CN110399834B - 一种基于人工智能的艺术特征迁移系统及应用 - Google Patents
一种基于人工智能的艺术特征迁移系统及应用 Download PDFInfo
- Publication number
- CN110399834B CN110399834B CN201910678801.6A CN201910678801A CN110399834B CN 110399834 B CN110399834 B CN 110399834B CN 201910678801 A CN201910678801 A CN 201910678801A CN 110399834 B CN110399834 B CN 110399834B
- Authority
- CN
- China
- Prior art keywords
- antique
- image
- value
- auxiliary
- identified
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0278—Product appraisal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于人工智能的艺术特征迁移系统及应用,包括:前端服务器,用于上传并获取用户所提交的待鉴定古董图像;辅助鉴定模块,用于根据所存储的辅助鉴定算法,对前端服务器所上传并获取的待鉴定古董图像进行辅助鉴定分析,获得与待鉴定古董图像相应的辅助鉴定结果,并将辅助鉴定结果传输到后台服务器;后台服务器,用于将前端服务器所上传并获取的待鉴定古董图像和辅助鉴定模块所获得的辅助鉴定结果进行对应记录,并存储到相应的预设古董鉴定数据库中,同时将与待鉴定古董图像相应的辅助鉴定结果传输到鉴赏平台;鉴赏平台,用于将后台服务器所传输的与待鉴定古董图像相应的辅助鉴定结果进行显示,可提高辨别古董真假的可靠性。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种基于人工智能的艺术特征迁移系统。
背景技术
近年来,随着经济的不断发展及生活质量的提高,收藏渐渐走入大众的生活,由Artprice发布2017全球艺术市场年度报告可知,中国保持全球艺术市场第一位置,成交额达到51亿美元,占全球总额34.2%。但同时我们也看到刚入门的消费者很难辨别清楚哪些是古玩藏品,哪些是商品。就拿收藏石和商品石来说,很明显后者升值空间并不大。而现实情况是,真正的古玩和商品根本就没有区分,投机客们以假乱真是所有古玩市场中都存在的问题。人们在对古玩进行鉴定的过程中由于缺乏相关鉴定古玩的知识体系,导致不能辨别出古玩的真假。
发明内容
本发明提供一种基于人工智能的艺术特征迁移系统,用以通过辅助鉴定算法对古董进行辅助鉴定,来提高辨别古董真假的可靠性。
本发明实施例提供一种基于人工智能的艺术特征迁移系统,包括:
前端服务器,用于上传并获取用户所提交的待鉴定古董图像;
辅助鉴定模块,用于根据所存储的辅助鉴定算法,对所述前端服务器所上传并获取的待鉴定古董图像进行辅助鉴定分析,获得与所述待鉴定古董图像相应的辅助鉴定结果,并将所述辅助鉴定结果传输到后台服务器;
所述后台服务器,用于将所述前端服务器所上传并获取的待鉴定古董图像和所述辅助鉴定模块所获得的辅助鉴定结果进行对应记录,并存储到相应的预设古董鉴定数据库中,同时将与所述待鉴定古董图像相应的所述辅助鉴定结果传输到鉴赏平台;
所述鉴赏平台,用于将所述后台服务器所传输的与所述待鉴定古董图像相应的所述辅助鉴定结果进行显示。
在一种可能实现的方式中,
所述前端服务器,还用于上传所述用户所提交可申请入驻所述鉴赏平台的专家入驻信息;
所述后台服务器,还用于对所述前端服务器所上传的专家入驻信息进行审核,并将审核通过的所述专家入驻信息对应的可入驻的专家信息传输到鉴赏平台;
所述前端服务器,还用于上传所述用户所提交的可上架到所述鉴赏平台的商城的与古董相关的预售信息,所述预售信息包括:古董图像、古董简介;
所述后台服务器,还用于对所述前端服务器所上传的预售信息进行预设处理,获得相应的预售价;
同时,还将所述前端服务器所上传的预售信息推送到所述鉴赏平台中已入驻的所述专家进行评估分析,获得相应的预估价;
并判断所述预售价和预估价两者的差值绝对值是否小于预设差值,若是,将所述用户所提交的与可上架到商城的与古董相关的预售信息和其对应的预售价传输到鉴赏平台,若否,将可上架到商城的与古董相关的预售信息和其对应的预估价传输到鉴赏平台。
在一种可能实现的方式中,
所述古董鉴定数据库包括中包含有至少一种预设鉴定模型;
所述后台服务器,还用于在获取所述前端服务器上传所述用户所提交的待鉴定古董图像之前,对所述至少一种预设鉴定模型进行训练;
其中,对所述至少一种预设鉴定模型进行训练,是通过获取与至少一个古董类别对应的多张待鉴定古董样本,并使用所述多张待鉴定古董样本,对至少一个设定深度学习模型进行训练,获得与所述古董类别对应的至少一个所述预设古董鉴定模型;
其中,所述预设鉴定模型是基于辅助鉴定算法生成的,所述辅助鉴定算法是根据古董朝代、古董出土墓穴、古董颜色、古董局部特征、古董种类得到的。
在一种可能实现的方式中,
所述后台服务器,还用于根据所述前端服务器所上传并获取的待鉴定古董图像通过所述辅助鉴定模块进行辅助鉴定后,对与获取的所述辅助鉴定结果对应的预设鉴定模型进行再次训练,并将训练后的预设鉴定模型进行复用存储;
同时,对与获取的所述辅助鉴定结果对应的预设鉴定模型进行再次训练之前,接收来自已入驻的所述专家对所述待鉴定古董图像的鉴定判断信息,并基于鉴定判断数据集的结构对相应的已存储的预设鉴定模型进行训练更新。
在一种可能实现的方式中,还包括:
标签模块,用于获取所述用户在所述鉴赏平台的交流信息,并将所述交流信息进行结构化存储;
所述前端服务器,还用于上传所述用户所提交的调取指令;
所述后台服务器,还用于根据所述调取指令从所述标签模所结构化存储的交流信息中,调取与所述调取指令相关的调取信息。
在一种可能实现的方式中,
所述后台服务器,还用于当所述用户在所述鉴赏平台向已入驻的专家进行古董鉴别时,推送相关的支付信息到所述鉴赏平台的支付模块;
所述支付模块,用于输出所述后台服务器所推送的支付信息供所述用户支付;
其中,所述鉴赏平台,还用于供所述用户进行古董直播。
在一种可能实现的方式中,
所述辅助鉴定模块在对所述前端服务器所上传并获取的待鉴定古董图像进行辅助鉴定分析时,为提高所述古董图像的感官清晰度,使匹配鉴定过程中,对所述古董图像的鉴定结果更加可靠,鉴定效率更高,所述辅助鉴定模块还需控制所述古董图像进行辅助感官处理,所述控制辅助感官处理的具体步骤如下所示:
步骤S1、将所述古董图像进行灰度化处理,得到灰度化古董图像;
步骤S2、将所述灰度化古董图像进行像素点分段强化,其中具体强化如公式(1)所示:
其中,A(x,y)为所述灰度化古董图像中,以图像左上角为原点构建位置坐标轴后,位置坐标轴对应的位置坐标为(x,y)的点的像素值,B(x,y)为对所述灰度化古董图像的像素点A(x,y)经过强化后的像素值,Q1为灰度化后的古董图像的所有像素点中的最小值,q1为灰度化后的古董图像的所有像素点中的第一四分位数的值,Q3为灰度化后的古董图像的所有像素点中的均值,q3为所述灰度化古董图像的所有像素点中的第三四分位数的值,Q4为像素点的可能值中的最大值,为预设值,一般预设255,q4为灰度化后的古董图像的所有像素点中的最大值;x=0、1、2、3、……、X,y=0、1、2、3、......、Y,X为所述古董图像的像素的横轴像素点的个数-1,Y为所述古董图像的像素的纵轴轴像素点的个数-1;
步骤S3、利用边际追踪技术,将所述像素点分段强化后的古董图像进行背景剔除,将利用边际追踪判定为背景的像素点的值赋值为0;
步骤S4、将进行背景剔除后的古董图像进行智能图像位置修正,其中修正的具体步骤如下所示:
首先,计算修正的修正角度,在计算修正的计算角度时,首先获取第一预设位置坐标(x1,y1)和第二预设位置坐标(x2,y2);
其次,利用公式(2)计算修正角度
其中,δ为修正角度,arcsin为反三角函数,sin值,sign()为符号函数,当括号内的值为正数时结果为1,当括号内的值为负数时结果为-1,当括号内的值为0时,结果为0;
然后利用公式(3)对所述背景剔除后的古董图像进行智能图像位置修正;
其中,(x′,y′)为位置坐标(x,y)进行修正后的位置坐标,且(x,y)的取值为所述背景剔除后的古董图中所有非0像素点对应的位置坐标,利用所述智能图像位置修正技术后,将所述位置坐标为(x,y)的像素点的值,代入位置坐标(x′,y′)中,则能得到图像修正后的古董图像;
步骤S5,对所述图像位置修正后的古董图像进行像素点的修正,在修正过程中首先判断所述像素点对应的位置在坐标位置的上下左右是否都有像素点,若是则代入公式(4)进行修正,否则该位置坐标位置的像素点修正值为其原始值;
其中,ZD、ZX为中间参数,max为求解最大值,min为求解最小值,D(x,y)为进行修正前的位置坐标为(x,y)的像素点的值,C(x,y)为标轴位置为(x,y)的像素点进行修正后的值;
步骤S6、将进行像素点的修正后的古董图像进行无用信息剔除,即判断所述图像的四周,是否存在某行或者某列的像素点的值全部为0,是则剔除该行或者该列,从而减小所述图像大小,形成最终的待鉴定古董图像;
所述最终形成的待鉴定古董图像即为进行辅助感官处理后的待鉴定古董图像,将所述待鉴定古董图像进行辅助鉴定分析。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于人工智能的艺术特征迁移系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例提供一种基于人工智能的艺术特征迁移系统,如图1,包括:
前端服务器1,用于上传并获取用户所提交的待鉴定古董图像;
辅助鉴定模块2,用于根据所存储的辅助鉴定算法,对前端服务器1所上传并获取的待鉴定古董图像进行辅助鉴定分析,获得与待鉴定古董图像相应的辅助鉴定结果,并将辅助鉴定结果传输到后台服务器3;
后台服务器3,用于将前端服务器1所上传并获取的待鉴定古董图像和辅助鉴定模块2所获得的辅助鉴定结果进行对应记录,并存储到相应的预设古董鉴定数据库中,同时将与待鉴定古董图像相应的辅助鉴定结果传输到鉴赏平台4;
鉴赏平台4,用于将后台服务器3所传输的与待鉴定古董图像相应的辅助鉴定结果进行显示。
上述待鉴定古董图像,可以是用户上传的对古董所拍的照片。
上述辅助鉴定算法,是基于显著性检测、语义分割、以及神经网络等技术为基础进行综合得到的。
上述辅助鉴定分析过程中,例如以对唐三彩的辅助鉴定为例,包括:
步骤A1:对待鉴定古董图像进行图像预处理;
识别出用户上传的待鉴定古董图像中的唐三彩主体,滤去背景,将背景填充为白色(RGB(255,255,255))。
步骤A2:对预处理后的待鉴定古董图像进行模型分类;
使用神经网络和所储存的预设古董鉴定数据库,根据其中的预设鉴定模型对预处理后的待鉴定古董图像识别,获得其所属的唐三彩大类的目标,例如识别出该预处理后的待鉴定股东图像是属于马俑、人像俑、骆驼俑或者器物俑等。
步骤A3:根据步骤A2进行模型分类后,获得辅助鉴定结果。
其中,步骤A2还包括:
步骤A21:通过颜色模型对预处理后的待鉴定古董图像进行辅助鉴定;
使用主色统计、图像颜色均值、主色聚类等和已训练的颜色模型识别出预处理后待鉴定古董图像中主要的属于唐三彩的颜色,并且能够滤去背景色。
步骤A22:对预处理后的待鉴定古董图像进行特征识别;
使用相应的识别算法出对具有时代意义的唐三彩特征进行识别,比如马俑的点彩装饰法,即在马的身上有许多白色的圆点。
步骤A23:通过朝代模型对预处理后的待鉴定古董图像进行辅助鉴定;
使用神经网络和预设古董鉴定数据库中朝代数据集对应的训练模型,识别唐三彩与哪个时期的唐三彩风格相似,例如能够识别出该唐三彩属于初唐还是盛唐。
步骤A24:通过墓穴模型对预处理后的待鉴定古董图像进行辅助鉴定;
使用神经网络和预设古董鉴定数据库中墓穴数据集对应的训练模型,识别唐三彩与哪个墓穴出土的唐三彩风格相似,例如能够识别出该唐三彩是堂懿德太子墓还是唐昭陵韦贵妃墓。
其辅助鉴定结果,例如是,所辅助鉴定的待鉴定古董图像,其古董是所属唐昭陵韦贵妃墓所出土的初唐马俑。
上述前端服务器,是可与用户交互的部分。
上述预设古董鉴定数据库包括:赝品数据集和真品数据集,且将前端服务器所上传并获取的待鉴定古董图像和辅助鉴定模块所获得的辅助鉴定结果进行对应记录,并存储到相应的预设古董鉴定数据库中,是为了扩大预设古董鉴定数据库的容本容量,扩大辅助鉴定的精度,更将精准的辨别古董的真假。
上述技术方案的有益效果是:用以通过辅助鉴定算法对古董进行辅助鉴定,来提高辨别古董真假的可靠性。
本发明实施例提供一种基于人工智能的艺术特征迁移系统,
前端服务器,还用于上传用户所提交可申请入驻鉴赏平台的专家入驻信息;
后台服务器,还用于对前端服务器所上传的专家入驻信息进行审核,并将审核通过的专家入驻信息对应的可入驻的专家信息传输到鉴赏平台;
前端服务器,还用于上传用户所提交的可上架到鉴赏平台的商城的与古董相关的预售信息,预售信息包括:古董图像、古董简介;
后台服务器,还用于对前端服务器所上传的预售信息进行预设处理,获得相应的预售价;
同时,还将前端服务器所上传的预售信息推送到鉴赏平台中已入驻的专家进行评估分析,获得相应的预估价;
并判断预售价和预估价两者的差值绝对值是否小于预设差值,若是,将用户所提交的与可上架到商城的与古董相关的预售信息和其对应的预售价传输到鉴赏平台,若否,将可上架到商城的与古董相关的预售信息和其对应的预估价传输到鉴赏平台。
通过前端服务器提交详细的专家申请入驻信息以及后台服务器的审核,可以使得鉴赏平台的专家均具备全面的相关古玩领域的专业知识和实际鉴定经验。
上述专家入驻信息包括:姓名、身份信息、鉴赏证书等。
上述预设处理包括对预售信息中的古董图像进行辅助鉴定分析,并通过古董简介,获得相应的预售价,其属于人工智能计算获得的结果。
上述评估分析,是入驻鉴赏平台的专家根据自身的知识积累与经验,对其古董进行评价,获得预估价。
上述技术方案的有益效果是:可有效的规范上架到鉴赏平台的商城的古董的售价。
本发明实施例提供一种基于人工智能的艺术特征迁移系统,
古董鉴定数据库包括中包含有至少一种预设鉴定模型;
后台服务器,还用于在获取前端服务器上传用户所提交的待鉴定古董图像之前,对至少一种预设鉴定模型进行训练;
其中,对至少一种预设鉴定模型进行训练,是通过获取与至少一个古董类别对应的多张待鉴定古董样本,并使用多张待鉴定古董样本,对至少一个设定深度学习模型进行训练,获得与古董类别对应的至少一个预设古董鉴定模型;
其中,预设鉴定模型是基于辅助鉴定算法生成的,辅助鉴定算法是根据古董朝代、古董出土墓穴、古董颜色、古董局部特征、古董种类得到的。
其中预设鉴定古董模型中,是由古董朝代、古董出土墓穴、古董颜色、古董局部特征、古董种类等模型共同构成的。
上述技术方案的有益效果是:对预设鉴定模型进行训练,是为了提高识别待鉴定古董图像的精度。
本发明实施例提供一种基于人工智能的艺术特征迁移系统,
后台服务器,还用于根据前端服务器所上传并获取的待鉴定古董图像通过辅助鉴定模块进行辅助鉴定后,对与获取的辅助鉴定结果对应的预设鉴定模型进行再次训练,并将训练后的预设鉴定模型进行复用存储;
同时,对与获取的辅助鉴定结果对应的预设鉴定模型进行再次训练之前,接收来自已入驻的专家对待鉴定古董图像的鉴定判断信息,并基于鉴定判断数据集的结构对相应的已存储的预设鉴定模型进行训练更新。
上述鉴定判断数据集的结构,是根据入驻鉴赏平台的多个专家鉴定判断信息形成的。
上述技术方案的有益效果是:通过获取专家的鉴定判断信息,可以进一步提高所识别的预设鉴定模型的精度。
本发明实施例提供一种基于人工智能的艺术特征迁移系统,
标签模块,用于获取用户在鉴赏平台的交流信息,并将交流信息进行结构化存储;
前端服务器,还用于上传用户所提交的调取指令;
后台服务器,还用于根据调取指令从标签模所结构化存储的交流信息中,调取与调取指令相关的调取信息。
上述调取指令,例如是,交流信息中出现“堂懿德太子墓”的,全部进行提取,并直接跳转到第一次出现“堂懿德太子墓”的地方。
上述结构化存储,是为了将用户在查找其交流信息中的某一部分时,方便查找。
上述技术方案的有益效果是:方便将用户的交流信息进行结构化存储,还方便用户对交流信息进行搜索、寻找。
本发明实施例提供一种基于人工智能的艺术特征迁移系统,
后台服务器,还用于当用户在鉴赏平台向已入驻的专家进行古董鉴别时,推送相关的支付信息到鉴赏平台的支付模块;
支付模块,用于输出后台服务器所推送的支付信息供用户支付;
其中,鉴赏平台,还用于供用户进行古董直播。
用户根据支付信息进行支付的方式,例如可以是微信支付、支付宝支付、银行卡支付、信用卡支付等方式。
上述技术方案的有益效果是:通过设置支付模块,方便用户进行支付,同时方便用户与专家进行沟通,进一步实现鉴赏平台的互利共赢。
本发明实施例提供一种基于人工智能的艺术特征迁移系统,
所述辅助鉴定模块在对所述前端服务器所上传并获取的待鉴定古董图像进行辅助鉴定分析时,为提高所述古董图像的感官清晰度,使匹配鉴定过程中,对所述古董图像的鉴定结果更加可靠,鉴定效率更高,所述辅助鉴定模块还需控制所述古董图像进行辅助感官处理,所述控制辅助感官处理的具体步骤如下所示:
步骤S1、将所述古董图像进行灰度化处理,得到灰度化古董图像;
步骤S2、将所述灰度化古董图像进行像素点分段强化,其中具体强化如公式(1)所示:
其中,A(x,y)为所述灰度化古董图像中,以图像左上角为原点构建位置坐标轴后,位置坐标轴对应的位置坐标为(x,y)的点的像素值,B(x,y)为对所述灰度化古董图像的像素点A(x,y)经过强化后的像素值,Q1为灰度化后的古董图像的所有像素点中的最小值,q1为灰度化后的古董图像的所有像素点中的第一四分位数的值,Q3为灰度化后的古董图像的所有像素点中的均值,q3为所述灰度化古董图像的所有像素点中的第三四分位数的值,Q4为像素点的可能值中的最大值,为预设值,一般预设255,q4为灰度化后的古董图像的所有像素点中的最大值;x=0、1、2、3、......、X,y=0、1、2、3、......、Y,X为所述古董图像的像素的横轴像素点的个数-1,Y为所述古董图像的像素的纵轴轴像素点的个数-1;
例如所述古董图像为200*500个像素点的图像,即X为199,Y为499;
利用公式(1),对古董图像进行像素点分段强化使得不同像素点,根据其像素值的大小不同,而给予不同的强化程度,对于在第一四分位,和第三四分位之间的灰度化后的古董图像的像素点,可以认为是主要信息含有量的区域,在强化的时候给予更高的强化力度,而对于第一四分位以下,或者第三四分位以上的点,可以认为是异常点,给予更小的强化力度,使得所述强化后的古董图像,对古董的特征能够体现的更加明显;
步骤S3、利用边际追踪技术,将所述像素点分段强化后的古董图像进行背景剔除,将利用边际追踪判定为背景的像素点的值赋值为0;
步骤S4、将进行背景剔除后的古董图像进行智能图像位置修正,其中修正的具体步骤如下所示:
首先,计算修正的修正角度,在计算修正的计算角度时,首先获取第一预设位置坐标(x1,y1)和第二预设位置坐标(x2,y2);
其中,获取预设角度位置坐标的具体步骤为,首先提取所述背景剔除后的古董图像的像素点的值,对所述背景剔除后的古董图像的像素点,从最下面往上判断,第一次出现了非零的像素点的值的位置坐标作为第一预设角度位置坐标(x1,y1),同时获取所述背景剔除后的古董图像的像素点对应的位置坐标轴中,所有横轴的值为x1的点,即为提取位置坐标为(x1,0)、(x1,1)、(x1,2)、......(x1,Y)的点,将所述所有点组成一条直线,统计当横轴的值小于x1时的区域内所述背景剔除后的古董图像的像素点的值中非零值的个数,并减去当横轴的值大于x1时的区域内所述背景剔除后的古董图像的像素点的值中非零值的个数,若相减后的值大于0,则对所述背景剔除后的古董图像的像素点,从最左往右判断,第一次出现了非零的像素点的值的位置坐标作为第二预设角度位置坐标(x2,y2),若所述计算值小于0,则从最右往左判断,第一次出现了非零的像素点的值的位置坐标作为第二预设角度位置坐标(x2,y2);
其次,利用公式(2)计算修正角度
其中,δ为修正角度,arcsin为反三角函数,sin值,sign()为符号函数,当括号内的值为正数时结果为1,当括号内的值为负数时结果为-1,当括号内的值为0时,结果为0;
利用公式(2),可以得到偏转角度,从而在进行位置修正时能根据所得修正角度智能修正所述古董图像;
然后利用公式(3)对所述背景剔除后的古董图像进行智能图像位置修正;
其中,(x′,y′)为位置坐标(x,y)进行修正后的位置坐标,且(x,y)的取值为所述背景剔除后的古董图中所有非0像素点对应的位置坐标,利用所述智能图像位置修正技术后,将所述位置坐标为(x,y)的像素点的值,代入位置坐标(x′,y′)中,则能得到图像修正后的古董图像;
利用公式(3)对所述图像进行位置智能修正后,则修正后的古董图像在进行图像鉴定时不会因为图像的几何位置而影响鉴定结果,从而提高鉴定的准确率;
步骤S5,对所述图像位置修正后的古董图像进行像素点的修正,在修正过程中首先判断所述像素点对应的位置在坐标位置的上下左右是否都有像素点,若是则代入公式(4)进行修正,否则该位置坐标位置的像素点修正值为其原始值;
其中,ZD、ZX为中间参数,max为求解最大值,min为求解最小值,D(x,y)为进行修正前的位置坐标为(x,y)的像素点的值,C(x,y)为标轴位置为(x,y)的像素点进行修正后的值;
例如,像素点的述位置坐标为(1,1)时,上面存在述位置坐标为(1,0)的点,下面存在述位置坐标为(1,2)的点,位置坐标存在位置坐标为(0,1)的点,右边存在位置坐标为(2,1)的点,则位置坐标为(1,1)的像素点代入公式(4)进行修正,但是若为位置坐标为(1,0)的点,已在位置坐标轴的最上面,其上面已经没有位置坐标了,所以标轴位置为(1,0)的像素点修正后的值为原始值,例如原来为3,修正后依旧为3;
步骤S6、将进行像素点的修正后的古董图像进行无用信息剔除,即判断所述图像的四周,是否存在某行或者某列的像素点的值全部为0,是则剔除该行或者该列,从而减小所述图像大小,形成最终的待鉴定古董图像;
例如,将进行像素点的修正后的古董图像的最右边三列和最下面五行的像素点的值全部为0,则剔除最右边的三列和最下面的五行,将所述图像减小三列五行。
所述最终形成的待鉴定古董图像即为进行辅助感官处理后的待鉴定古董图像,将所述待鉴定古董图像进行辅助鉴定分析。
有益效果:
(1)在步骤S1中,对所述图像进行灰度化处理后,使所述数据量减少了2/3从而大幅度的减少了计算量。
(2)在所述步骤S2中,对古董图像进行像素点分段强化使得不同像素点可以根据其像素值的大小不同,而给予不同的强化程度,使得所述强化后的古董图像,对古董的特征能够体现的更加明显,所述古董图像的感官清晰度更高。
(3)利用步骤S3可以得到剔除背景,从而使得所述判断过程不会因为背景而对结果造成影响。
(4)利用步骤S4对所述图像进行位置智能修正后,则修正后的古董图像在进行图像鉴定时不会因为图像的几何位置而影响鉴定结果,从而提高鉴定的准确率,且在修正过程中,为智能的计算所述修正角度,提高位置智能修正的效率。
(5)利用步骤S5可以使图像中,因为环境因素或者计算过程的不规范而产生的异常的像素点进行修正,从而使得所述古董图像更加接近真实古董。
(6)利用步骤S6,可以剔除一些无用数据,但不影响古董图像,从而大幅度提高计算效率,但不会影响准确率。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (6)
1.一种基于人工智能的艺术特征迁移系统,其特征在于,包括:
前端服务器,用于上传并获取用户所提交的待鉴定古董图像;
辅助鉴定模块,用于根据所存储的辅助鉴定算法,对所述前端服务器所上传并获取的待鉴定古董图像进行辅助鉴定分析,获得与所述待鉴定古董图像相应的辅助鉴定结果,并将所述辅助鉴定结果传输到后台服务器;
所述后台服务器,用于将所述前端服务器所上传并获取的待鉴定古董图像和所述辅助鉴定模块所获得的辅助鉴定结果进行对应记录,并存储到相应的预设古董鉴定数据库中,同时将与所述待鉴定古董图像相应的所述辅助鉴定结果传输到鉴赏平台;
所述鉴赏平台,用于将所述后台服务器所传输的与所述待鉴定古董图像相应的所述辅助鉴定结果进行显示;
所述辅助鉴定模块在对所述前端服务器所上传并获取的待鉴定古董图像进行辅助鉴定分析时,所述辅助鉴定模块还需控制所述古董图像进行辅助感官处理,控制所述辅助感官处理的具体步骤如下所示:
步骤S1、将所述古董图像进行灰度化处理,得到灰度化古董图像;
步骤S2、将所述灰度化古董图像进行像素点分段强化,其中具体强化如公式(1)所示:
其中,为所述灰度化古董图像中,以图像左上角为原点构建位置坐标轴后,位置坐标轴对应的位置坐标为的点的像素值,为对所述灰度化古董图像的像素点(x,y)的像素值经过强化后的像素值,为灰度化后的古董图像的所有像素点中的最小值,为灰度化后的古董图像的所有像素点中的第一四分位数的值,为灰度化后的古董图像的所有像素点中的均值,为所述灰度化古董图像的所有像素点中的第三四分位数的值,为像素点的可能值中的最大值,为预设值,一般预设255,为灰度化后的古董图像的所有像素点中的最大值;,X为所述古董图像的像素的横轴像素点的个数-1,Y为所述古董图像的像素的纵轴轴像素点的个数-1;
步骤S3、利用边际追踪技术,将所述像素点分段强化后的古董图像进行背景剔除,将利用边际追踪判定为背景的像素点的值赋值为0;
步骤S4、将进行背景剔除后的古董图像进行智能图像位置修正,其中修正的具体步骤如下所示:
其次,利用公式(2)计算修正角度
然后利用公式(3)对所述背景剔除后的古董图像进行智能图像位置修正;
其中,为位置坐标进行修正后的位置坐标,且的取值为所述背景剔除后的古董图中所有非0像素点对应的位置坐标,利用所述智能图像位置修正技术后,将所述位置坐标为的像素点的值,代入位置坐标中,则能得到图像修正后的古董图像;
步骤S5,对所述图像位置修正后的古董图像进行像素点的修正,在修正过程中首先判断所述像素点对应的位置在坐标位置的上下左右是否都有像素点,若是则代入公式(4)进行修正,否则该位置坐标位置的像素点修正值为其原始值;
步骤S6、将进行像素点的修正后的古董图像进行无用信息剔除,即判断所述图像的四周,是否存在某行或者某列的像素点的值全部为0,是则剔除该行或者该列,从而减小所述图像大小,形成最终的待鉴定古董图像;
形成所述最终的待鉴定古董图像即为进行辅助感官处理后的待鉴定古董图像,将所述最终的待鉴定古董图像进行辅助鉴定分析。
2.如权利要求1所述的系统,其特征在于,
所述前端服务器,还用于上传所述用户所提交可申请入驻所述鉴赏平台的专家入驻信息;
所述后台服务器,还用于对所述前端服务器所上传的专家入驻信息进行审核,并将审核通过的所述专家入驻信息对应的可入驻的专家信息传输到鉴赏平台;
所述前端服务器,还用于上传所述用户所提交的可上架到所述鉴赏平台的商城的与古董相关的预售信息,所述预售信息包括:古董图像、古董简介;
所述后台服务器,还用于对所述前端服务器所上传的预售信息进行预设处理,获得相应的预售价;
同时,还将所述前端服务器所上传的预售信息推送到所述鉴赏平台中已入驻的所述专家进行评估分析,获得相应的预估价;
并判断所述预售价和预估价两者的差值绝对值是否小于预设差值,若是,将所述用户所提交的与可上架到商城的与古董相关的预售信息和其对应的预售价传输到鉴赏平台,若否,将可上架到商城的与古董相关的预售信息和其对应的预估价传输到鉴赏平台。
3.如权利要求1所述的系统,其特征在于,
所述古董鉴定数据库包括中包含有至少一种预设鉴定模型;
所述后台服务器,还用于在获取所述前端服务器上传所述用户所提交的待鉴定古董图像之前,对所述至少一种预设鉴定模型进行训练;
其中,对所述至少一种预设鉴定模型进行训练,是通过获取与至少一个古董类别对应的多张待鉴定古董样本,并使用所述多张待鉴定古董样本,对至少一个设定深度学习模型进行训练,获得与所述古董类别对应的至少一个所述预设古董鉴定模型;
其中,所述预设鉴定模型是基于辅助鉴定算法生成的,所述辅助鉴定算法是根据古董朝代、古董出土墓穴、古董颜色、古董局部特征、古董种类得到的。
4.如权利要求1所述的系统,其特征在于,
所述后台服务器,还用于根据所述前端服务器所上传并获取的待鉴定古董图像通过所述辅助鉴定模块进行辅助鉴定后,对与获取的所述辅助鉴定结果对应的预设鉴定模型进行再次训练,并将训练后的预设鉴定模型进行复用存储;
同时,对与获取的所述辅助鉴定结果对应的预设鉴定模型进行再次训练之前,接收来自已入驻的专家对所述待鉴定古董图像的鉴定判断信息,并基于鉴定判断数据集的结构对相应的已存储的预设鉴定模型进行训练更新。
5.如权利要求1所述的系统,其特征在于,还包括:
标签模块,用于获取所述用户在所述鉴赏平台的交流信息,并将所述交流信息进行结构化存储;
所述前端服务器,还用于上传所述用户所提交的调取指令;
所述后台服务器,还用于根据所述调取指令从所述标签模所结构化存储的交流信息中,调取与所述调取指令相关的调取信息。
6.如权利要求2所述的系统,其特征在于,
所述后台服务器,还用于当所述用户在所述鉴赏平台向已入驻的专家进行古董鉴别时,推送相关的支付信息到所述鉴赏平台的支付模块;
所述支付模块,用于输出所述后台服务器所推送的支付信息供所述用户支付;
其中,所述鉴赏平台,还用于供所述用户进行古董直播。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910678801.6A CN110399834B (zh) | 2019-07-25 | 2019-07-25 | 一种基于人工智能的艺术特征迁移系统及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910678801.6A CN110399834B (zh) | 2019-07-25 | 2019-07-25 | 一种基于人工智能的艺术特征迁移系统及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110399834A CN110399834A (zh) | 2019-11-01 |
CN110399834B true CN110399834B (zh) | 2021-06-15 |
Family
ID=68326097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910678801.6A Active CN110399834B (zh) | 2019-07-25 | 2019-07-25 | 一种基于人工智能的艺术特征迁移系统及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110399834B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178916B (zh) * | 2019-12-31 | 2023-06-02 | 杭州趣链科技有限公司 | 一种基于区块链的古董鉴定及交易系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013044330A1 (pt) * | 2011-09-30 | 2013-04-04 | Suman Marco Antonio | Método e sistema aplicativo, individual e interativo, dotado com inteligência artificial |
CN203573357U (zh) * | 2013-10-16 | 2014-04-30 | 苏州大学 | 一种艺术品真伪鉴别系统 |
CN105243384A (zh) * | 2015-09-17 | 2016-01-13 | 上海大学 | 一种基于模式识别的文物与艺术品唯一性标识方法 |
CN106651766A (zh) * | 2016-12-30 | 2017-05-10 | 深圳市唯特视科技有限公司 | 一种基于深度卷积神经网络的图像风格迁移方法 |
CN107341461A (zh) * | 2017-06-19 | 2017-11-10 | 江西文联智慧互联网络有限公司 | 智能识别与分析技术鉴别艺术品真伪的方法及其系统 |
CN107480272A (zh) * | 2017-08-19 | 2017-12-15 | 芜湖通全科技有限公司 | 识别分析艺术品真伪的方法及其系统 |
CN107862668A (zh) * | 2017-11-24 | 2018-03-30 | 河海大学 | 一种基于gnn的文物图像复原方法 |
CN107967495A (zh) * | 2017-12-21 | 2018-04-27 | 中科智文(北京)科技有限公司 | 一种铜镜文物识别系统和方法 |
CN109712081A (zh) * | 2018-11-14 | 2019-05-03 | 浙江大学 | 一种融合深度特征的语义风格迁移方法和系统 |
-
2019
- 2019-07-25 CN CN201910678801.6A patent/CN110399834B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013044330A1 (pt) * | 2011-09-30 | 2013-04-04 | Suman Marco Antonio | Método e sistema aplicativo, individual e interativo, dotado com inteligência artificial |
CN203573357U (zh) * | 2013-10-16 | 2014-04-30 | 苏州大学 | 一种艺术品真伪鉴别系统 |
CN105243384A (zh) * | 2015-09-17 | 2016-01-13 | 上海大学 | 一种基于模式识别的文物与艺术品唯一性标识方法 |
CN106651766A (zh) * | 2016-12-30 | 2017-05-10 | 深圳市唯特视科技有限公司 | 一种基于深度卷积神经网络的图像风格迁移方法 |
CN107341461A (zh) * | 2017-06-19 | 2017-11-10 | 江西文联智慧互联网络有限公司 | 智能识别与分析技术鉴别艺术品真伪的方法及其系统 |
CN107480272A (zh) * | 2017-08-19 | 2017-12-15 | 芜湖通全科技有限公司 | 识别分析艺术品真伪的方法及其系统 |
CN107862668A (zh) * | 2017-11-24 | 2018-03-30 | 河海大学 | 一种基于gnn的文物图像复原方法 |
CN107967495A (zh) * | 2017-12-21 | 2018-04-27 | 中科智文(北京)科技有限公司 | 一种铜镜文物识别系统和方法 |
CN109712081A (zh) * | 2018-11-14 | 2019-05-03 | 浙江大学 | 一种融合深度特征的语义风格迁移方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110399834A (zh) | 2019-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110516576B (zh) | 基于深度神经网络的近红外活体人脸识别方法 | |
CN106815566B (zh) | 一种基于多任务卷积神经网络的人脸检索方法 | |
CN110348319B (zh) | 一种基于人脸深度信息和边缘图像融合的人脸防伪方法 | |
CN110728225B (zh) | 一种用于考勤的高速人脸搜索方法 | |
CN113011357B (zh) | 基于时空融合的深度伪造人脸视频定位方法 | |
CN110543846A (zh) | 一种基于生成对抗网络的多姿态人脸图像正面化方法 | |
CN111931701A (zh) | 基于人工智能的姿态识别方法、装置、终端和存储介质 | |
CN107944427B (zh) | 动态人脸识别方法及计算机可读存储介质 | |
CN106504064A (zh) | 基于深度卷积神经网络的服装分类与搭配推荐方法及系统 | |
CN102844766A (zh) | 基于人眼图像的多特征融合身份识别方法 | |
CN106875007A (zh) | 用于语音欺骗检测的基于卷积长短期记忆端对端深度神经网络 | |
CN111274916A (zh) | 人脸识别方法和人脸识别装置 | |
CN109815864B (zh) | 一种基于迁移学习的人脸图像年龄识别方法 | |
CN109784148A (zh) | 活体检测方法及装置 | |
CN108681735A (zh) | 基于卷积神经网络深度学习模型的光学字符识别方法 | |
CN112329683A (zh) | 一种基于注意力机制融合的多通道卷积神经网络人脸表情识别方法 | |
CN110543848B (zh) | 一种基于三维卷积神经网络的驾驶员动作识别方法及装置 | |
CN112651333B (zh) | 静默活体检测方法、装置、终端设备和存储介质 | |
CN111126366A (zh) | 一种活体人脸的判别方法、装置、设备及存储介质 | |
CN109635712B (zh) | 基于同构网络的自发微表情种类判别方法 | |
CN110533026A (zh) | 基于计算机视觉的电竞图像数字与图标信息获取方法 | |
CN109509299A (zh) | 一种具有人脸识别的自动售货机 | |
CN110399834B (zh) | 一种基于人工智能的艺术特征迁移系统及应用 | |
CN106650798A (zh) | 一种结合深度学习与稀疏表示的室内场景识别方法 | |
CN106611156A (zh) | 一种自适应深度空间特征的行人识别方法和系统 |
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 |