买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉携程旅游信息技术(上海)有限公司申请的专利图像美学质量评价方法、装置、电子设备和存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN113887673B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111398424.4，技术领域涉及：G06V10/98；该发明授权图像美学质量评价方法、装置、电子设备和存储介质是由杨凯;罗超;梁贤朋;邹宇;程国强设计研发完成，并于2021-11-23向国家知识产权局提交的专利申请。

本图像美学质量评价方法、装置、电子设备和存储介质在说明书摘要公布了：本发明涉及图像处理技术领域，提供一种图像美学质量评价方法、装置、电子设备和存储介质。所述方法包括：对初始图像进行目标检测，获取目标图像；将目标图像输入评价模型，获得评价模型的多个输出节点输出的对应多个美学质量标签的预测值分布；其中，评价模型基于多尺度分类损失进行训练，多尺度分类损失包括对美学质量标签进行不同粒度分类形成的各个标签组的预测损失；根据预测值分布计算数学期望，获得目标图像的美学质量评价结果。本发明通过标签多尺度分类损失强约束分类得分之间的尺度不变关系，使输出的分布更加合理，解决使用分类处理回归问题时类别之间的顺序关系缺失的问题，及分类输出分布不合理的问题。

本发明授权图像美学质量评价方法、装置、电子设备和存储介质在权利要求书中公布了：1.一种图像美学质量评价方法，其特征在于，包括： 对初始图像进行目标检测，获取目标图像； 将所述目标图像输入美学质量评价模型，获得所述美学质量评价模型的多个输出节点输出的对应多个美学质量标签的预测值分布； 其中，所述美学质量评价模型基于多尺度分类损失进行训练，所述多尺度分类损失包括对所述多个美学质量标签进行不同粒度分类形成的各个标签组的预测损失；所述多个美学质量标签包括N+1个标签值递增的美学质量标签，对所述多个美学质量标签进行不同粒度分类，包括对所述N+1个美学质量标签进行分组数不同的多种分类，每种分类按照所述标签值的递增顺序，基于一当前分组数对所述N+1个美学质量标签进行分类； 其中，所述各个标签组包括至少对所述N+1个美学质量标签进行分组数等于N+1的分类形成的细粒度标签组，和至少对所述N+1个美学质量标签进行分组数小于所述细粒度标签组的最小分组数的分类形成的粗粒度标签组；每个细粒度标签组采用推土机距离损失函数，计算每张样本图像的基于所述细粒度标签组的预测值分布相对于所述样本图像的真实标签的预测损失；每个粗粒度标签组采用焦点损失函数，计算每张样本图像的基于所述粗粒度标签组的预测值分布相对于所述样本图像的真实标签的预测损失；每个所述粗粒度标签组还采用中心损失函数，计算所述粗粒度标签组的各样本图像的特征相对于所述粗粒度标签组的所有样本图像的特征中心的预测损失； 其中，对一当前细粒度标签组中一当前样本图像，所述推土机距离损失函数的公式为： lossEMD＝∑CDFjSoftMaxY-CDFjOneHotlabel2； 其中，Y为所述当前样本图像的基于所述当前细粒度标签组的预测值分布，SoftMax·表示softmax操作；label为所述当前样本图像的真实标签，OneHot·表示onehot编码；CDFj·表示概率分布中的第j个元素； 其中，对一当前粗粒度标签组中一当前样本图像，所述焦点损失函数的公式为： 其中，αlabel为平衡因子，αlabel基于样本图像集中所述当前粗粒度标签组的样本图像占比取值，γ为集中参数，取值为2；M为所述当前粗粒度标签组的分组数，ym为所述当前样本图像的基于所述当前粗粒度标签组的预测值分布中对应第m分组的预测值，ylabel为所述当前样本图像的真实标签； 其中，对第n’个粗粒度标签组，所述中心损失函数的公式为： 其中，Kn’为所述第n’个粗粒度标签组的样本图像数，xk为所述第n’个粗粒度标签组的第k个样本图像的特征，cn'为所述第n’个粗粒度标签组的所有样本图像的特征中心； 其中，所述多尺度分类损失对所述各个标签组的预测损失进行加权求和；以及 根据所述预测值分布计算数学期望，获得所述目标图像的美学质量评价结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人携程旅游信息技术(上海)有限公司，其通讯地址为：201203 上海市浦东新区自由贸易试验区碧波路518号302室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。