[go: up one dir, main page]

CN107463943B - 颜值打分方法、同人颜值差值分类器的训练方法和装置 - Google Patents

颜值打分方法、同人颜值差值分类器的训练方法和装置 Download PDF

Info

Publication number
CN107463943B
CN107463943B CN201710558263.8A CN201710558263A CN107463943B CN 107463943 B CN107463943 B CN 107463943B CN 201710558263 A CN201710558263 A CN 201710558263A CN 107463943 B CN107463943 B CN 107463943B
Authority
CN
China
Prior art keywords
picture
training
score
person
color value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710558263.8A
Other languages
English (en)
Other versions
CN107463943A (zh
Inventor
陈志军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiaomi Mobile Software Co Ltd
Original Assignee
Beijing Xiaomi Mobile Software Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Xiaomi Mobile Software Co Ltd filed Critical Beijing Xiaomi Mobile Software Co Ltd
Priority to CN201710558263.8A priority Critical patent/CN107463943B/zh
Publication of CN107463943A publication Critical patent/CN107463943A/zh
Application granted granted Critical
Publication of CN107463943B publication Critical patent/CN107463943B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Processing (AREA)

Abstract

本公开是关于一种颜值打分方法、同人颜值差值分类器的训练方法和装置，包括：通过将当前图片的美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片，使用预先获取的同人颜值差值分类器对叠加图片进行打分，得到当前图片中的人的颜值提升分数，该同人颜值差值分类器是服务器使用叠加训练图片训练得到的，所述叠加训练图片为同一个人美颜前的图片和美颜后的图片叠加得到的，然后显示当前图片中的人的颜值提升分数。本实施例的方法，使用同人颜值差值分类器打分得到的图片中的人的颜值提升分数更加准确、客观。

Description

颜值打分方法、同人颜值差值分类器的训练方法和装置
技术领域
本公开涉及图像处理技术，尤其涉及一种颜值打分方法、同人颜值差值分类器的训练方法和装置。
背景技术
目前，对照片的美颜处理应用越来越广泛，各种美颜应用(application，简称app)应用而生。美颜app可以对照片中的人脸进行美化处理：皮肤美白、瘦脸、眼睛放大等。目前，美颜app的美颜方法主要有以下两种：一种方式中用户根据美颜app提供的美颜模板实现一键式自动美颜；另一种方式用户手动对照片进行美颜处理，例如，用户先对皮肤进行美白，美白时需要手动选择美白的程度，然后，进行眼睛放大，需要手动设置放大倍数。
发明内容
为克服相关技术中存在的问题，本公开提供一种颜值打分方法、同人颜值差值分类器的训练方法和装置。
根据本公开实施例的第一方面，提供一种颜值打分方法，包括：
将当前图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片；
使用预先获取的同人颜值差值分类器对所述叠加图片进行训练，得到所述当前图片中的人的颜值提升分数，所述同人颜值差值分类器是服务器使用叠加训练图片训练得到的，所述叠加训练图片为同一个人美颜前的图片和美颜后的图片叠加得到的；
显示所述当前图片中的人的颜值提升分数。
可选的，还包括：
根据所述当前图片中的人的颜值提升分数，更新颜值提升分数排序表，所述颜值提升分数排序表中包括多个人的颜值提升分数；
显示更新后的颜值提升分数排序表。
可选的，所述颜值提升分数排序表中还包括颜值提升分数对应的美颜方法。
可选的，根据所述当前图片中的人的颜值提升分数，更新颜值提升分数排序表，包括：
将所述当前图片中的人的颜值提升分数发送给服务器，以使所述服务器根据所述当前图片中的人的颜值提升分数，对所述颜值提升分数排序表重新进行排序；
接收所述服务器发送的重新排序后的颜值提升分数排序表。
可选的，根据所述当前图片中的人的颜值提升分数，更新颜值提升分数排序表，包括：
根据所述当前图片中的人的颜值提升分数，对所述颜值提升分数排序表重新进行排序。
可选的，使用预先获取的同人颜值差值分类器对所述叠加图片进行打分，得到所述当前图片中的人的颜值提升分数之前，还包括：将所述叠加图片缩放到预设尺寸。
可选的，将当前图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片，包括：
将所述当前图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到所述叠加图片，其中，所述当前图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。
根据本公开实施例的第二方面，提供一种同人颜值差值分类器的训练方法，包括：
将训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加训练图片；
使用所述叠加训练图片训练得到同人颜值差值分类器。
可选的，将所述训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加之前，还包括：
获取所述训练图片中的人的美颜前的颜值分数和美颜后的颜值分数；
根据所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数，计算所述训练图片中的人的颜值提升分数；
从所述训练样本中删除颜值提升分数小于0的训练图片；
使用预设的美颜方法对剩余训练图片中的人美颜后的颜值分数进行修正。
可选的，获取所述训练图片中的人的美颜前的颜值分数和美颜后的颜值分数，包括：
使用所述训练样本训练得到一个颜值打分分类器，
使用所述颜值打分分类器对所述训练图片进行打分，得到所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
可选的，获取所述训练图片中的人的美颜前的颜值分数和美颜后的颜值分数，包括：
接收用户输入的颜值提升分数，所述颜值提升分数包括训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
可选的，使用预设的美颜方法对剩余训练图片中的人美颜后的颜值分数进行修正，包括：
根据下述公式计算第j张剩余训练图片中的人美颜后的修正颜值分数X2j：
X2j＝X1j+Δd+a；
其中，X1j为所述第j张剩余训练图片中的人美颜前的颜值分数，所述Δd为第j张剩余训练图片中的人的颜值提升分数，
Figure BDA0001346392350000031
xi为预设的第i种美颜算法对应的颜值提升分数，wi为所述第i种美颜算法的权值，n为美颜算法的个数。
可选的，将训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加训练图片，包括：
将所述训练图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到所述叠加训练图片，其中，所述训练图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。
根据本公开实施例的第三方面，提供一种颜值打分装置，包括：
叠加模块，被配置为将当前图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片；
打分模块，被配置为使用预先获取的同人颜值差值分类器对所述叠加图片进行打分，得到所述当前图片中的人的颜值提升分数，所述同人颜值差值分类器是服务器使用叠加训练图片训练得到的，所述叠加训练图片为同一个人美颜前的图片和美颜后的图片叠加得到的；
第一显示模块，被配置为显示所述当前图片中的人的颜值提升分数。
可选的，还包括：
更新模块，被配置为根据所述当前图片中的人的颜值提升分数，更新颜值提升分数排序表，所述颜值提升分数排序表中包括多个人的颜值提升分数；
第二显示模块，被配置为显示更新后的颜值提升分数排序表。
可选的，所述颜值提升分数排序表中还包括颜值提升分数对应的美颜方法。
可选的，所述更新模块包括：
发送子模块，被配置为将所述当前图片中的人的颜值提升分数发送给服务器，以使所述服务器根据所述当前图片中的人的颜值提升分数，对所述颜值提升分数排序表重新进行排序；
接收子模块，被配置为接收所述服务器发送的重新排序后的颜值提升分数排序表；
更新子模块，被配置为将所述颜值提升分数排序表更新为所述重新排序后的颜值提升分数排序表。
可选的，所述更新模块包括：
排序模块，被配置为根据所述当前图片中的人的颜值提升分数，对所述颜值提升分数排序表重新进行排序；
更新子模块，被配置为将所述颜值提升分数排序表更新为所述重新排序后的颜值提升分数排序表。
可选的，还包括：
缩放模块，被配置为将所述叠加图片缩放到预设尺寸。
根据本公开实施例的第四方面，提供一种同人颜值差值分类器的训练装置，包括：
叠加模块，被配置为将训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加训练图片；
训练模块，被配置为使用所述叠加训练图片训练得到同人颜值差值分类器。
可选的，还包括：
获取模块，被配置为获取所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数；
计算模块，被配置为根据所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数，计算所述训练图片中的人的颜值提升分数；
删除模块，被配置为从所述训练样本中删除颜值提升分数小于0的训练图片；
修正模块，被配置为使用预设的美颜方法对剩余训练图片中的人美颜后的颜值分数进行修正。
可选的，所述获取模块，包括：
训练子模块，被配置为使用训练样本训练得到一个颜值打分分类器；
打分子模块，被配置为使用所述颜值打分分类器对所述训练样本中的训练图片进行打分，得到所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
可选的，所述获取模块，包括：
接收子模块，被配置为接收用户输入的颜值提升分数，所述颜值提升分数包括训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
可选的，所述修正模块，具体被配置为：
根据下述公式计算第j张剩余训练图片中的人美颜后的修正颜值分数X2j：
X2j＝X1j+Δd+a；
其中，X1j为所述第j张剩余训练图片中的人美颜前的颜值分数，所述Δd为第j张剩余训练图片中的人的颜值提升分数，
Figure BDA0001346392350000051
xi为预设的第i种美颜算法对应的颜值提升分数，wi为所述第i种美颜算法的权值，n为美颜算法的个数。
可选的，所述叠加模块，包括：
第一叠加子模块，被配置为将所述训练图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到所述叠加训练图片，其中，所述训练图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。
根据本公开实施例的第五方面，提供一种颜值打分装置，包括：存储器和处理器，所述存储器中存储计算机指令，所述处理器运行所述计算机指令以执行本公开实施例的第一方面提供的方法。
根据本公开实施例的第六方面，提供一种同人颜值差值分类器的训练装置，包括：存储器和处理器，所述存储器中存储计算机指令，所述处理器运行所述计算机指令以执行本公开实施例的第二方面提供的方法。
根据本公开实施例的第七方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本公开实施例的第一方面提供的方法步骤。
根据本公开实施例的第八方面，提供一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现本公开实施例的第二方面提供的方法步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：通过将当前图片的美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片，使用预先获取的同人颜值差值分类器对叠加图片进行打分，得到当前图片中的人的颜值提升分数，该同人颜值差值分类器是服务器使用叠加训练图片训练得到的，该叠加训练图片为同一个人美颜前的图片和美颜后的图片叠加得到的，然后显示当前图片中的人的颜值提升分数。本实施例的方法，使用同人颜值差值分类器打分得到的图片中的人的颜值提升分数更加准确、客观。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。
图1是根据一示例性实施例示出的一种颜值打分方法的流程图。
图2是根据一示例性实施例示出的一种颜值打分方法的流程图。
图3是根据一示例性实施例示出的一种颜值打分方法的流程图。
图4是根据一示例性实施例示出的一种同人颜值差值分类器的训练方法的流程图。
图5是根据一示例性实施例示出的一种同人颜值差值分类器的训练方法的流程图。
图6是根据一示例性实施例示出的一种颜值打分装置的框图。
图7是根据一示例性实施例示出的一种颜值打分装置的框图。
图8是根据一示例性实施例示出的一种颜值打分装置的框图。
图9是根据一示例性实施例示出的一种颜值打分装置的框图。
图10是根据一示例性实施例示出的一种颜值打分装置的框图。
图11是根据一示例性实施例示出的一种颜值打分装置的框图。
图12是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的框图。
图13是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的框图。
图14是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的框图。
图15是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的框图。
图16是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的框图。
图17是根据一示例性实施例示出的一种颜值打分装置的实体框图。
图18是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的实体框图。
图19是根据一示例性实施例示出的一种颜值打分装置800的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
图1是根据一示例性实施例示出的一种颜值打分方法的流程图，该方法由终端设备执行，如图1所示，该颜值打分方法包括以下步骤。
在步骤S101中，将当前图片美颜前的图片和美颜后的进行叠加处理，得到叠加图片。
该当前图片可以是用户使用终端设备自拍的图片，也可以是用户的好友发送给用户的图片，还可以是用户从网上下载的图片。
具体的，可以将当前图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到叠加图片，其中，当前图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。通常情况下，美颜前的图片和美颜后的图片的宽、高和通道数相同，则叠加图片可以表示为：2W*H*C、W*2H*C或W*H*2C。图片的宽W取值为图片在宽度方向上的像素个数，图片的高H的取值为图片在高度方向上的像素个数，通道数C的取值为3或1。当通道数C为3时，美颜前和图片和美颜后的图片为彩色图片，彩色图片由红色(Red)、绿色(Green)、蓝色(Blue)三个通道组成，叠加图片的通道数为6。当通道数C为1时，美颜前的图片和美颜后的图片为灰度图片，即对美颜前的图片和美颜后的图片进行了灰度处理，叠加图片的通道数为2。
美颜前的图片和美颜后的图片可以分别看作一个三维的立方体，假设，立方体的宽表示图片的宽、立方体的高表示图片的高、立方体的长表示图片的通道数，则将美颜前的图片和美颜后的图片的宽叠加，即：将两个立方体的长和高所在的面重叠在一起形成一个新的立方体，则该新的立方体的宽等于两个立方体的宽之和。将美颜前的图片和美颜后的图片的高叠加，即：将两个立方体的宽和长所在的面重叠在一起形成一个新的立方体，则该新的立方体的高等于两个立方体的宽之和。将美颜前的图片和美颜后的图片的长叠加，即：将两个立方体的宽和高所在的面重叠在一起形成一个新的立方体，则该新的立方体的长等于两个立方体的长之和。
通过对美颜前的图片和美颜后的进行叠加处理，使得叠加图片中同时包括美颜前的人脸和美颜后的人脸。
在步骤S102中，使用预先获取的同人颜值差值分类器对叠加进行打分，得到当前图片中的人的颜值提升分数。
该同人颜值差值分类器是服务器使用叠加训练图片训练得到的，该叠加训练图片为同一个人美颜前的图片和美颜后的图片叠加得到的。使用叠加训练图片进行训练，由于叠加训练图片中包括了同一个人美颜前的人脸和美颜后的人脸，使用叠加训练图片训练训练得到的同人颜值差值分类器关注的同一个人的美颜前和美颜后的人脸变化的细微差别，基于同一个人的变化，颜值差别的训练更有针对性，排除了人的主观因素，更加客观。而现有的颜值打分分类器是根据不同人的颜值训练得到的，从而使得打分不够客观。
该同人颜值差值分类器可以是服务器在线发送给终端设备的，也可以在美颜app开发过程中，由程序开发人员将该同人颜值差值分类器集成在美颜app中。
本实施例中，使用同人颜值差值分类器对叠加图片进行打分，得到当前图片中的人的颜值提升分数，当前图片中的人的颜值提升分数是指当前图片中的人美颜后与美颜前的颜值分数的差值，使用同人颜值差值分类器得到的同一个人美颜后与美颜前的颜值分数的差值更加准确。当前图片中的人可以是用户自己、用户的好友、用户的亲人或与用户没有关系的其他人等。
在步骤S103中，显示当前图片中人的颜值提升分数。
本实施例中，将当前图片的美颜前的图片和美颜后的图片进行叠加处理，得到一张叠加图片，使用预先获取的同人颜值差值分类器对叠加图片进行打分，得到当前图片中的人的颜值提升分数，该同人颜值差值分类器是服务器使用叠加训练图片训练得到的，叠加训练图片为同一个人美颜前的图片和美颜后的图片叠加得到的，显示当前图片中的人的颜值提升分数。本实施例的方法，使用同人颜值差值分类器打分得到的颜值提升分数更加准确、客观。
在图1所示实施例的基础上，图2是根据一示例性实施例示出的一种颜值打分方法的流程图，如图2所示，本实施例的方法包括：
在步骤S201中，将当前图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片。
在步骤S202中，将叠加图片缩放到预设尺寸。
实际应用中各种尺寸的图片都有，该预设尺寸是同人颜值差值分类器能够处理的图片，如果叠加图片的尺寸大于该预设尺寸，则将叠加图片等比例缩小到该预设尺寸，如果叠加图片的尺寸小于该预设尺寸，则将叠加图片等比例放大到该预设尺寸。当叠加图片的尺寸等于该预设尺寸时，不需要进行缩放。需要说明的是，在对叠加图片缩放时，只对叠加图片的宽和高进行等比例缩放，不对图片的通道数进行缩放。
步骤S202为可选步骤，也可以不对叠加图片进行缩放处理。
在步骤S203中，使用预先获取的同人颜值差值分类器对叠加图片打分，得到当前图片中的人的颜值提升分数。
该同人颜值差值分类器是服务器使用叠加训练图片训练得到的，该叠加训练图片为同一个人美颜前的图片和美颜后的图片叠加得到的。
在步骤S204中，显示当前图片中的人的颜值提升分数。
在步骤S205中，根据当前图片中的人的颜值提升分数，更新颜值提升分数排序表。
一种方式中，由服务器维护颜值提升分数排序表。相应的，更新颜值提升分数排序表，具体为：终端设备将当前图片中的人的颜值提升分数发送给服务器，服务器根据当前图片中的人的颜值提升分数，对颜值提升分数排序表重新进行排序，将重新排序后的颜值提升分数排序表发送给终端设备，终端设备接收服务器发送的重新排序后的颜值提升分数排序表。
每个终端设备在得到一个人的颜值提升分数后，都会将该人的颜值提升分数发送给服务器，服务器会为每一个人维护一个颜值提升分数。如果同一个人本次美颜后颜值提升分数低于上次美颜后的颜值提升分数，则服务器可以不更新颜值提升分数排序表，即颜值提升分数排序表显示的是同一个人最高的颜值提升分数；服务器也可以选择更新颜值提升分数排序表，即颜值提升分数排序表显示的是同一个人最新的颜值提升分数。
另一种方式中，由终端设备维护颜值提升分数排序表。相应的，更新颜值提升分数排序表，具体为：终端设备根据当前图片中的人的颜值提升分数，对颜值提升分数排序表重新进行排序。
其中，颜值提升分数排序表中的其他用户的颜值提升分数可以是终端设备使用同人颜值差值分类器打分得到的，如果其他用户选择公开自己美颜前的图片和美颜后的图片，则终端设备可以检测到其他用户的图片，使用同人颜值差值分类器对其他用户的图片进行打分，得到其他用户的颜值提升分数。或者，如果其他用户选择公开自己的颜值提升分数，则终端设备能够检测到其他用户公开的颜值提升分数。或者，其他用户的颜值提升分数由服务器发送给终端设备。
该颜值提升分数表可以按照颜值提升分数从高到低排序，也可以按照颜值提升分数从低到高排序。
在步骤S206中，显示更新后的颜值提升分数排序表。
本实施例中，在确定当前图片中的人的颜值提升分数后，更新颜值提升分数排序表，该颜值提升分数排序表中包括多个人的颜值提升分数，并显示更新后的颜值提升分数排序表。通过对颜值提升分数进行排序可以引导或刺激用户使用美颜功能。
在图2所示实施例的基础上，图3是根据一示例性实施例示出的一种颜值打分方法的流程图，如图3所示，本实施例的方法包括：
在步骤S301中，将当前图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片。
在步骤S302中，将叠加图片缩放到预设尺寸。
在步骤S303中，使用预先获取的同人颜值差值分类器对叠加图片打分，得到当前图片中的人的颜值提升分数。
该同人颜值差值分类器是服务器使用叠加训练图片训练得到的，该叠加训练图片为同一个人美颜前的图片和美颜后的图片叠加得到的。
在步骤S304中，显示当前图片中的人的颜值提升分数。
在步骤S305中，根据当前图片中的人的颜值提升分数，更新颜值提升分数排序表。
步骤S301-S305的具体实现方式参照图1和图2所示的实施例，这里不再赘述。
在步骤S306中，显示更新后的颜值提升分数排序表，该颜值提升分数排序表中还包括颜值提升分数对应的美颜方法。
如果由服务器对颜值提升分数排序表进行维护，则终端设备在向服务器发送颜值提升分数时，同时将美颜方法发送给服务器。如果由终端设备对颜值提升分数排序表进行维护，则终端设备可以根据其他用户公开的美颜方法获取到颜值提升分数对应的美颜方法和美颜参数。该颜值提升分数排序表中每行的显示顺序可以为排名+人名+颜值提升分数+美颜方法。
通过将各颜值提升分数对应的美颜方法显示给用户，用户能够根据美颜提升分数选择对应的美颜方法进行手动美颜，使得美颜效果能够满足用户的需要，提升了用户满意度。在手动美颜时，如果用户选择了多种美颜方法，由于每次只能使用一种美颜方法，用户需要多次进行美颜。
在步骤S307中，接收用户输入的美颜方法和美颜参数。
在步骤S308中，使用用户输入的美颜方法和美颜参数对待美颜图片进行美颜。
本实施例中，通过将各颜值提升分数对应的美颜方法显示给用户，用户能够根据美颜方法进行手动美颜，由于用户预先看到了使用美颜方法后的美颜效果，因此，选择的美颜方法能够满足用户需求，从而提高了用户满意度。
图4是根据一示例性实施例示出的一种同人颜值差值分类器的训练方法的流程图，如图4所示，该同人颜值差值分类器的训练方法包括以下步骤。
在步骤S401中，将训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加训练图片。
具体的，将训练图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到叠加训练图片，其中，训练图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。具体实现方式参照图1实施例所示，这里不再赘述。
在步骤S402中，使用叠加训练图片训练得到同人颜值差值分类器。
分类是数据挖掘的一种非常重要的方法，分类器(Classifier)是在已有数据的基础上学会的一个分类函数或构造出的一个分类模型。该函数或模型能够把训练样本中的数据映射到给定类别中的某一个。总之，分类器是数据挖掘中对样本进行分类的方法的统称，包含决策树、逻辑回归、朴素贝叶斯、神经网络等算法。分类器的构造和实施大体会经过以下几个步骤：
(1)选定样本(包含正样本和负样本)，将所有样本分成训练样本和测试样本两部分。
(2)在训练样本上执行分类器算法，生成分类模型。
(3)在测试样本上执行分类模型，生成预测结果。
(4)根据预测结果，计算必要的评估指标，评估分类模型的性能。
可选的，在训练之前将叠加训练图片缩放到预设尺寸。
现有的颜值打分分类器是根据不同人的颜值训练得到的，从而使得打分不够客观。本实施例中，使用第二训练图片进行训练，由于叠加训练图片中包括了同一个人美颜前的人脸和美颜后的人脸，使用叠加训练图片训练训练得到的同人颜值差值分类器关注的同一个人的美颜前和美颜后的人脸变化的细微差别，基于同一个人的变化，颜值差别的训练更有针对性，排除了人的主观因素，更加客观。
在图4所示实施例的基础上，图5是根据一示例性实施例示出的一种同人颜值差值分类器的训练方法的流程图，如图5所示，该同人颜值差值分类器的训练方法包括以下步骤。
在步骤S501中，获取训练图片中的人的美颜前的颜值分数和美颜后的颜值分数。
一种实现方式中，通过自动标定的方式对训练图片进行打分，具体的：使用训练样本训练得到一个颜值打分分类器，然后，使用该颜值打分分类器对训练图片进行打分，得到训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
另一种方式中，通过人工标定的方式对训练图片进行打分，具体的：接收用户输入的训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
在步骤S502中，根据训练图片中的人美颜前的颜值分数和美颜后的颜值分数，计算训练图片中的人的颜值提升分数。
训练图片的颜值提升分数＝美颜后的颜值分数-美颜前的颜值分数。颜值提升分数的取值可能小于0、等于0或大于0。
在步骤S503中，从训练样本中删除颜值提升分数小于0的训练图片。
美颜的目的是提高颜值分数，用户通常认为美颜后的颜值分数高于美颜前的颜值分数，但是由于人工标定和自动标定都会有误差和主观因素存在，从而会出现颜值提升分数小于0的情况，颜值提升分数小于0说明美颜后颜值分数反而降低了，这样的训练图片是不符合要求的，需要删除颜值提升分数小于0的训练图片。
在步骤S504中，使用预设的美颜方法对剩余训练图片中的人美颜后的颜值分数进行修正。
由于人工标定和自动标定都会有误差和主观因素存在，导致训练图片中的人美颜后的颜值分数存在误差，本实施例中，使用预设的美颜方法对训练图片中的人美颜后的颜值分数进行修正，以消除误差。
可选的，可以根据公式计算第j张剩余训练图片中的人美颜后的修正颜值分数X2j：
X2j＝X1j+Δd+a；
其中，X1j为第j张剩余训练图片中的人美颜前的颜值分数，Δd为第j张剩余训练图片中的人的颜值提升分数，
Figure BDA0001346392350000121
xi为预设的第i种美颜算法对应的颜值提升分数，wi为第i种美颜算法的权值，n为美颜算法的个数。其中，xi和wi都是预先设定的。
上述修正后的颜值分数考虑了不同美颜算法对图片美颜效果的影响，使得修正后的颜值分数更加接近真实值，从而使得使用修正后的训练样本训练得到的同人颜值差值分类器更加准确。
在步骤S505中，将训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加，得到叠加训练图片。
在步骤S506中，将叠加训练图片缩放到预设尺寸。
在步骤S507中，使用叠加训练图片训练得到同人颜值差值分类器。
使用修正后的训练样本训练得到的同人颜值差值分类器更加准确。
本实施例中，通过获取训练样本中的训练图片中的人的美颜前的颜值分数和美颜后的颜值分数，根据训练图片美颜前的颜值分数和美颜后的颜值分数计算训练图片的颜值提升分数，从训练样本中删除颜值提升分数小于0的训练图片，使用预设的美颜方法对剩余训练图片美颜后的颜值分数进行修正，使用修正后的训练样本训练得到同人颜值差值分类器，使得训练得到的同人颜值差值分类器更加准确。
图6是根据一示例性实施例示出的一种颜值打分装置的框图，如图6所示，本实施例的装置包括：
叠加模块11，被配置为将当前图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片；
打分模块12，被配置为使用预先获取的同人颜值差值分类器对所述叠加图片进行打分，得到所述当前图片中的人的颜值提升分数，所述同人颜值差值分类器是服务器使用叠加训练图片训练得到的，所述叠加训练图片为同一个人美颜前的图片和美颜后的图片叠加得到的；
第一显示模块13，被配置为显示所述当前图片中的人的颜值提升分数。
图7是根据一示例性实施例示出的一种颜值打分装置的框图，如图7所示，本实施的装置在图6所示装置的基础上，还包括：
更新模块14，被配置为根据所述当前图片中的人的颜值提升分数，更新颜值提升分数排序表，所述颜值提升分数排序表中包括多个人的颜值提升分数；
第二显示模块15，被配置为显示更新后的颜值提升分数排序表。
可选的，所述颜值提升分数排序表中还包括颜值提升分数对应的美颜方法。
图8是根据一示例性实施例示出的一种颜值打分装置的框图，如图8所示，本实施的装置在图7所示装置的基础上，所述更新模块14包括：
发送子模块141，被配置为将所述当前图片中的人的颜值提升分数发送给服务器，以使所述服务器根据所述当前图片中的人的颜值提升分数，对所述颜值提升分数排序表重新进行排序；
接收子模块142，被配置为接收所述服务器发送的重新排序后的颜值提升分数排序表；
更新子模块143，被配置为将所述颜值提升分数排序表更新为所述重新排序后的颜值提升分数排序表。
图9是根据一示例性实施例示出的一种颜值打分装置的框图，如图9所示，本实施的装置在图7所示装置的基础上，所述更新模块14包括：
排序模块144，被配置为根据所述当前图片中的人的颜值提升分数，对所述颜值提升分数排序表重新进行排序；
更新子模块145，被配置为将所述颜值提升分数排序表更新为所述重新排序后的颜值提升分数排序表。
图10是根据一示例性实施例示出的一种颜值打分装置的框图，如图10所示，本实施的装置在图6所示装置的基础上，还包括：
缩放模块18，被配置为将所述叠加图片缩放到预设尺寸。
图11是根据一示例性实施例示出的一种颜值打分装置的框图，如图11所示，本实施的装置在图6所示装置的基础上，所述叠加模块11，包括：
第一叠加子模块111，被配置为将所述当前图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到所述叠加图片，其中，所述当前图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。
图6至图11所示的颜值打分装置中的各功能模块，可用于执行上述图1至图3所示的颜值打分方法，具体实现方式和技术效果类似，请参照上述方法实施例，此处不再赘述。
图12是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的框图，如图12所示，本实施的装置包括：
叠加模块21，被配置为将训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加，得到叠加训练图片；
训练模块22，被配置为使用所述叠加训练图片训练得到同人颜值差值分类器。
图13是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的框图，如图13所示，本实施的装置在图12所示装置的基础上，还包括：
获取模块23，被配置为获取所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数；
计算模块24，被配置为根据所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数，计算所述训练图片中的人的颜值提升分数；
删除模块25，被配置为从所述训练样本中删除颜值提升分数小于0的训练图片；
修正模块26，被配置为使用预设的美颜方法对剩余训练图片中的人美颜后的颜值分数进行修正。
可选的，所述修正模块26，具体被配置为：
根据下述公式计算第j张剩余训练图片中的人美颜后的修正颜值分数X2j：
X2j＝X1j+Δd+a；
其中，X1j为所述第j张剩余训练图片中的人美颜前的颜值分数，所述Δd为第j张剩余训练图片中的人的颜值提升分数，
Figure BDA0001346392350000151
xi为预设的第i种美颜算法对应的颜值提升分数，wi为所述第i种美颜算法的权值，n为美颜算法的个数。
图14是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的框图，如图14所示，本实施的装置在图13所示装置的基础上，所述获取模块23，包括：
训练子模块231，被配置为使用训练样本训练得到一个颜值打分分类器；
打分子模块232，被配置为使用所述颜值打分分类器对所述训练样本中的训练图片进行打分，得到所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
图15是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的框图，如图15所示，本实施的装置在图13所示装置的基础上，所述获取模块23，包括：
接收子模块233，被配置为接收用户输入的颜值提升分数，所述颜值提升分数包括训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
图16是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的框图，如图16所示，本实施的装置在图13所示装置的基础上，所述叠加模块21，包括：
第一叠加子模块211，被配置为将所述训练图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到所述叠加训练图片，其中，所述训练图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。
图12至图16所示的同人颜值差值分类器的训练装置中的各功能模块，可用于执行上述图4和图5所示的同人颜值差值分类器的训练方法，具体实现方式和技术效果类似，请参照上述方法实施例，此处不再赘述。
图17是根据一示例性实施例示出的一种颜值打分装置的实体框图，如图17所示，颜值打分装置300包括：存储器32和处理器31，所述存储器32中存储计算机指令，所述处理器31运行所述计算机指令以执行上述图1至图3所示的方法，具体实现方式和技术效果类似，这里不再赘述。
图18是根据一示例性实施例示出的一种同人颜值差值分类器的训练装置的实体框图，如图18所示，存储器42和处理器41，所述存储器42中存储计算机指令，所述处理器41运行所述计算机指令以执行上述图4和图5所述的方法，具体实现方式和技术效果类似，这里不再赘述。
应理解，上述实施例中，处理器可以是中央处理单元(英文：Central ProcessingUnit，简称：CPU)，还可以是其他通用处理器、数字信号处理器(英文：Digital SignalProcessor，简称：DSP)、专用集成电路(英文：Application Specific IntegratedCircuit，简称：ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，而前述的存储器可以是只读存储器(英文：read-only memory，缩写：ROM)、随机存取存储器(英文：random access memory，简称：RAM)、快闪存储器、硬盘或者固态硬盘。结合本发明实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
图19是根据一示例性实施例示出的一种颜值打分装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图19，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行命令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的命令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述图1至图3所示的颜值打分方法。
在示例性实施例中，还提供了一种包括命令的非临时性计算机可读存储介质，例如包括命令的存储器804，上述命令可由装置800的处理器820执行以完成上述图1至图3所示的颜值打分方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质，当所述存储介质中的命令由颜值打分装置的处理器执行时，使得颜值打分装置能够执行图1至图3所示的颜值打分方法。
一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述图4和图5所述的方法步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求书指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。

Claims (28)

1.一种颜值打分方法，其特征在于，包括：
将当前图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片；
使用预先获取的同人颜值差值分类器对所述叠加图片进行打分，得到所述当前图片中的人的颜值提升分数，所述同人颜值差值分类器是服务器获取训练图片中的人的美颜前的颜值分数和美颜后的颜值分数；根据所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数，计算所述训练图片中的人的颜值提升分数；从训练样本中删除颜值提升分数小于0的训练图片；使用预设的美颜方法对剩余训练图片中的人美颜后的颜值分数进行修正，将所述训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加训练图片；使用所述叠加训练图片训练得到的；
显示所述当前图片中的人的颜值提升分数。
2.根据权利要求1所述的方法，其特征在于，还包括：
根据所述当前图片中的人的颜值提升分数，更新颜值提升分数排序表，所述颜值提升分数排序表中包括多个人的颜值提升分数；
显示更新后的颜值提升分数排序表。
3.根据权利要求2所述的方法，其特征在于，所述颜值提升分数排序表中还包括颜值提升分数对应的美颜方法。
4.根据权利要求2或3所述的方法，其特征在于，根据所述当前图片中的人的颜值提升分数，更新颜值提升分数排序表，包括：
将所述当前图片中的人的颜值提升分数发送给服务器，以使所述服务器根据所述当前图片中的人的颜值提升分数，对所述颜值提升分数排序表重新进行排序；
接收所述服务器发送的重新排序后的颜值提升分数排序表。
5.根据权利要求2或3所述的方法，其特征在于，根据所述当前图片中的人的颜值提升分数，更新颜值提升分数排序表，包括：
根据所述当前图片中的人的颜值提升分数，对所述颜值提升分数排序表重新进行排序。
6.根据权利要求1-3任一项所述方法，其特征在于，使用预先获取的同人颜值差值分类器对所述叠加图片进行打分，得到所述当前图片中的人的颜值提升分数之前，还包括：
将所述叠加图片缩放到预设尺寸。
7.根据权利要求1-3任一项所述的方法，其特征在于，将当前图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片，包括：
将所述当前图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到所述叠加图片，其中，所述当前图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。
8.一种同人颜值差值分类器的训练方法，其特征在于，包括：
将训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加训练图片；
使用所述叠加训练图片训练得到同人颜值差值分类器；
将所述训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加处理之前，还包括：
获取所述训练图片中的人的美颜前的颜值分数和美颜后的颜值分数；
根据所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数，计算所述训练图片中的人的颜值提升分数；
从所述训练样本中删除颜值提升分数小于0的训练图片；
使用预设的美颜方法对剩余训练图片中的人美颜后的颜值分数进行修正。
9.根据权利要求8所述的方法，其特征在于，获取所述训练图片中的人的美颜前的颜值分数和美颜后的颜值分数，包括：
使用训练样本训练得到一个颜值打分分类器；
使用所述颜值打分分类器对所述训练图片进行打分，得到所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
10.根据权利要求8所述的方法，其特征在于，获取所述训练图片中的人的美颜前的颜值分数和美颜后的颜值分数，包括：
接收用户输入的颜值提升分数，所述颜值提升分数包括训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
11.根据权利要求8所述的方法，其特征在于，使用预设的美颜方法对剩余训练图片中的人美颜后的颜值分数进行修正，包括：
根据下述公式计算第j张剩余训练图片中的人美颜后的修正颜值分数X2j：
X2j＝X1j+Δd+a；
其中，X1j为所述第j张剩余训练图片中的人美颜前的颜值分数，所述Δd为第j张剩余训练图片中的人的颜值提升分数，
Figure FDA0002495598780000031
xi为预设的第i种美颜算法对应的颜值提升分数，wi为所述第i种美颜算法的权值，n为美颜算法的个数。
12.根据权利要求8-11任一项所述的方法，其特征在于，将训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加训练图片，包括：
将所述训练图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到所述叠加训练图片，其中，所述训练图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。
13.一种颜值打分装置，其特征在于，包括：
叠加模块，被配置为将当前图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加图片；
打分模块，被配置为使用预先获取的同人颜值差值分类器对所述叠加图片进行打分，得到所述当前图片中的人的颜值提升分数，所述同人颜值差值分类器是服务器获取训练图片中的人的美颜前的颜值分数和美颜后的颜值分数；根据所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数，计算所述训练图片中的人的颜值提升分数；从训练样本中删除颜值提升分数小于0的训练图片；使用预设的美颜方法对剩余训练图片中的人美颜后的颜值分数进行修正，将所述训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加训练图片；使用所述叠加训练图片训练得到的；
第一显示模块，被配置为显示所述当前图片中的人的颜值提升分数。
14.根据权利要求13所述的装置，其特征在于，还包括：
更新模块，被配置为根据所述当前图片中的人的颜值提升分数，更新颜值提升分数排序表，所述颜值提升分数排序表中包括多个人的颜值提升分数；
第二显示模块，被配置为显示更新后的颜值提升分数排序表。
15.根据权利要求13所述的装置，其特征在于，所述颜值提升分数排序表中还包括颜值提升分数对应的美颜方法。
16.根据权利要求14所述的装置，其特征在于，所述更新模块包括：
发送子模块，被配置为将所述当前图片中的人的颜值提升分数发送给服务器，以使所述服务器根据所述当前图片中的人的颜值提升分数，对所述颜值提升分数排序表重新进行排序；
接收子模块，被配置为接收所述服务器发送的重新排序后的颜值提升分数排序表；
更新子模块，被配置为将所述颜值提升分数排序表更新为所述重新排序后的颜值提升分数排序表。
17.根据权利要求14所述的装置，其特征在于，所述更新模块包括：
排序模块，被配置为根据所述当前图片中的人的颜值提升分数，对所述颜值提升分数排序表重新进行排序；
更新子模块，被配置为将所述颜值提升分数排序表更新为所述重新排序后的颜值提升分数排序表。
18.根据权利要求13-15任一项所述装置，其特征在于，还包括：
缩放模块，被配置为将所述叠加图片缩放到预设尺寸。
19.根据权利要求13-15任一项所述的装置，其特征在于，所述叠加模块，包括：
第一叠加子模块，被配置为将所述当前图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到所述叠加图片，其中，所述当前图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。
20.一种同人颜值差值分类器的训练装置，其特征在于，包括：
叠加模块，被配置为将训练样本中的同一张训练图片美颜前的图片和美颜后的图片进行叠加处理，得到叠加训练图片；
训练模块，被配置为使用所述叠加训练图片训练得到同人颜值差值分类器；
还包括：
获取模块，被配置为获取所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数；
计算模块，被配置为根据所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数，计算所述训练图片中的人的颜值提升分数；
删除模块，被配置为从所述训练样本中删除颜值提升分数小于0的训练图片；
修正模块，被配置为使用预设的美颜方法对剩余训练图片中的人美颜后的颜值分数进行修正。
21.根据权利要求20所述的装置，其特征在于，所述获取模块，包括：
训练子模块，被配置为使用训练样本训练得到一个颜值打分分类器；
打分子模块，被配置为使用所述颜值打分分类器对所述训练样本中的训练图片进行打分，得到所述训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
22.根据权利要求20所述的装置，其特征在于，所述获取模块，包括：
接收子模块，被配置为接收用户输入的颜值提升分数，所述颜值提升分数包括训练图片中的人美颜前的颜值分数和美颜后的颜值分数。
23.根据权利要求20所述的装置，其特征在于，所述修正模块，具体被配置为：
根据下述公式计算第j张剩余训练图片中的人美颜后的修正颜值分数X2j：
X2j＝X1j+Δd+a；
其中，X1j为所述第j张剩余训练图片中的人美颜前的颜值分数，所述Δd为第j张剩余训练图片中的人的颜值提升分数，
Figure FDA0002495598780000051
xi为预设的第i种美颜算法对应的颜值提升分数，wi为所述第i种美颜算法的权值，n为美颜算法的个数。
24.根据权利要求20-23任一项所述的装置，其特征在于，所述叠加模块，包括：
第一叠加子模块，被配置为将所述训练图片美颜前的图片和美颜后的图片的宽、高或者通道数中的任一一个相加，得到所述叠加训练图片，其中，所述训练图片美颜前的图片和美颜后的图片都表示为W*H*C，其中，W表示图片的宽，H表示图片的高，C表示图片的通道数。
25.一种颜值打分装置，其特征在于，包括：存储器和处理器，所述存储器中存储计算机指令，所述处理器运行所述计算机指令以执行上述权利要求1-7任一项所述的方法。
26.一种同人颜值差值分类器的训练装置，其特征在于，包括：存储器和处理器，所述存储器中存储计算机指令，所述处理器运行所述计算机指令以执行上述权利要求8-12任一项所述的方法。
27.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现上述权利要求1-7任一项所述的方法步骤。
28.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该指令被处理器执行时实现上述权利要求8-12任一项所述的方法步骤。
CN201710558263.8A 2017-07-10 2017-07-10 颜值打分方法、同人颜值差值分类器的训练方法和装置 Active CN107463943B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710558263.8A CN107463943B (zh) 2017-07-10 2017-07-10 颜值打分方法、同人颜值差值分类器的训练方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710558263.8A CN107463943B (zh) 2017-07-10 2017-07-10 颜值打分方法、同人颜值差值分类器的训练方法和装置

Publications (2)

Publication Number Publication Date
CN107463943A CN107463943A (zh) 2017-12-12
CN107463943B true CN107463943B (zh) 2020-07-21

Family

ID=60546120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710558263.8A Active CN107463943B (zh) 2017-07-10 2017-07-10 颜值打分方法、同人颜值差值分类器的训练方法和装置

Country Status (1)

Country Link
CN (1) CN107463943B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850825A (zh) * 2015-04-18 2015-08-19 中国计量学院 一种基于卷积神经网络的人脸图像颜值计算方法
CN105739860A (zh) * 2016-01-25 2016-07-06 广东欧珀移动通信有限公司 一种图片生成方法及移动终端
CN106778627A (zh) * 2016-12-20 2017-05-31 北京奇虎科技有限公司 检测人脸颜值的方法、装置和移动终端

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030063796A1 (en) * 2001-09-28 2003-04-03 Koninklijke Philips Electronics N.V. System and method of face recognition through 1/2 faces
US8170298B2 (en) * 2008-05-16 2012-05-01 Arcsoft, Inc. Method for detecting facial expression and repairing smile face of portrait photo
US20150235073A1 (en) * 2014-01-28 2015-08-20 The Trustees Of The Stevens Institute Of Technology Flexible part-based representation for real-world face recognition apparatus and methods
CN104036255B (zh) * 2014-06-21 2017-07-07 电子科技大学 一种人脸表情识别方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104850825A (zh) * 2015-04-18 2015-08-19 中国计量学院 一种基于卷积神经网络的人脸图像颜值计算方法
CN105739860A (zh) * 2016-01-25 2016-07-06 广东欧珀移动通信有限公司 一种图片生成方法及移动终端
CN106778627A (zh) * 2016-12-20 2017-05-31 北京奇虎科技有限公司 检测人脸颜值的方法、装置和移动终端

Also Published As

Publication number Publication date
CN107463943A (zh) 2017-12-12

Similar Documents

Publication Publication Date Title
JP6134446B2 (ja) 画像分割方法、画像分割装置、画像分割デバイス、プログラム及び記録媒体
CN107424130B (zh) 图片美颜方法和装置
US10032076B2 (en) Method and device for displaying image
RU2664003C2 (ru) Способ и устройство для определения ассоциированного пользователя
WO2020140798A1 (zh) 手势识别方法、装置、电子设备及存储介质
CN106408603B (zh) 拍摄方法及装置
CN107133576A (zh) 用户年龄识别方法及装置
CN106548145A (zh) 图像识别方法及装置
KR20160021738A (ko) 피부색 조절방법, 장치, 프로그램 및 기록매체
CN106599251A (zh) 展示主播排名的方法和装置
WO2017031901A1 (zh) 人脸识别方法、装置及终端
TWI718631B (zh) 人臉圖像的處理方法及裝置、電子設備和儲存介質
CN107993210A (zh) 图像修复方法、装置及计算机可读存储介质
CN107944367B (zh) 人脸关键点检测方法及装置
US11335348B2 (en) Input method, device, apparatus, and storage medium
CN107967459B (zh) 卷积处理方法、装置及存储介质
CN104574299A (zh) 人脸图片处理方法及装置
CN111340691B (zh) 图像处理方法、装置、电子设备及存储介质
CN106778531A (zh) 人脸定位方法及装置
CN108898591A (zh) 图像质量的评分方法及装置、电子设备、可读存储介质
CN107341509A (zh) 卷积神经网络的训练方法及装置
CN107133354A (zh) 图像描述信息的获取方法及装置
CN107527024A (zh) 人脸颜值评估方法及装置
CN108108671A (zh) 产品说明信息获取方法及装置
WO2023029991A1 (zh) 拍摄方法、装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant