CN108154464A - 基于强化学习的图片自动裁剪的方法及装置 - Google Patents
基于强化学习的图片自动裁剪的方法及装置 Download PDFInfo
- Publication number
- CN108154464A CN108154464A CN201711276935.2A CN201711276935A CN108154464A CN 108154464 A CN108154464 A CN 108154464A CN 201711276935 A CN201711276935 A CN 201711276935A CN 108154464 A CN108154464 A CN 108154464A
- Authority
- CN
- China
- Prior art keywords
- picture
- intensified learning
- training
- cutting
- learning model
- 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.)
- Granted
Links
- 238000005520 cutting process Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000009471 action Effects 0.000 claims abstract description 33
- 238000013138 pruning Methods 0.000 claims abstract description 25
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims description 90
- 230000006870 function Effects 0.000 claims description 25
- 230000008859 change Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000013399 edible fruits Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000004221 bone function Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理领域,具体提供了一种基于强化学习的图片自动裁剪的方法及装置,旨在解决如何快速地获得精确的图片裁剪结果的技术问题。为此目的,本发明中的基于强化学习的图片自动裁剪的方法,包括步骤:利用强化学习模型对当前裁剪窗口进行特征提取获得局部特征,并将其与待裁剪图片的全局特征进行拼接,得到新的特征向量,将新的特征向量作为当前观测信息;利用强化学习模型得到的历史观测信息与当前观测信息结合作为当前的状态表示;根据裁剪策略以及当前的状态表示,对待裁剪图片序列化地执行裁剪动作,得到裁剪结果;其中,强化学习模型为基于卷积神经网络构建的模型。通过本发明可以快速地获取准确的图片裁剪结果。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种基于强化学习的图片自动裁剪的方法及装置。
背景技术
随着图像处理领域的飞速发展,图像自动裁剪作为图像处理领域的重要部分也得到了较大的提升。图像自动裁剪要求计算机能够从输入的图片中自动挑选出具有良好构图的区域,这些区域相较于原始图片具有较高的美感质量。
传统的方法为基于滑动窗口的方法,该方法主要通过滑动窗口进行候选区域的提取,然后在每个候选区域上抽取特征并且对其进行评分,分数最高的区域作为最终结果。但是该方法会产生大量的候选窗口,并且每个候选窗口的形状和大小是比较固定的,固定形状和大小的裁剪窗口不能覆盖到所有的情况,这样不仅裁剪效果不佳,同时会耗费大量计算资源和较长时间。
发明内容
为了解决现有技术中的上述问题,即为了解决如何快速地获得精确的图片裁剪结果的技术问题,本发明提供了一种基于强化学习的图片自动裁剪的方法及装置。
在第一方面,本发明中的基于强化学习的图片自动裁剪的方法,包括:
利用强化学习模型对当前裁剪窗口进行特征提取获得局部特征,并将其与待裁剪图片的全局特征进行拼接,得到新的特征向量,将所述新的特征向量作为当前观测信息;
利用所述强化学习模型中LSTM单元对历史观测信息进行记录,并将所述历史观测信息与所述当前观测信息结合作为当前的状态表示;
根据裁剪策略以及所述当前的状态表示,对所述待裁剪图片序列化地执行裁剪动作,得到裁剪结果;
其中,所述强化学习模型为基于卷积神经网络构建的模型。
优选地,所述裁剪策略,其获取方法为:
利用强化学习模型对训练图片进行特征提取获得训练图片的局部特征,并将其与所述训练图片的全局特征进行拼接,得到第一特征向量,将所述第一特征向量作为训练图片的当前观测信息;
利用所述强化学习模型中LSTM单元对训练图片的历史观测信息进行记录,并将所述训练图片的历史观测信息与所述训练图片的当前观测信息结合作为训练图片的当前的状态表示;
根据所述训练图片的当前的状态表示利用所述强化学习模型对所述训练图片采用预设裁剪动作进行裁剪,获得裁剪后的训练图片;
利用排序模型获取裁剪前后的训练图片的质量分数,并依据所述裁剪前后的训练图片的质量分数设置奖励函数;
根据所述奖励函数对所述强化学习模型进行训练,得到所述裁剪策略。
优选地,依据下述公式计算所述奖励函数:
其中,reward为所述奖励函数,aspect ratio为当前裁剪窗口的纵横比,sign为符号函数,score为当前裁剪窗口的质量分数,previos_score为所述当前裁剪窗口前一个裁剪窗口的质量分数,t为所述强化学习模型在裁剪过程中使用的步数。
优选地,所述裁剪动作依据裁剪任务以及当前的状态表示设定,包括位置变换动作、形状变化动作、尺度变化动作以及停止动作;
其中,
所述位置变化动作用于调整裁剪窗口的位置;
所述形状变化动作用于调整所述裁剪窗口的形状;
所述尺度变化动作用于调整所述裁剪窗口的大小;
所述停止动作用于使所述强化学习模型停止裁剪,并输出当前窗口作为裁剪结果。
优选地,所述排序模型,其训练优化方法为:
对高质量的图片集进行随机裁剪,得到与高质量图片相对应的低质量图片,并将其与所述高质量图片作为成对的图片训练集;
利用所述成对的图片训练集对所述预设的排序模型进行训练。
在第二方面,本发明中的基于强化学习的图片自动裁剪的装置,包括:
提取模块,配置为利用强化学习模型对当前裁剪窗口进行特征提取获得局部特征,并将其与待裁剪图片的全局特征进行拼接,得到新的特征向量,将所述新的特征向量作为当前观测信息;
结合模块,配置为利用所述强化学习模型中LSTM单元对历史观测信息进行记录,并将所述历史观测信息与所述当前观测信息结合作为当前的状态表示;
裁剪模块,配置为根据裁剪策略以及所述当前的状态表示,对所述待裁剪图片序列化地执行裁剪动作,得到裁剪结果;
其中,所述强化学习模型为基于卷积神经网络构建的模型。
优选地,所述装置还包括裁剪策略获取模块,所述裁剪策略获取模块包括:
拼接单元,配置为利用强化学习模型对训练图片进行特征提取获得训练图片的局部特征,并将其与所述训练图片的全局特征进行拼接,得到第一特征向量,将所述第一特征向量作为训练图片的当前观测信息;
结合单元,配置为利用所述强化学习模型中LSTM单元对训练图片的历史观测信息进行记录,并将所述训练图片的历史观测信息与所述训练图片的当前观测信息结合作为训练图片的当前的状态表示;
裁剪单元,配置为根据所述训练图片的当前的状态表示利用所述强化学习模型对所述训练图片采用预设裁剪动作进行裁剪,获得裁剪后的训练图片;
设置单元,配置为利用排序模型获取裁剪前后的训练图片的质量分数,并依据所述裁剪前后的训练图片的质量分数设置奖励函数;
第一训练单元,配置为根据所述奖励函数对所述强化学习模型进行训练,得到所述裁剪策略。
优选地,所述装置还包括排序模型训练模块,所述排序模型训练模块包括:
随机裁剪单元,配置为对高质量的图片集进行随机裁剪,得到与高质量图片相对应的低质量图片,并将其与所述高质量图片作为成对的图片训练集;
第二训练单元,配置为利用所述成对的图片训练集对所述排序模型进行训练。
在第三方面,本发明中的存储装置,其中存储有多条程序,适用于由处理器加载并执行以实现上述技术方案所述的基于强化学习的图片自动裁剪的方法。
在第四方面,本发明中的处理装置,包括
处理器,适于执行各条程序;以及
存储设备,适于存储多条程序;
所述程序适于由处理器加载并执行以实现上述技术方案所述的基于强化学习的图片自动裁剪的方法。
与最接近的现有技术相比,上述技术方案至少具有以下有益效果:
1.本发明的基于强化学习的图片自动裁剪的方法中,通过将历史观测信息和当前观测信息结合作为当前的状态表示,并依据当前的状态表示以及裁剪策略对待裁剪图片序列化地执行裁剪动作,只需要很少的候选窗口就可以得到最终的结果,大大减少了计算量和计算所需时间。
2.本发明的基于强化学习的图片自动裁剪的方法中,通过排序模型获得裁剪前后图片的质量分数,并以此作为基准设置奖励函数,根据该奖励函数训练强化学习模型,经过大量的训练,可以使强化学习模型得到更为精准的裁剪策略,从而大大提高图片裁剪的精准性。
3.本发明的基于强化学习的图片自动裁剪的方法中,通过设定的裁剪动作,可以任意调整裁剪窗口的大小和位置,不仅可以使得到的裁剪窗口能够更为精准地覆盖相应的区域,还可以使裁剪过程更加灵活。
附图说明
图1是本发明实施例的基于强化学习的图片自动裁剪的方法主要步骤示意图;
图2是本发明实施例的强化学习模型的裁剪动作空间示意图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
本发明中设计了排序模型和强化学习模型,以排序模型获得的裁剪前后图片的质量分数作为基准设置奖励函数,并依据奖励函数训练强化学习模型,从而获得提升图片美感质量的裁剪策略,最后依据裁剪策略和当前的状态表示序列化的执行相应的裁剪动作,最终获得高质量的裁剪结果。
下面结合附图,对本发明实施例中基于强化学习的图片自动裁剪的方法进行说明。
参阅附图1,图1示例性的示出了基于强化学习的图片自动裁剪的方法主要步骤。如图1所示,本实施例中基于强化学习的图片自动裁剪的方法可以包括步骤S1、步骤S2以及步骤S3。
步骤S1,利用强化学习模型对当前裁剪窗口进行特征提取获得局部特征,并将其与待裁剪图片的全局特征进行拼接,得到新的特征向量,将新的特征向量作为当前观测信息。
具体地,本实施中强化学习模型为基于卷积神经网络构建的模型,利用强化学习模型对当前裁剪窗口进行特征提取获得局部特征,将提取到的局部特征与整张图片的全局特征进行拼接,得到新的特征向量,将该新的特征向量作为当前观测信息,其中当前观测信息为当前时刻待裁剪图片状态的观测。
步骤S2,利用强化学习模型中LSTM单元对历史观测信息进行记录,并将历史观测信息与当前观测信息结合作为当前的状态表示。
具体地,本实施例中强化学习模型通过其LSTM单元来记录从开始到当前时刻的观测信息,记作历史观测信息。LSTM单元将历史观测信息和当前观测信息整合为当前的状态表示。例如,在t时刻,LSTM单元记录的观测信息包括{o1,o2,…,ot-1,ot},其中oi表示第i时刻的观测。并且LSTM单元对上述所记录的观测信息进行整合,得到当前状态表示st。强化学习模型根据每个时刻的状态表示,执行相应的裁剪动作,并得到裁剪之后的图像。
步骤S3,根据裁剪策略以及当前的状态表示,对待裁剪图片序列化地执行裁剪动作,得到裁剪结果。
进一步地,本实施中裁剪策略的获取方法可以包括步骤S31、步骤S32、步骤S33、步骤S34以及步骤S35。
步骤S31,利用强化学习模型对训练图片进行特征提取获得训练图片的局部特征,并将其与训练图片的全局特征进行拼接,得到第一特征向量,将第一特征向量作为训练图片的当前观测信息。
具体地,训练图片的当前观测信息为当前时刻训练图片状态的观测。
步骤S32,利用强化学习模型中LSTM单元对训练图片的历史观测信息进行记录,并将训练图片的历史观测信息与训练图片的当前观测信息结合作为训练图片的当前的状态表示。
步骤S33,根据训练图片的当前的状态表示利用强化学习模型对训练图片采用预设裁剪动作进行裁剪,获得裁剪后的训练图片。
具体地,本实施例中预设裁剪动作根据裁剪任务设定。
步骤S34,利用排序模型获取裁剪前后的训练图片的质量分数,并依据裁剪前后的训练图片的质量分数设置奖励函数。
进一步地,本实施例中在利用排序模型获取裁剪前后的训练图片的质量分数之前,还需要对该排序模型进行优化训练,对排序模型进行优化训练的方法包括步骤A1和步骤A2。
步骤A1,对高质量的图片集进行随机裁剪,得到与高质量图片相对应的低质量图片,并将其与高质量图片作为成对的图片训练集。
具体地,本实施例中可以在大规模高质量的图片数据集上,对图片进行随机裁剪,得到与高质量的图片相对应的低质量的图片,然后通过这些成对的图片数据集作为图片训练集。
步骤A2,利用成对的图片训练集对预设的排序模型进行训练。
具体地,本实施例中预设的排序模型为基于卷积神经网络构建的模型,可以使用该排序模型对图片的美感质量进行评分。
进一步地,本实施中可以依据下述公式(1)计算奖励函数:
其中,reward为奖励函数,aspect ratio为当前裁剪窗口的纵横比,sign为符号函数,score为当前裁剪窗口的质量分数,previos_score为当前裁剪窗口前一个裁剪窗口的质量分数,t为强化学习模型在裁剪过程中使用的步数。
具体地,本实施例中,为了限制裁剪图片的形状,当裁剪窗口的纵横比超过[0.5,2]时,模型会收到一个逆向的奖励;在训练过程中,裁剪窗口的美感质量得到提升,强化学习模型会得到一个+1的奖励,反之,会获得一个-1的奖励,这样设置保证强化学习模型能够学到提升图片美感质量的裁剪策略;-0.001*t作为奖励函数的一部分,使得模型能够学到快速对图像进行裁剪的动作。
步骤S35,根据奖励函数对强化学习模型进行训练,得到裁剪策略。
参阅附图2,图2示例性的示出了强化学习模型的裁剪动作空间。本实施例中裁剪动作依据裁剪任务以及当前的状态表示设定,如图2所示,裁剪动作包括变换动作、形状变化动作、尺度变化动作以及停止动作;
其中,位置变化动作用于调整裁剪窗口的位置;
形状变化动作用于调整裁剪窗口的形状;
尺度变化动作用于调整裁剪窗口的大小;
停止动作用于使强化学习模型停止裁剪,并输出当前窗口作为裁剪结果。
具体地,本实施中,裁剪动作共包含14个相应的动作,每次调整裁剪窗口是以原图大小的0.05作为调整距离。
传统的自动裁剪算法需要使用滑动窗口的方法在待裁剪图片上密集的选取候选窗口,然后在对应窗口上进行特征提取和评分,并且根据分数选取裁剪的结果。但是传统方法会获得大量的候选区域,对每个候选区域进行特征提取和评分需要巨大的计算量和时间。而在本技术方案中,通过为强化学习模型设计丰富的动作空间,强化学习模型能够将裁剪的窗口调整到任意大小和任意位置,使得到的裁剪窗口能够更为精确地覆盖相应的区域,解决了传统方法中窗口大小和形状固定导致的不能找到最好的裁剪窗口的问题。另外强化学习模型在裁剪的过程中减少了大量的候选窗口,解决了传统方法裁剪过程中耗费大量计算资源和大量时间的问题。
通过为强化学习模型设计精确的状态表示、丰富的动作空间和具有引导性的奖励函数,强化学习模型学到的裁剪策略能够使用很少的候选窗口便可以完成精确的裁剪操作,同时其耗时相较于传统方法也大大减少。
基于与基于强化学习的图片自动裁剪的方法实施例相同的技术构思,本发明中的实施例还提供了一种基于强化学习的图片自动裁剪的装置。下面对该基于强化学习的图片自动裁剪的装置进行具体说明。
本实施中基于强化学习的图片自动裁剪的装置还可以包括提取模块、结合模块以及裁剪模块。
其中,提取模块可以配置为利用强化学习模型对当前裁剪窗口进行特征提取获得局部特征,并将其与待裁剪图片的全局特征进行拼接,得到新的特征向量,将新的特征向量作为当前观测信息。
结合模块可以配置为利用强化学习模型中LSTM单元对历史观测信息进行记录,并将历史观测信息与当前观测信息结合作为当前的状态表示。
裁剪模块可以配置为根据裁剪策略以及当前的状态表示,对待裁剪图片序列化地执行裁剪动作,得到裁剪结果。
其中,强化学习模型为基于卷积神经网络构建的模型。
进一步地,本实施例中基于强化学习的图片自动裁剪的装置还可以包括裁剪策略获取模块,裁剪策略获取模块包括拼接单元、结合单元、裁剪单元、设置单元以及第一训练单元。
其中,拼接单元可以配置为利用强化学习模型对训练图片进行特征提取获得训练图片的局部特征,并将其与训练图片的全局特征进行拼接,得到第一特征向量,将第一特征向量作为训练图片的当前观测信息。
结合单元可以配置为利用强化学习模型中LSTM单元对训练图片的历史观测信息进行记录,并将训练图片的历史观测信息与训练图片的当前观测信息结合作为训练图片的当前的状态表示。
裁剪单元可以配置为根据训练图片的当前的状态表示利用强化学习模型对训练图片采用预设裁剪动作进行裁剪,获得裁剪后的训练图片。
设置单元可以配置为利用排序模型获取裁剪前后的训练图片的质量分数,并依据裁剪前后的训练图片的质量分数设置奖励函数。
第一训练单元可以配置为根据奖励函数对强化学习模型进行训练,得到裁剪策略。
进一步地,本实施例中基于强化学习的图片自动裁剪的装置还可以包括排序模型训练模块,排序模型训练模块包括随机裁剪单元和第二训练单元。
其中,随机裁剪单元可以配置为对高质量的图片集进行随机裁剪,得到与高质量图片相对应的低质量图片,并将其与高质量图片作为成对的图片训练集。
第二训练单元可以配置为利用成对的图片训练集对排序模型进行训练。
上述基于强化学习的图片自动裁剪的方法的实施例,其技术原理、所解决的技术问题及产生的技术效果相似,所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的基于强化学习的图片自动裁剪的装置的具体工作过程及有关说明,可以参考前述基于强化学习的图片自动裁剪的方法,在此不再赘述。
本领域技术人员可以理解,上述基于强化学习的图片自动裁剪的装置还包括一些其他公知结构,例如处理器、控制器、存储器等,其中,存储器包括但不限于随机存储器、闪存、只读存储器、可编程只读存储器、易失性存储器、非易失性存储器、串行存储器、并行存储器或寄存器等,处理器包括但不限于CPLD/FPGA、DSP、ARM处理器、MIPS处理器等,为了不必要地模糊本公开的实施例,这些公知的结构未示出。
本领域技术人员可以理解,可以对实施例中的装置中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个装置中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
基于上述基于强化学习的图片自动裁剪的方法的实施例,本发明还提供了一种存储装置。本实施例中存储装置中存储有多条程序,该程序适用于由处理器加载并执行以实现上述基于强化学习的图片自动裁剪的方法。
基于上述基于强化学习的图片自动裁剪的方法的实施例,本发明还提供了一种处理装置。本实施例中处理装置可以包括处理器和存储设备。其中,处理器适于执行各条程序,存储设备适于存储多条程序,并且这些程序适于由处理器加载并执行以实现上述基于强化学习的图片自动裁剪的方法。
所属技术领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的存储装置、处理装置的具体工作过程及有关说明,可以参考前述基于强化学习的图片自动裁剪的方法实施例中的对应过程,在此不再赘述。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的服务器、客户端中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,PC程序和PC程序产品)。这样的实现本发明的程序可以存储在PC可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在本发明的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的PC来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于强化学习的图片自动裁剪的方法,其特征在于,所述方法包括:
利用强化学习模型对当前裁剪窗口进行特征提取获得局部特征,并将其与待裁剪图片的全局特征进行拼接,得到新的特征向量,将所述新的特征向量作为当前观测信息;
利用所述强化学习模型中LSTM单元对历史观测信息进行记录,并将所述历史观测信息与所述当前观测信息结合作为当前的状态表示;
根据裁剪策略以及所述当前的状态表示,对所述待裁剪图片序列化地执行裁剪动作,得到裁剪结果;
其中,所述强化学习模型为基于卷积神经网络构建的模型。
2.根据权利要求1所述的基于强化学习的图片自动裁剪的方法,其特征在于,所述裁剪策略,其获取方法为:
利用强化学习模型对训练图片进行特征提取获得训练图片的局部特征,并将其与所述训练图片的全局特征进行拼接,得到第一特征向量,将所述第一特征向量作为训练图片的当前观测信息;
利用所述强化学习模型中LSTM单元对训练图片的历史观测信息进行记录,并将所述训练图片的历史观测信息与所述训练图片的当前观测信息结合作为训练图片的当前的状态表示;
根据所述训练图片的当前的状态表示利用所述强化学习模型对所述训练图片采用预设裁剪动作进行裁剪,获得裁剪后的训练图片;
利用排序模型获取裁剪前后的训练图片的质量分数,并依据所述裁剪前后的训练图片的质量分数设置奖励函数;
根据所述奖励函数对所述强化学习模型进行训练,得到所述裁剪策略。
3.根据权利要求2所述的基于强化学习的图片自动裁剪的方法,其特征在于,依据下述公式计算所述奖励函数:
其中,reward为所述奖励函数,aspect ratio为当前裁剪窗口的纵横比,sign为符号函数,score为当前裁剪窗口的质量分数,previos_score为所述当前裁剪窗口前一个裁剪窗口的质量分数,t为所述强化学习模型在裁剪过程中使用的步数。
4.根据权利要求2所述的基于强化学习的图片自动裁剪的方法,其特征在于,所述裁剪动作依据裁剪任务以及当前的状态表示设定,包括位置变换动作、形状变化动作、尺度变化动作以及停止动作;
其中,
所述位置变化动作用于调整裁剪窗口的位置;
所述形状变化动作用于调整所述裁剪窗口的形状;
所述尺度变化动作用于调整所述裁剪窗口的大小;
所述停止动作用于使所述强化学习模型停止裁剪,并输出当前窗口作为裁剪结果。
5.根据权利要求2-4任意一项所述的基于强化学习的图片自动裁剪的方法,其特征在于,所述排序模型,其训练优化方法为:
对高质量的图片集进行随机裁剪,得到与高质量图片相对应的低质量图片,并将其与所述高质量图片作为成对的图片训练集;
利用所述成对的图片训练集对所述预设的排序模型进行训练。
6.一种基于强化学习的图片自动裁剪的装置,其特征在于,所述装置包括:
提取模块,配置为利用强化学习模型对当前裁剪窗口进行特征提取获得局部特征,并将其与待裁剪图片的全局特征进行拼接,得到新的特征向量,将所述新的特征向量作为当前观测信息;
结合模块,配置为利用所述强化学习模型中LSTM单元对历史观测信息进行记录,并将所述历史观测信息与所述当前观测信息结合作为当前的状态表示;
裁剪模块,配置为根据裁剪策略以及所述当前的状态表示,对所述待裁剪图片序列化地执行裁剪动作,得到裁剪结果;
其中,所述强化学习模型为基于卷积神经网络构建的模型。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括裁剪策略获取模块,所述裁剪策略获取模块包括:
拼接单元,配置为利用强化学习模型对训练图片进行特征提取获得训练图片的局部特征,并将其与所述训练图片的全局特征进行拼接,得到第一特征向量,将所述第一特征向量作为训练图片的当前观测信息;
结合单元,配置为利用所述强化学习模型中LSTM单元对训练图片的历史观测信息进行记录,并将所述训练图片的历史观测信息与所述训练图片的当前观测信息结合作为训练图片的当前的状态表示;
裁剪单元,配置为根据所述训练图片的当前的状态表示利用所述强化学习模型对所述训练图片采用预设裁剪动作进行裁剪,获得裁剪后的训练图片;
设置单元,配置为利用排序模型获取裁剪前后的训练图片的质量分数,并依据所述裁剪前后的训练图片的质量分数设置奖励函数;
第一训练单元,配置为根据所述奖励函数对所述强化学习模型进行训练,得到所述裁剪策略。
8.根据权利要求6-7任意一项所述的装置,其特征在于,所述装置还包括排序模型训练模块,所述排序模型训练模块包括:
随机裁剪单元,配置为对高质量的图片集进行随机裁剪,得到与高质量图片相对应的低质量图片,并将其与所述高质量图片作为成对的图片训练集;
第二训练单元,配置为利用所述成对的图片训练集对所述排序模型进行训练。
9.一种存储装置,其中存储有多条程序,其特征在于,所述程序适用于由处理器加载并执行以实现权利要求1-5任一项所述的基于强化学习的图片自动裁剪的方法。
10.一种处理装置,包括
处理器,适于执行各条程序;以及
存储设备,适于存储多条程序;
其特征在于,所述程序适于由处理器加载并执行以实现:权利要求1-5任一项所述的基于强化学习的图片自动裁剪的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711276935.2A CN108154464B (zh) | 2017-12-06 | 2017-12-06 | 基于强化学习的图片自动裁剪的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711276935.2A CN108154464B (zh) | 2017-12-06 | 2017-12-06 | 基于强化学习的图片自动裁剪的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108154464A true CN108154464A (zh) | 2018-06-12 |
CN108154464B CN108154464B (zh) | 2020-09-22 |
Family
ID=62466014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711276935.2A Active CN108154464B (zh) | 2017-12-06 | 2017-12-06 | 基于强化学习的图片自动裁剪的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108154464B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109859116A (zh) * | 2018-12-29 | 2019-06-07 | 北京三快在线科技有限公司 | 图像处理模型的训练方法、装置、电子设备及存储介质 |
CN109919156A (zh) * | 2019-03-13 | 2019-06-21 | 网易传媒科技(北京)有限公司 | 图像裁剪预测模型的训练方法、介质、装置及计算设备 |
CN110096202A (zh) * | 2019-04-23 | 2019-08-06 | 华中师范大学 | 一种基于深度强化学习的轻量级图像自动裁剪系统及方法 |
WO2020052523A1 (zh) * | 2018-09-11 | 2020-03-19 | 北京三快在线科技有限公司 | 一种图像裁剪的方法和装置 |
CN111368453A (zh) * | 2020-03-17 | 2020-07-03 | 创新奇智(合肥)科技有限公司 | 一种基于深度强化学习的面料裁剪优化方法 |
WO2020232672A1 (zh) * | 2019-05-22 | 2020-11-26 | 深圳市大疆创新科技有限公司 | 图像裁剪方法、装置和拍摄装置 |
CN113492892A (zh) * | 2021-07-13 | 2021-10-12 | 交控科技股份有限公司 | 虚拟编组列车追踪控制方法、装置、电子设备及可读存储介质 |
CN113642665A (zh) * | 2021-08-24 | 2021-11-12 | 广州市香港科大霍英东研究院 | 一种基于关系网络的少样本分类方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504649A (zh) * | 2014-12-30 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 图片的裁剪方法和装置 |
CN104793620A (zh) * | 2015-04-17 | 2015-07-22 | 中国矿业大学 | 基于视觉特征捆绑和强化学习理论的避障机器人 |
CN104881888A (zh) * | 2015-06-17 | 2015-09-02 | 北京金山安全软件有限公司 | 一种图片裁剪方法及装置 |
CN106650737A (zh) * | 2016-11-21 | 2017-05-10 | 中国科学院自动化研究所 | 图像自动裁剪方法 |
CN107123123A (zh) * | 2017-05-02 | 2017-09-01 | 电子科技大学 | 基于卷积神经网络的图像分割质量评价方法 |
US20170301063A1 (en) * | 2016-04-14 | 2017-10-19 | Linkedin Corporation | Optimal cropping of digital image based on professionalism score of subject |
-
2017
- 2017-12-06 CN CN201711276935.2A patent/CN108154464B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504649A (zh) * | 2014-12-30 | 2015-04-08 | 百度在线网络技术(北京)有限公司 | 图片的裁剪方法和装置 |
CN104793620A (zh) * | 2015-04-17 | 2015-07-22 | 中国矿业大学 | 基于视觉特征捆绑和强化学习理论的避障机器人 |
CN104881888A (zh) * | 2015-06-17 | 2015-09-02 | 北京金山安全软件有限公司 | 一种图片裁剪方法及装置 |
US20170301063A1 (en) * | 2016-04-14 | 2017-10-19 | Linkedin Corporation | Optimal cropping of digital image based on professionalism score of subject |
CN106650737A (zh) * | 2016-11-21 | 2017-05-10 | 中国科学院自动化研究所 | 图像自动裁剪方法 |
CN107123123A (zh) * | 2017-05-02 | 2017-09-01 | 电子科技大学 | 基于卷积神经网络的图像分割质量评价方法 |
Non-Patent Citations (2)
Title |
---|
DEBANG LI 等: "A2-RL: Aesthetics Aware Reinforcement Learning for Image Croppin", 《2018 IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION》 * |
YUEYING KAO 等: "AUTOMATIC IMAGE CROPPING WITH AESTHETIC MAP AND GRADIENT ENERGY MAP", 《2017 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS,SPEECH AND SIGNAL PROCESSING》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020052523A1 (zh) * | 2018-09-11 | 2020-03-19 | 北京三快在线科技有限公司 | 一种图像裁剪的方法和装置 |
CN109859116A (zh) * | 2018-12-29 | 2019-06-07 | 北京三快在线科技有限公司 | 图像处理模型的训练方法、装置、电子设备及存储介质 |
CN109919156A (zh) * | 2019-03-13 | 2019-06-21 | 网易传媒科技(北京)有限公司 | 图像裁剪预测模型的训练方法、介质、装置及计算设备 |
CN110096202A (zh) * | 2019-04-23 | 2019-08-06 | 华中师范大学 | 一种基于深度强化学习的轻量级图像自动裁剪系统及方法 |
CN110096202B (zh) * | 2019-04-23 | 2020-11-20 | 华中师范大学 | 一种基于深度强化学习的轻量级图像自动裁剪系统及方法 |
WO2020232672A1 (zh) * | 2019-05-22 | 2020-11-26 | 深圳市大疆创新科技有限公司 | 图像裁剪方法、装置和拍摄装置 |
CN111368453A (zh) * | 2020-03-17 | 2020-07-03 | 创新奇智(合肥)科技有限公司 | 一种基于深度强化学习的面料裁剪优化方法 |
CN113492892A (zh) * | 2021-07-13 | 2021-10-12 | 交控科技股份有限公司 | 虚拟编组列车追踪控制方法、装置、电子设备及可读存储介质 |
CN113492892B (zh) * | 2021-07-13 | 2022-08-30 | 交控科技股份有限公司 | 虚拟编组列车追踪控制方法、装置、电子设备及可读存储介质 |
US11945481B2 (en) | 2021-07-13 | 2024-04-02 | Traffic Control Technology Co., Ltd | Method and apparatus for tracking and controlling virtual marshalling trains, electronic device, and readable storage medium |
CN113642665A (zh) * | 2021-08-24 | 2021-11-12 | 广州市香港科大霍英东研究院 | 一种基于关系网络的少样本分类方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108154464B (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154464A (zh) | 基于强化学习的图片自动裁剪的方法及装置 | |
Salter et al. | The associations between fast bowling technique and ball release speed: A pilot study of the within-bowler and between-bowler approaches | |
Faure et al. | Virtual reality to assess and train team ball sports performance: A scoping review | |
King et al. | Does maximising ball speed in cricket fast bowling necessitate higher ground reaction forces? | |
Abernethy et al. | Transfer of pattern recall skills may contribute to the development of sport expertise | |
Murray et al. | A comparison of visual search strategies of elite and non-elite tennis players through cluster analysis | |
Fleisig et al. | Variability in baseball pitching biomechanics among various levels of competition | |
Felton et al. | Comparison of biomechanical characteristics between male and female elite fast bowlers | |
Barris et al. | Increasing functional variability in the preparatory phase of the takeoff improves elite springboard diving performance | |
CN104834384B (zh) | 提高运动指导效率的装置及方法 | |
Alrasheed et al. | Robotic microsurgery: validating an assessment tool and plotting the learning curve | |
US20140236331A1 (en) | Real-time decision making in sports | |
DE102020127706A1 (de) | Inferenz, markenzeichen und tm spielereigniserfassung | |
Tucker et al. | Is outcome related to movement variability in golf? | |
Bezodis et al. | Understanding the effect of touchdown distance and ankle joint kinematics on sprint acceleration performance through computer simulation | |
Iino et al. | Effect of the racket mass and the rate of strokes on kinematics and kinetics in the table tennis topspin backhand | |
Velentzas et al. | Functional mental representation of volleyball routines in German youth female national players | |
Horn et al. | Demonstration as a rate enhancer to changes in coordination during early skill acquisition | |
Bond et al. | Evaluation of skating top speed, acceleration, and multiple repeated sprint speed ice hockey performance tests | |
Wu et al. | Modeling offensive player movement in professional basketball | |
Ferdinands et al. | Kinematic and kinetic energy analysis of segmental sequencing in cricket fast bowling | |
CN110321956A (zh) | 一种基于人工智能的牧草病虫害治理方法及装置 | |
Lees et al. | Variability and typical error in the kinematics and kinetics of the maximal instep kick in soccer | |
Khlifa et al. | Effects of a shoot training programme with a reduced hoop diameter rim on free-throw performance and kinematics in young basketball players | |
Williams et al. | Biomechanical energetic analysis of technique during learning the longswing on the high bar |
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 |