[發明專利]圖片篩選方法及裝置、存儲介質

有效

• 申請號: 201710991271.1
• 申請日: 2017-10-23
• 公開（公告）號: CN110069651B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 李會珠;衛磊;花貴春;姜國華
• 申請（專利權）人: 騰訊科技（北京）有限公司
• 主分類號: G06F16/583
• 分類號: G06F16/583;G06F16/538;G06F16/9535;G06V10/82;G06V10/74;G06V10/764
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 郭曼;王琦

1.一種圖片篩選方法，其特征在于，包括：

獲取待推薦的媒體內容中的圖片；

采用預先訓練的深度學習模型確定所述圖片與各個圖片類別之間的匹配度；所述各個圖片類別分別對應的圖片作為所述媒體內容的展示圖片的適合程度不同；

根據所述圖片與各個圖片類別之間的匹配度，確定所述圖片作為所述展示圖片的期望值；

從所述媒體內容的各張圖片中篩選出所述期望值符合預定條件的圖片作為所述展示圖片。

2.根據權利要求1所述的方法，其特征在于，所述采用預先訓練的深度學習模型確定所述圖片與各個圖片類別之間的匹配度之前，所述方法還包括：

對獲取到的所述圖片進行預處理，所述預處理包括通道轉換、規格統一以及格式轉換中的至少一項；其中：

所述通道轉換為對所述媒體內容中的所述圖片的顏色通道進行轉換，以使所述媒體內容的各張圖片的顏色通道相同；

所述規格統一為對所述媒體內容中的所述圖片的寬度和高度進行等比縮放，并進行包邊處理，以使所述媒體內容中的各張圖片的寬度和高度分別相同；

所述格式轉換為將所述媒體內容中的所述圖片中各個像素的顏色值轉換為預設格式的數值，所述預設格式滿足所述深度學習模型對輸入數據的格式要求。

3.根據權利要求1所述的方法，其特征在于，所述圖片與各個圖片類別之間的匹配度包括該圖片屬于各個圖片類別的概率。

4.根據權利要求3所述的方法，其特征在于，采用下式計算第i張圖片作為所述展示圖片的期望值：

式中，E_i為第i張圖片作為所述展示圖片的期望值，a_j為a_j類圖片的類別標識對應的數值；r_j為第i張圖片屬于a_j類圖片的概率，N為圖片類別的個數，j的取值范圍為[0，N]。

5.根據權利要求1所述的方法，其特征在于，所述深度學習模型的建立過程包括：

收集多個已推薦的媒體內容中的圖片，得到多張圖片，所述多張圖片形成訓練語料庫；

根據所述訓練語?料庫中每一張圖片的線上表現數據，確定該張圖片所屬的圖片類別，并在所述訓練語料庫中標注該張圖片所屬的圖片類別；

將所述訓練語料庫輸入預設的深度學習框架中進行訓練學習，確定不同的圖片內容與各個圖片類別之間的匹配關系，得到所述深度學習模型。

6.根據權利要求5所述的方法，其特征在于，還包括：

在所述待推薦的媒體內容被推薦之后，采集所述展示圖片的線上表現數據，并將所述展示圖片添加至所述訓練語?料庫中，以對所述訓練語料庫進行更新；

根據所述展示圖片的線上表現數據，確定所述展示圖片所屬的圖片類別，并在所述訓練語料庫中標注所述展示圖片所屬的圖片類別；

采用更新后的訓練語料庫進行訓練學習，更新所述匹配關系，以對所述深度學習模型進行更新。

7.根據權利要求5所述的方法，其特征在于，所述將所述訓練語料庫輸入預設的深度學習框架中進行訓練學習之前，所述方法還包括：

對所述多張圖片中的每一張圖片進行預處理，所述預處理包括通道轉換、規格統一以及格式轉換中的至少一項；其中：

所述通道轉換為對所述多張圖片中每一張圖片的顏色通道進行轉換，以使所述多張圖片的顏色通道相同；

所述規格統一為對所述多張圖片中每一張圖片的寬度和高度進行等比縮放，并進行包邊處理，以使所述多張圖片的寬度和高度分別相同；

所述格式轉換為將所述多張圖片中每一張圖片中各個像素的顏色值轉換為預設格式的數值，所述預設格式滿足所述深度學習框架對輸入數據的格式要求。

8.根據權利要求1～7任一項所述的方法，其特征在于，所述展示圖片包括封面圖片。