进行推荐。
25、第二方面,本发明提供一种pc端图片管理系统,包括:上传模块、分析模块和推荐模块;
26、所述上传模块用于获取待处理图片集;
27、所述分析模块用于采用训练好的图片评估模型对待处理图片集中的每张图片进行打分和分类,或对待处理图片集中的每张图片进行价值评估;
28、所述推荐模块用于根据评分结果对图片集进行图片智能选优、垃圾图片自动筛选和参赛图片智能推荐,或根据价值评估结果,识别待处理图片集中具备潜在价值的图片进行推荐。
29、经由上述的技术方案可知,与现有技术相比,本发明具有以下有益效果:
30、1、本发明模型能够评估照片的美学价值,从光照、色彩、构图三个维度分别对照片打分,再进行整体的美学评价,帮助用户高效快速地从图片集中筛选出高质量的图片,以提升用户的审美能力。
31、2、本发明可以实现对照片潜在商业价值进行分析,可以达到对照片资源的充分利用和价值挖掘,帮助用户判断是否适合用于广告、展览等。
32、3、本发明基于pc端本地部署或多端协同部署,结合时光轴、物品分类、图片分类等功能,可以使得用户更便捷的实现图片的检索功能,提高用户的使用体验。
33、4、本发明还具备ai拓展功能,相册留有后端接口,可以实现ai功能的集成和拓展,以便于接入用户的自建ai照片功能、ai模型库以及gpts功能等,使用户探索照片管理的更多可能。
1.一种pc端图片管理方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的pc端图片管理方法,其特征在于,所述属性子网络提取出的光线特征包括:亮度均值和标准差;
3.根据权利要求1所述的pc端图片管理方法,其特征在于,当所述图片评估模型用于实现图片智能选优、垃圾图片自动筛选和参赛照片智能推荐功能时,所述图片训练集中的每张图片包含三个属性标签、一个整体标签和一个分类标签,三个所述属性标签分别为图片在光线、颜色和构图上的属性得分,所述整体标签为图片的整体分数,所述分类标签代表图片中对象的所属类别。
4.根据权利要求3所述的pc端图片管理方法,其特征在于,所述图片评估模型还用于实现价值图片自动挖掘功能,所述图片训练集中的每张图片还包含价格标签,利用训练好的所述图片评估模型进行价值图片自动挖掘时,对待处理图片集中的每张图片进行价值评估,并识别具备潜在价值的图片进行推荐。
5.根据权利要求1所述的pc端图片管理方法,其特征在于,所述图片评估模型还用于实现全景照片智能裁剪;
6.根据权利要求5所述的pc端图片管理方法,其特征在于,所述识别模块采用yolo算法识别全景照片中的关键视觉元素进行识别,所述关键视觉元素包含主体、前景和背景。
7.根据权利要求1所述的pc端图片管理方法,其特征在于,当利用所述图片评估模型进行图片智能选优时,根据待处理图片集中的每张图片的整体评分,对各图片进行排序,选择排名前n的图片进行突出显示。
8.根据权利要求1所述的pc端图片管理方法,其特征在于,当利用所述图片评估模型进行垃圾图片自动筛选时,将待处理图片集中的每张图片的整体评分与预设阈值进行比较,将低于预设阈值的图片进行标记或删除。
9.根据权利要求1所述的pc端图片管理方法,其特征在于,当利用所述图片评估模型进行参赛照片智能推荐时,将待处理图片集中的每张图片的类别与比赛要求进行比对,同时将图片在光线、颜色和构图三方面的属性特征评分以及整体评分分别与预设的评分标准进行比对,选取最匹配的图片进行推荐。
10.一种pc端图片管理系统,其特征在于,包括:上传模块、分析模块和推荐模块;