[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

本文中所描述的實施例涉及用于確定壓縮設置的方法、設備和計算機可讀介質。可以獲得輸入圖像，其中，所述輸入圖像與用戶賬戶相關聯。所述輸入圖像的一個或多個特征可以使用特征檢測機器學習模型來確定。所述輸入圖像的壓縮設置可以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個性化的用戶特定的機器學習模型來確定。所述輸入圖像可以基于所述壓縮設置來壓縮。

背景技術

隨著智能電話和其他便攜式相機越來越受歡迎，用戶捕捉到越來越多的圖像。然而，設備上存儲以及云存儲或服務器存儲是有限的資源。圖像壓縮是減少存儲圖像所需的存儲空間量的有效方式。然而，有損壓縮可能導致壓縮后的圖像質量明顯降低，從而導致用戶體驗不佳。

本文中所提供的背景描述的目的通常是呈現本公開的上下文。在此背景技術部分中描述的程度上目前被稱為發明人的工作，以及在提交時可能沒有以其他方式符合現有技術的描述的方面沒有被明確地或不隱含地承認為針對本公開的先前技術。

發明內容

本文中所描述的實施例涉及用于生成壓縮設置的方法、設備和計算機可讀介質。方法可以包括：獲得輸入圖像，該輸入圖像與用戶賬戶相關聯；使用特征檢測機器學習模型來確定輸入圖像的一個或多個特征；使用針對用戶賬戶個性化的用戶特定的機器學習模型，基于輸入圖像中的一個或多個特征確定輸入圖像的壓縮設置；以及基于壓縮設置壓縮輸入圖像。

在一些實施例中，特征檢測機器學習模型是通過以下生成的：獲得數字圖像的訓練集和對應的特征并且基于訓練集和對應的特征訓練特征檢測機器學習模型，其中，在訓練后，特征檢測機器學習模型能夠標識提供給特征檢測機器學習模型的輸入圖像中的圖像特征。在一些實施例中，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，每個網絡層都在不同的抽象級別上提取一個或多個圖像特征。在一些實施例中，用戶特定的機器學習模型是通過以下生成的：獲得與用戶相關聯的用戶特定的特征的訓練集，該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，并且基于用戶特定的特征和一個或多個先驗圖像訓練用戶特定的機器學習模型，其中，在訓練后，用戶特定的機器學習模型確定提供給用戶特定的機器學習模型的輸入圖像的等級。在一些實施例中，其中，一個或多個先驗圖像的相應圖像特征是通過將特征檢測機器學習模型應用于一個或多個先驗圖像來獲得的。

在一些實施例中，方法可以進一步包括：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用戶賬戶相關聯的用戶，每個版本都用不同的壓縮設置來壓縮；從用戶獲得標識樣本圖像的特定版本的用戶輸入；以及選擇與樣本圖像的特定版本相關聯的壓縮設置作為用戶賬戶的基線壓縮設置。在一些實施例中，確定壓縮設置包括：通過用戶特定的機器學習模型確定輸入圖像的等級以及將等級映射到壓縮設置，其中，映射是基于基線壓縮設置。

在一些實施例中，方法可以進一步包括：確定輸入圖像的等級滿足重要性閾值并且響應于等級滿足重要性閾值的確定，執行以下中的一項或多項：提供用戶共享輸入圖像的建議，將輸入圖像的備份優先于與用戶賬戶相關聯的不滿足重要性閾值的其他圖像的備份，或如果后續圖像中所描繪的場景具有輸入圖像的一個或多個特征中的至少一個特征，則提供第二用戶界面，該第二用戶界面包括用于捕捉后續圖像的指令。

一些實施例可以包括計算設備，該計算設備包括處理器和其上存儲有指令的存儲器，該指令在由處理器執行時使處理器執行操作，該操作包括：獲得輸入圖像，該輸入圖像與用戶賬戶相關聯；使用特征檢測機器學習模型來確定輸入圖像的一個或多個特征；使用針對用戶賬戶個性化的用戶特定的機器學習模型，基于輸入圖像中的一個或多個特征確定輸入圖像的壓縮設置；以及基于壓縮設置壓縮輸入圖像。