[發明專利]反映用戶偏好的基于機器學習的圖像壓縮設置

在審

• 申請號: 202080009025.1
• 申請日: 2020-06-13
• 公開（公告）號: CN114080615A
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 喬納森·D·赫維茨;汶耶布拉塔·雷
• 申請（專利權）人: 谷歌有限責任公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/08;G06N3/04;G06T9/00
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 李佳;周亞榮

1.一種計算機實現的方法，包括：

獲得輸入圖像，所述輸入圖像與用戶賬戶相關聯；

使用特征檢測機器學習模型確定所述輸入圖像的一個或多個特征；

基于所述輸入圖像中的所述一個或多個特征，使用針對所述用戶賬戶進行個性化的用戶特定的機器學習模型，確定所述輸入圖像的壓縮設置；以及

基于所述壓縮設置來壓縮所述輸入圖像。

2.根據權利要求1所述的計算機實現的方法，其中，所述特征檢測機器學習模型通過以下操作來生成：

獲得數字圖像的訓練集和對應的特征；以及

基于所述訓練集和所述對應的特征來訓練所述特征檢測機器學習模型，其中，在訓練后，所述特征檢測機器學習模型能夠在提供給所述特征檢測機器學習模型的所述輸入圖像中標識圖像特征。

3.根據權利要求2所述的計算機實現的方法，其中，所述特征檢測機器學習模型包括具有多個網絡層的卷積神經網絡(CNN)，其中，每個網絡層在不同的抽象級別上提取所述一個或多個圖像特征。

4.根據權利要求2所述的計算機實現的方法，其中，所述用戶特定的機器學習模型通過以下操作來生成：

獲得與用戶相關聯的用戶特定的特征的訓練集，所述用戶特定的特征指示關于一個或多個先驗圖像的用戶動作；以及

基于所述用戶特定的特征和所述一個或多個先驗圖像來訓練所述用戶特定的機器學習模型，其中，在訓練后，所述用戶特定的機器學習模型確定提供給所述用戶特定的機器學習模型的所述輸入圖像的等級。

5.根據權利要求4所述的計算機實現的方法，其中，所述訓練集進一步包括所述一個或多個先驗圖像的相應圖像特征。

6.根據權利要求5所述的計算機實現的方法，其中，所述一個或多個先驗圖像的所述相應圖像特征是通過將所述特征檢測機器學習模型應用于所述一個或多個先驗圖像來獲得的。

7.根據權利要求1所述的計算機實現的方法，進一步包括：

將具有樣本圖像的兩個或更多個版本的第一用戶界面提供給與所述用戶賬戶相關聯的用戶，所述樣本圖像的兩個或更多個版本中的每個用不同的壓縮設置來壓縮；

獲得來自所述用戶的用戶輸入，所述用戶輸入標識所述樣本圖像的特定版本；以及

選擇與所述樣本圖像的所述特定版本相關聯的壓縮設置作為所述用戶賬戶的基線壓縮設置。

8.根據權利要求7所述的計算機實現的方法，其中，確定所述壓縮設置包括：

由所述用戶特定的機器學習模型確定所述輸入圖像的等級；以及

將所述等級映射到所述壓縮設置，其中，所述映射是基于所述基線壓縮設置。

9.根據權利要求8所述的計算機實現的方法，進一步包括：

確定所述輸入圖像的所述等級滿足重要性閾值；以及

響應于確定所述等級滿足所述重要性閾值，執行以下中的一個或多個：

提供所述用戶共享所述輸入圖像的建議，

將所述輸入圖像的備份優先于與所述用戶賬戶相關聯的不滿足所述重要性閾值的其他圖像的備份，或者

如果后續圖像中所描繪的場景具有所述輸入圖像的所述一個或多個特征中的至少一個特征，則提供第二用戶界面，所述第二用戶界面包括用于捕捉所述后續圖像的指令。

10.一種計算設備，包括：

處理器；以及

具有存儲在其上的指令的存儲器，所述指令在由所述處理器執行時使所述處理器執行操作，所述操作包括：

獲得輸入圖像，所述輸入圖像與用戶賬戶相關聯；

使用特征檢測機器學習模型確定所述輸入圖像的一個或多個特征；

基于所述輸入圖像中的所述一個或多個特征，使用針對所述用戶賬戶進行個性化的用戶特定的機器學習模型，確定所述輸入圖像的壓縮設置；以及

基于所述壓縮設置來壓縮所述輸入圖像。