買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉攜程旅游信息技術(上海)有限公司申請的專利圖像美學質量評價方法、裝置、電子設備和存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN113887673B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202111398424.4，技術領域涉及：G06V10/98；該發明授權圖像美學質量評價方法、裝置、電子設備和存儲介質是由楊凱;羅超;梁賢朋;鄒宇;程國強設計研發完成，并于2021-11-23向國家知識產權局提交的專利申請。

本圖像美學質量評價方法、裝置、電子設備和存儲介質在說明書摘要公布了：本發明涉及圖像處理技術領域，提供一種圖像美學質量評價方法、裝置、電子設備和存儲介質。所述方法包括：對初始圖像進行目標檢測，獲取目標圖像；將目標圖像輸入評價模型，獲得評價模型的多個輸出節點輸出的對應多個美學質量標簽的預測值分布；其中，評價模型基于多尺度分類損失進行訓練，多尺度分類損失包括對美學質量標簽進行不同粒度分類形成的各個標簽組的預測損失；根據預測值分布計算數學期望，獲得目標圖像的美學質量評價結果。本發明通過標簽多尺度分類損失強約束分類得分之間的尺度不變關系，使輸出的分布更加合理，解決使用分類處理回歸問題時類別之間的順序關系缺失的問題，及分類輸出分布不合理的問題。

本發明授權圖像美學質量評價方法、裝置、電子設備和存儲介質在權利要求書中公布了：1.一種圖像美學質量評價方法，其特征在于，包括： 對初始圖像進行目標檢測，獲取目標圖像； 將所述目標圖像輸入美學質量評價模型，獲得所述美學質量評價模型的多個輸出節點輸出的對應多個美學質量標簽的預測值分布； 其中，所述美學質量評價模型基于多尺度分類損失進行訓練，所述多尺度分類損失包括對所述多個美學質量標簽進行不同粒度分類形成的各個標簽組的預測損失；所述多個美學質量標簽包括N+1個標簽值遞增的美學質量標簽，對所述多個美學質量標簽進行不同粒度分類，包括對所述N+1個美學質量標簽進行分組數不同的多種分類，每種分類按照所述標簽值的遞增順序，基于一當前分組數對所述N+1個美學質量標簽進行分類； 其中，所述各個標簽組包括至少對所述N+1個美學質量標簽進行分組數等于N+1的分類形成的細粒度標簽組，和至少對所述N+1個美學質量標簽進行分組數小于所述細粒度標簽組的最小分組數的分類形成的粗粒度標簽組；每個細粒度標簽組采用推土機距離損失函數，計算每張樣本圖像的基于所述細粒度標簽組的預測值分布相對于所述樣本圖像的真實標簽的預測損失；每個粗粒度標簽組采用焦點損失函數，計算每張樣本圖像的基于所述粗粒度標簽組的預測值分布相對于所述樣本圖像的真實標簽的預測損失；每個所述粗粒度標簽組還采用中心損失函數，計算所述粗粒度標簽組的各樣本圖像的特征相對于所述粗粒度標簽組的所有樣本圖像的特征中心的預測損失； 其中，對一當前細粒度標簽組中一當前樣本圖像，所述推土機距離損失函數的公式為： lossEMD＝∑CDFjSoftMaxY-CDFjOneHotlabel2； 其中，Y為所述當前樣本圖像的基于所述當前細粒度標簽組的預測值分布，SoftMax·表示softmax操作；label為所述當前樣本圖像的真實標簽，OneHot·表示onehot編碼；CDFj·表示概率分布中的第j個元素； 其中，對一當前粗粒度標簽組中一當前樣本圖像，所述焦點損失函數的公式為： 其中，αlabel為平衡因子，αlabel基于樣本圖像集中所述當前粗粒度標簽組的樣本圖像占比取值，γ為集中參數，取值為2；M為所述當前粗粒度標簽組的分組數，ym為所述當前樣本圖像的基于所述當前粗粒度標簽組的預測值分布中對應第m分組的預測值，ylabel為所述當前樣本圖像的真實標簽； 其中，對第n’個粗粒度標簽組，所述中心損失函數的公式為： 其中，Kn’為所述第n’個粗粒度標簽組的樣本圖像數，xk為所述第n’個粗粒度標簽組的第k個樣本圖像的特征，cn'為所述第n’個粗粒度標簽組的所有樣本圖像的特征中心； 其中，所述多尺度分類損失對所述各個標簽組的預測損失進行加權求和；以及 根據所述預測值分布計算數學期望，獲得所述目標圖像的美學質量評價結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人攜程旅游信息技術(上海)有限公司，其通訊地址為：201203 上海市浦東新區自由貿易試驗區碧波路518號302室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。