申请/专利权人：平安科技(深圳)有限公司

申请日：2021-05-31

公开（公告）日：2024-06-25

公开（公告）号：CN113239233B

主分类号：G06F16/735

分类号：G06F16/735;G06F16/783

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.11.12#实质审查的生效;2021.08.10#公开

摘要：本发明涉及图像处理技术领域，本发明公开了一种个性化图像推荐方法、装置、设备及存储介质，所述方法包括：通过在目标平台中接收用户发送的推荐请求，获取与源平台关联的多个视频片段；对所有视频片段进行图像抽取以及图像预处理，得到多个待处理图像；自跨平台模型数据库中获取与源平台和目标平台均关联的跨平台推荐图像网络模型；对各待处理图像进行视觉显著特征提取，进行视觉显著性图像生成，生成个性化推荐结果；对个性化推荐结果进行排序，并在目标平台推荐给用户。因此，本发明实现了精准的找到用户感兴趣的区域，并自动推荐跨平台的基于视觉显著性的用户感兴趣的个性化图像，提高了推荐的准确性及便捷性。

主权项：1.一种个性化图像推荐方法，其特征在于，包括：在目标平台中接收用户发送的推荐请求，获取与源平台关联的多个视频片段；所述源平台是指用户通过当前访问目标平台的客户端访问过的历史平台；对所有所述视频片段进行图像抽取以及图像预处理，得到多个待处理图像；所述图像预处理包括图像增强和清晰度筛选的过程，所述图像增强和清晰度筛选的过程为通过显著区域预测模型识别出显著区域图像，对各所述显著区域图像进行边缘增强，并通过清晰度识别模型进行清晰度识别和清晰度筛选，筛选出清晰图像后进行背景虚化处理，得到多个所述待处理图像；其中，所述边缘增强为对各所述显著区域图像进行去噪处理，并运用尺度不变特征变换算法，进行边缘检测处理的过程；自跨平台模型数据库中获取与所述源平台和所述目标平台均关联的跨平台推荐图像网络模型；将各所述待处理图像输入获取的所述跨平台推荐图像网络模型中，通过所述跨平台推荐图像网络模型对各所述待处理图像进行视觉显著特征提取，根据提取的所述视觉显著特征进行视觉显著性图像生成，生成个性化推荐结果；所述个性化推荐结果包括多个个性化图像与其对应的预测概率；将所有所述个性化图像按照其预测概率的降序进行排序，并将排序后的所有所述个性化图像在所述目标平台推荐给所述用户；所述将所有所述待处理图像输入所述跨平台推荐图像网络模型中之前，包括：获取训练数据集，所述训练数据集包括多个训练样本，所述训练样本与观测顺序标签关联；所述训练样本为从所述源平台中收集的历史图像；将所述训练样本输入含有初始参数的与所述源平台和所述目标平台均关联的生成对抗网络模型中；通过所述生成对抗网络模型对所述训练样本进行视觉显著特征提取，根据提取的所述视觉显著特征识别出与所述训练样本对应的多个显著目标区域；通过所述生成对抗网络模型对所有与所述训练样本对应的所有所述显著目标区域进行源平台标签识别，得到源平台样本标签序列结果；通过所述生成对抗网络模型对所述源平台样本标签序列结果进行标签映射处理，得到与所述源平台样本标签序列结果映射对应的目标平台样本标签序列结果；运用跨平台生成对抗算法，通过所述生成对抗网络模型中的生成器根据所述目标平台样本标签序列结果和所述训练样本，生成伪造预测图；通过所述生成对抗网络模型中的判别器对所述伪造预测图和所述训练样本进行真伪判别，得到真伪损失值；根据所述源平台样本标签序列结果、所述目标平台样本标签序列结果和所述观测顺序标签，确定出标签损失值；将所述真伪损失值和所述标签损失值进行加权处理，得到总损失值；在所述总损失值未达到预设的收敛条件时，迭代更新所述生成对抗网络模型的初始参数，直至所述总损失值达到所述预设的收敛条件时，将收敛之后的所述生成对抗网络模型录为训练完成的跨平台推荐图像网络模型。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 个性化图像推荐方法、装置、设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD