[發明專利]基于深度學習模型的圖文設計質量檢測方法、裝置及系統

在審

• 申請號: 201911046872.0
• 申請日: 2019-10-30
• 公開（公告）號: CN110781633A
• 公開（公告）日: 2020-02-11
• 發明（設計）人: 胡浩;佟博;梁容銘;蘇旭;楊超龍
• 申請（專利權）人: 廣東博智林機器人有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06T7/00;G06K9/62;G06N3/08
• 代理公司: 11227 北京集佳知識產權代理有限公司
• 代理人: 沈闖

本申請公開了基于深度學習模型的圖文設計質量檢測方法、裝置及系統，方法包括：接收圖文設計；將圖文設計依次放入若干個預設的評價模型中，評價模型基于深度學習網絡構建；獲取每一個評價模型的輸出值；若每個評價模型的輸出值均為預設值，則輸出為優質設計；若存在輸出值不為預設值的評價模型，則輸出為劣質設計，并輸出對應的評價模型及其輸出值。上述方法將圖文設計放入評價模型中，并根據輸出結果判斷圖文設計是否存在缺陷，若存在，則輸出此缺陷。上述方法不僅對圖文設計的優劣進行評判，還把通過評價反應出來的具體的質量問題，即具體哪個指標不夠好需要完善及時地反饋出來給設計師，大大縮減了人工成本和時間成本。

技術領域

本申請涉及圖文設計技術領域，尤其涉及一種基于深度學習模型的圖文設計質量檢測方法、裝置及系統。

背景技術

圖文設計是現代平面設計的重要組成部分，現有技術是通過人眼來判斷圖文設計的質量，無法得到一個較為客觀的評價分數，而且目前也沒有一種圖文設計質量的評價方法，能夠精準并且快速的對一張圖片進行評價。

發明內容

本申請實施例提供了一種基于深度學習模型的圖文設計質量檢測方法、裝置及系統，解決無法準確且快速的對圖文質量進行評價的問題。

有鑒于此，本申請第一方面提供了一種基于深度學習模型的圖文設計質量檢測方法，所述方法包括：

接收圖文設計；

將所述圖文設計依次放入若干個預設的評價模型中，所述評價模型基于深度學習網絡構建；

分別獲取每一個所述評價模型的輸出值；

若每一個評價模型的輸出值均為預設值，則輸出檢測結果為優質設計；

若存在輸出值不為所述預設值的評價模型，則輸出檢測結果為劣質設計，并輸出對應的所述評價模型及其輸出值。

可選地，所述將所述圖文設計依次放入若干個預設的評價模型中之后，所述分別獲取每一個所述評價模型的輸出值之前，還包括：

若所述評價模型的得分達到對應的預設閾值，則將所述評價模型的輸出值設定為預設值；

若所述評價模型的得分未達到對應的所述預設閾值，則將所述評價模型的輸出值設定為預設值以外的值。

可選地，所述評價模型包括若干個硬規則評價模型和一個主觀評價模型；

所述若存在輸出值不為所述預設值的評價模型，則輸出檢測結果為劣質設計，并輸出對應的所述評價模型及其輸出值具體包括：

若每一個所述硬規則評價模型的輸出值均為預設值，所述主觀評價模型的輸出值不為所述預設值，則將所述圖文設計輸出進行人工復查；

若存在輸出值不為所述預設值的硬規則評價模型，則輸出檢測結果為劣質設計，并輸出對應的所述硬規則評價模型及其輸出值。

可選地，所述若存在輸出值不為所述預設值的評價模型，則輸出檢測結果為劣質設計，并輸出對應的所述評價模型及其輸出值之后，還包括：

接收修改后的圖文設計，返回所述將所述圖文設計依次放入若干個預設的評價模型中，直到輸出檢測結果為優質設計。

可選地，所述硬規則評價模型包括元素完整性模型、尺寸合理性模型、布局合理性模型、顏色協調性模型中的一個或多個。

本申請第二方面提供一種基于深度學習模型的圖文設計質量檢測裝置，包括：

接收單元，用于接收圖文設計；

評價單元，用于將所述圖文設計依次放入若干個預設的評價模型中，所述評價模型基于深度學習網絡構建；

獲取單元，用于分別獲取每一個所述評價模型的輸出值；