買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜福州大學申請的專利一種基于構圖感知的圖像美學質量評價方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116342569B 。

龍圖騰網通過國家知識產權局官網在2025-05-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310347918.2，技術領域涉及：G06T7/00；該發明授權一種基于構圖感知的圖像美學質量評價方法是由牛玉貞;陳珊珊;賴宇;張家榜設計研發完成，并于2023-04-04向國家知識產權局提交的專利申請。

本一種基于構圖感知的圖像美學質量評價方法在說明書摘要公布了：本發明提出一種基于構圖感知的圖像美學質量評價方法，包括以下步驟；步驟S1：將圖像美學質量評價數據集和圖像構圖質量評價數據集處理后的數據形成美學質量評價訓練集與美學質量評價測試集、構圖質量評價訓練集與構圖質量評價測試集；步驟S2：設計金字塔式多尺度特征融合模塊；步驟S3：設計圖像構圖質量評價網絡，訓練得到圖像構圖質量評價模型；步驟S4：設計圖像美學質量評價網絡，訓練得到圖像美學質量評價模型；步驟S5：將美學質量評價測試集中的圖像輸入到圖像美學質量評價模型中，輸出對應的評分分布，計算平均值作為圖像美學質量分數；本發明能有效地借助圖像中的構圖信息來輔助實現圖像美學評價，進一步提高圖像美學質量評價算法的性能。

本發明授權一種基于構圖感知的圖像美學質量評價方法在權利要求書中公布了：1.一種基于構圖感知的圖像美學質量評價方法，其特征在于：所述方法使用通過人主觀評價形成的圖像美學質量評價數據集和圖像構圖質量評價數據集，基于圖像的構圖屬性來引導圖像美學質量，包括以下步驟；步驟S1：將圖像美學質量評價數據集和圖像構圖質量評價數據集中的數據進行數據預處理，以處理后的數據形成美學質量評價訓練集與美學質量評價測試集、構圖質量評價訓練集與構圖質量評價測試集；步驟S2：設計金字塔式多尺度特征融合模塊；步驟S3：設計圖像構圖質量評價網絡，使用所設計的網絡訓練得到圖像構圖質量評價模型；步驟S4：設計基于構圖感知的圖像美學質量評價網絡，使用所設計的網絡訓練得到基于構圖感知的圖像美學質量評價模型；步驟S5：將美學質量評價測試集中的圖像輸入到訓練好的基于構圖感知的圖像美學質量評價模型中，輸出對應的圖像美學評分分布，最后計算美學評分分布的平均值作為圖像美學質量分數；所述步驟S3包括以下步驟；步驟S31：將預訓完成且去除最后一層的ResNet_v2_50網絡作為構圖特征提取網絡，使用在ImageNet數據集上預訓練的權重作為初始參數；步驟S32：將經過步驟S1得到的構圖質量評價訓練集每個批次的圖像輸入到S31步驟中的構圖特征提取網絡，得到ResNet_v2_50網絡的最后四個階段的輸出特征，并且設第i個階段的輸出特征為i＝1，2，3，4，維度為步驟S33：將步驟S32得到的輸出特征i＝1，2，3，4輸入到步驟S2設計的金字塔式多尺度特征融合模塊得到最終的圖像構圖特征FC，其維度為最后特征FC輸入到全連接層得到圖像的構圖質量分數；步驟S34：設計圖像構圖質量評價網絡的損失函數，具體計算公式如下： 其中，m為樣本個數，xi為第i個圖像的真實構圖質量分數，為第i個圖像的預測構圖質量分數；步驟S35：以批次為單位重復上述步驟S31至步驟S34，直至步驟S34中計算得到的損失值收斂并趨于穩定，保存網絡參數，完成圖像構圖質量評價網絡的訓練過程；所述步驟S4具體包括以下步驟；步驟S41：首先以步驟S3設計的圖像構圖質量評價網絡去掉全連接層后作為圖像構圖特征提取子網絡，并以步驟S3訓練完成的網絡權重作為圖像構圖特征提取子網絡的參數，這部分的參數不參與基于構圖感知的圖像美學質量評價網絡的訓練；再以預訓的SwinTransformer網絡并且去除最后一層作為圖像美學特征提取子網絡，其使用在ImageNet數據集上預訓練的權重作為初始參數；步驟S42：將經過步驟S1的美學訓練集中的每個批次的圖像依次輸入到S41步驟中的兩個子網絡；設美學圖像經過圖像構圖特征提取子網絡得到圖像構圖特征FC，其維度為并且經過圖像美學特征提取子網絡得到四個階段的輸出特征為i＝1，2，3，4，步驟S43：將步驟S42得到的輸出特征i＝1，2，3，4輸入到步驟S2設計的金字塔式多尺度特征融合模塊得到最終的圖像美學特征FA，其維度為步驟S44：構建交叉編碼器Encoder，其由多頭交叉注意力、層歸一化和全連接層組成，設輸入交叉編碼器的特征為q、k和v，q,k和v的維度均為c×s，首先輸入到多頭交叉注意力，多頭交叉注意力的輸出與v相加，并對其進行層歸一化，記為得到交叉編碼器中間輸出特征r，之后輸入兩層全連接層中，記為MLPc·，兩層全連接層的輸出再與r相加，并對其進行層歸一化，記為最后得到輸出特征r′，其維度為c×s；交叉編碼器Encoder的公式為r′＝Encoderq，k，v，其中Encoder·，·，·表示交叉編碼器的計算，具體計算公式如下： 其中，MHCA·，·，·表示多頭交叉注意力，+表示矩陣加法運算；步驟S45：首先將步驟S42得到的圖像構圖特征FC，其維度為經過1個1×1卷積按通道維度進行降維，得到降維后的構圖特征F′C，其維度為然后將特征F′C和經過步驟S43得到的圖像美學特征FA，其維度為分別經過Reshape操作進行維度調整，調整后得到維度為C×S的特征F″C和維度為C×S的特征F′A；其中，具體計算公式如下：F′C＝Conv1×1FC公式十四；F″C＝ReshapeF′C公式十五；F′A＝ReshapeFA公式十六；其中，Conv1×1·表示1×1卷積，Reshape·表示維度調整操作；步驟S46：將步驟S45得到的特征F″C和特征F′A輸入到步驟S44構建的交叉編碼器，F″C作為交叉編碼器的輸入特征q，F′A作為交叉編碼器的輸入特征k和v，得到融合構圖特征的圖像美學特征，然后將融合構圖特征的圖像美學特征輸入到全連接層得到圖像美學評分分布；全連接層輸出的分類數為N，N為美學評分分數集合中分數的個數；當設評分分數集合為{1，2，…，10}時，則N為10；步驟S47：設計基于構圖感知的圖像美學質量評價網絡的損失函數，具體公式如下： 其中，和yi分別表示基于構圖感知的圖像美學質量評價網絡預測的評分分布和標簽的真實分布中美學評分為第i個取值時對應的概率，i對應美學評分取值為1，2，…N，N是數據集中評分取值的個數；步驟S48：以批次為單位重復上述步驟S41至步驟S47，直至步驟S47中計算得到的損失值收斂并趨于穩定，保存網絡參數，完成基于構圖感知的圖像美學質量評價網絡的訓練過程。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人福州大學，其通訊地址為：350108 福建省福州市閩侯縣福州大學城烏龍江北大道2號福州大學；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。