[發(fā)明專利]評分方法、裝置、計算機設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 201810834277.2
• 申請日: 2018-07-26
• 公開（公告）號: CN109145956B
• 公開（公告）日: 2021-12-14
• 發(fā)明（設(shè)計）人: 劉騁
• 申請（專利權(quán)）人: 上海慧子視聽科技有限公司;劉騁
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種評分方法，其特征在于，包括：

獲取至少一個待檢測圖像，所述待檢測圖像包括圖形信息；

將所述至少一個待檢測圖像輸入到預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中，得到所述至少一個待檢測圖像的標(biāo)準(zhǔn)偏差評分；

所述預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型包括至少一個神經(jīng)網(wǎng)絡(luò)模型單元；

所述將所述至少一個待檢測圖像輸入到預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中，得到所述至少一個待檢測圖像的標(biāo)準(zhǔn)偏差評分，包括：

將所述至少一個待檢測圖像輸入到至少一個神經(jīng)網(wǎng)絡(luò)模型單元中，獲取所述至少一個待檢測圖像的目標(biāo)標(biāo)準(zhǔn)偏差評分，以及所述至少一個待檢測圖像對應(yīng)的目標(biāo)拓撲結(jié)構(gòu)；

其中，當(dāng)所述預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型中包括至少兩個神經(jīng)網(wǎng)絡(luò)模型單元時，在相鄰兩個所述神經(jīng)網(wǎng)絡(luò)模型單元中，前一神經(jīng)網(wǎng)絡(luò)模型單元的輸出的目標(biāo)標(biāo)準(zhǔn)偏差評分以及目標(biāo)拓撲結(jié)構(gòu)，用于與所述前一神經(jīng)網(wǎng)絡(luò)模型單元輸入的待檢測圖像共同作為后一神經(jīng)網(wǎng)絡(luò)模型單元的輸入數(shù)據(jù)，將末位神經(jīng)網(wǎng)絡(luò)模型單元輸出的目標(biāo)標(biāo)準(zhǔn)偏差評分作為所述至少一個待檢測圖像對應(yīng)的標(biāo)準(zhǔn)偏差評分。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型單元包括特征神經(jīng)網(wǎng)絡(luò)模型、拓撲結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)模型和評分神經(jīng)網(wǎng)絡(luò)模型；

所述將所述至少一個待檢測圖像分別輸入到神經(jīng)網(wǎng)絡(luò)模型單元中，獲取所述至少一個待檢測圖像的目標(biāo)標(biāo)準(zhǔn)偏差評分，以及所述至少一個待檢測圖像對應(yīng)的目標(biāo)拓撲結(jié)構(gòu)，包括：

將所述至少一個待檢測圖像輸入到預(yù)先訓(xùn)練好的特征神經(jīng)網(wǎng)絡(luò)模型中，獲取所述至少一個待檢測圖像分別對應(yīng)的特征數(shù)據(jù)；

將所述特征數(shù)據(jù)輸入到預(yù)先訓(xùn)練好的拓撲結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)模型中，獲取所述至少一個待檢測圖像分別對應(yīng)的目標(biāo)拓撲結(jié)構(gòu)；

根據(jù)所述目標(biāo)拓撲結(jié)構(gòu)輸入到預(yù)先訓(xùn)練好的評分神經(jīng)網(wǎng)絡(luò)模型，獲取所述至少一個待檢測圖像分別對應(yīng)的目標(biāo)標(biāo)準(zhǔn)偏差。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，在獲取至少一個待檢測圖像之前，還包括：

獲取包括至少兩種圖形類型的樣本圖像，其中，所述樣本圖像包括圖形標(biāo)簽信息、拓撲結(jié)構(gòu)、拓撲結(jié)構(gòu)標(biāo)簽信息和標(biāo)準(zhǔn)偏差評分；

基于所述樣本圖像建立第一訓(xùn)練樣本集；

基于所述第一訓(xùn)練樣本集對預(yù)先構(gòu)建的第一卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，獲取與所述第一訓(xùn)練樣本集對應(yīng)的特征數(shù)據(jù)，并將其與所述樣本圖像對應(yīng)的圖形標(biāo)簽信息、以及所述樣本圖像對應(yīng)的拓撲結(jié)構(gòu)，作為第二訓(xùn)練樣本集；

基于所述第二訓(xùn)練樣本集對預(yù)先構(gòu)建的第二卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，獲取與所述第二訓(xùn)練樣本集對應(yīng)的目標(biāo)拓撲結(jié)構(gòu)，并將其與所述樣本圖像對應(yīng)的拓撲結(jié)構(gòu)標(biāo)簽信息、以及所述樣本圖像對應(yīng)的標(biāo)準(zhǔn)偏差評分，作為第三訓(xùn)練樣本集；

基于所述第三訓(xùn)練樣本集對預(yù)先構(gòu)建的第三深度神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，在得到所述至少一個待檢測圖像的標(biāo)準(zhǔn)偏差評分之后，還包括：

根據(jù)所述至少一個待檢測圖像對應(yīng)的標(biāo)準(zhǔn)偏差評分、以及獲取的待檢測圖像與能力信息的對應(yīng)關(guān)系確定所述至少一個待檢測圖像對應(yīng)的能力信息并根據(jù)所述能力信息，評價待測用戶的能力。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，還包括：

獲取用戶繪制的待檢測圖像，以及采集所述用戶對應(yīng)的能力信息，不斷更新待檢測圖像與能力信息的對應(yīng)關(guān)系。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述標(biāo)準(zhǔn)偏差評分包括：角度偏差評分、長度偏差評分、面積偏差評分和坐標(biāo)位置偏差評分。