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！

龙图腾网恭喜福州大学申请的专利融合场景特征和多模态注意力机制的图像美学质量评价方法及系统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：CN115908979B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202211503996.9，技术领域涉及：G06V10/774；该发明授权融合场景特征和多模态注意力机制的图像美学质量评价方法及系统是由牛玉贞;陈珊珊;陈俊豪;杨立芬设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本融合场景特征和多模态注意力机制的图像美学质量评价方法及系统在说明书摘要公布了：本发明提出一种融合场景特征和多模态注意力机制的图像美学质量评价方法及系统，包括以下步骤：步骤S1：将美学图像数据集中的数据进行数据预处理，提取得到美学图像所对应评论的文本特征；步骤S2：训练融合场景特征和多模态注意力机制的图像美学评分分布预测模型；所述图像美学评分分布预测模型由融合场景特征和多模态注意力机制的图像美学质量评价网络训练获得，包括层次图像特征融合模块、融合文本特征和图像特征的多模态注意力机制模块；步骤S3：将图像输入到训练好的融合场景特征和多模态注意力机制的图像美学质量评分分布预测模型中，输出对应的图像美学评分分布，最后计算美学评分分布的平均值作为图像美学质量分数。

本发明授权融合场景特征和多模态注意力机制的图像美学质量评价方法及系统在权利要求书中公布了：1.一种融合场景特征和多模态注意力机制的图像美学质量评价方法，其特征在于，包括以下步骤：步骤S1：将美学图像数据集中的数据进行数据预处理，提取得到美学图像所对应评论的文本特征，并将数据集划分为训练集与测试集；步骤S2：训练融合场景特征和多模态注意力机制的图像美学评分分布预测模型；所述图像美学评分分布预测模型由融合场景特征和多模态注意力机制的图像美学质量评价网络训练获得，包括层次图像特征融合模块、融合文本特征和图像特征的多模态注意力机制模块；步骤S3：将图像输入到训练好的融合场景特征和多模态注意力机制的图像美学质量评分分布预测模型中，输出对应的图像美学评分分布，最后计算美学评分分布的平均值作为图像美学质量分数；所述融合场景特征和多模态注意力机制的图像美学质量评价网络训练获得融合场景特征和多模态注意力机制的图像美学评分分布预测模型的过程，包括以下步骤：步骤S21：以两个预训的ResNet50作为特征提取子网络，分别去除两个ResNet50网络的最后一层后作为图像场景特征提取子网络和图像美学特征提取子网络；图像场景特征提取子网络使用在Places365数据集上预训练的权重作为初始参数，图像美学特征提取子网络使用在ImageNet数据集上预训练的权重作为初始参数；步骤S22：将经过步骤S1的训练集中的每个批次的图像输入到步骤S21中的两个子网络；设两个ResNet50网络的最后四个对应层输出的第i个对应层的图像场景特征和图像美学特征分别为和i＝1,2,3,4；首先将和按通道维度进行特征拼接，再经过1×1卷积进行降维，具体公式如下： F′i＝wiFi+bi其中，i＝1,2,3,4,和分别为第i个对应层输出的图像场景特征和图像美学特征，维度均为Ci×Hi×Wi；Concat·表示特征按通道维度进行拼接，Fi是与拼接后的输出特征，其维度为2Ci×Hi×Wi；wi和bi是第i个对应层使用的1×1卷积层的权重和偏置；F′i是Fi经过1×1卷积层的输出特征，其维度为Ci×Hi×Wi；步骤S23：将步骤S22得到的输出特征F′i,i＝1,2,3,4输入到所述层次图像特征融合模块得到图像融合特征，然后将图像融合特征和经过步骤S1的同一批次图像对应的文本特征输入到多模态注意力机制模块，得到多模态融合特征；最后将多模态融合特征输入到全连接层得到图像美学评分分布；全连接层输出的分类数为N，N为美学评分分数集合中分数的个数；训练过程中网络的损失函数的具体公式如下： 其中，和yi分别表示融合场景特征和多模态注意力机制的图像美学质量评价网络预测的评分分布和标签的真实分布中美学评分为第i个取值时对应的概率，i对应美学评分取值为1，2，…N，N是数据集中评分取值的个数；步骤S24：以批次为单位重复上述步骤S21至步骤S23，直至步骤S23中计算得到的损失值收敛并趋于稳定，保存网络参数，完成融合场景特征和多模态注意力机制的图像美学质量评价网络的训练过程。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。