CN110968786A - 一种视觉信息推荐方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了一种视觉信息推荐方法、装置、设备及存储介质，涉及智能搜索技术领域。具体实现方案为：在检测到对当前展现图片的触发操作时，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息；将所述待推荐视觉信息在当前展现界面进行展现；其中，待推荐视觉信息包括待推荐图片和/或待推荐视频。本申请实施例通过当前展现图片在预设特征维度下相关联的待推荐视觉信息的确定和展现，扩展了基于图片进行相关信息展现的内容范围，并通过预设特征维度对待推荐视觉信息加以限制，从而实现了更加精细化的信息推荐，进而提升了所推荐信息与用户浏览需求的匹配度。

Description

一种视觉信息推荐方法、装置、设备及存储介质

技术领域

本申请涉及数据处理技术，尤其涉及智能搜索技术领域。

背景技术

在使用电子设备进行图片或视频等视觉信息浏览的场景下，用户都有继续浏览相关性内容的需求。因此，需要对用户当前浏览的视觉信息进行相关信息的推荐。

目前，根据当前浏览的图片的标签内容，为用户推荐标签内容相同或相似的其他图片，或者，根据当前浏览的视频的标签内容，为用户推荐标签内容相同或相似的其他视频。

但上述推荐方案并不能很好的匹配用户的浏览需求。

发明内容

本申请提供了一种视觉信息推荐方法、装置、设备及存储介质，以实现更加精细化的信息推荐，从而提升所推荐信息与用户浏览需求的匹配度。

第一方面，本申请实施例提供了一种视觉信息推荐方法，包括：

在检测到对当前展现图片的触发操作时，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息；

将所述待推荐视觉信息在当前展现界面进行展现；其中，待推荐视觉信息包括待推荐图片和/或待推荐视频。

本申请实施例通过在检测到对当前展现图片的触发操作时，确定当前展现图片在预设维度下相关联的待推荐视觉信息；将包括待推荐图片和/或待推荐视频的待推荐视觉信息在当前展现界面进行展现。上述技术方案通过当前展现图片在预设特征维度下相关联的待推荐视觉信息的确定和展现，扩展了基于图片进行相关信息展现的内容范围，并通过预设特征维度对待推荐视觉信息加以限制，从而实现了更加精细化的信息推荐，进而提升了所推荐信息与用户浏览需求的匹配度。

可选的，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息，包括：

根据预先建立的图片与视频之间的对应关系，确定所述当前展现图片对应的待推荐视频；

其中，所述对应关系是针对所述视频中的帧图片在预设特征维度上进行关键帧图片选取，并基于选取的各所述关键帧图片与所述视频构建对应关系得到。

上述申请中的一种可选实施方式，通过预设特征维度进行关键帧图片选取，并基于所选取的关键帧图片与视频进行对应关系构建，从而可以根据所构建的对应关系确定当前展现图片对应的视频，完善了根据图片进行视频推荐的信息推荐机制，并在关键帧图片选取时通过预设特征维度加以限定，从而在所构建的对应关系中引入特征维度信息，为基于对应关系进行视频的精细化推荐提供了保障。

可选的，针对所述视频中的帧图片在预设特征维度上进行关键帧图片选取，包括：

基于预先训练出的神经网络模型，确定所述视频中的帧图片在预设特征维度上的分值，并根据所述分值选取至少一个帧图片作为关键帧图片。

上述申请中的一个可选实施方式，具体基于神经网络模型对帧图片进行预设特征维度上的分值确定，并根据分值从帧图片中进行关键帧图片的筛选，完善了关键帧图片的提取机制，为图片与视频之间的对应关系的构建提供了数据支撑，并在分值确定过程中引入预设特征维度，从而为基于对应关系进行视频的精细化推荐提供了保障。

可选的，基于预先训练出的神经网络模型，确定所述视频中的帧图片在预设特征维度上的分值，根据所述分值选取至少一个帧图片作为关键帧图片，包括：

将所述视频中的各帧图片作为当前图片集；

将当前图片集输入至预先训练出的当前神经网络模型，获取所述当前神经网络模型输出的当前图片集中各帧图片在当前预设特征维度上的分值，从各帧图片中筛选出所述分值满足当前设定条件的帧图片；

将筛选出的帧图片作为新的当前图片集，将另一神经网络模型作为新的当前神经网络模型，将另一预设特征维度作为新的当前预设特征维度，并返回执行将当前图片集输入至预先训练出的当前神经网络模型的操作，直至当前神经网络模型为第N个神经网络模型，N为不小于2的预设整数值。

上述申请中的一个可选实施方式，通过多神经网络级联的方式，在不同预设特征维度下依次进行视频中的帧图片的筛选，从而使最终筛选出的关键帧图片，在不同特征维度下均能够表征视频，提高了所选取关键帧图片的代表性，进而提高了所推荐视频与当前展现图片的关联度。

可选的，所述当前展现图片为人物图片；

所述当前神经网络模型包括：用于确定帧图片的清晰度分值的神经网络模型、用于确定帧图片是预设人物类型图片的可能性分值的神经网络模型、用于确定帧图片的美学构图分值的神经网络模型、以及用于确定帧图片中人物相貌分值的神经网络模型。

上述申请中的一个可选实施方式，通过将当前展现图片和当前神经网络模型进行细化，以使本申请中的视觉信息推荐方法能够适配基于人物图片进行视频推荐的应用场景。

可选的，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息，包括：

确定并展现所述当前展现图片对应的预设推荐因子；

在检测到对所述预设推荐因子的触发操作时，获取与所触发的预设推荐因子关联的待推荐图片；

其中，所述预设推荐因子表征所述当前展现图片的特征维度。

上述申请中的一个可选实施方式，基于用户触发的预设推荐因子进行图片推荐，能够根据用户的实际需求，针对不同用户进行差异化推荐，完善了基于图片进行图片推荐的信息推荐机制，并通过预设推荐因子对所推荐图片的特征维度加以限制，从而实现了图片的精细化推荐。

可选的，获取与所触发的预设推荐因子关联的待推荐图片，包括：

获取针对所触发的预设推荐因子预先设置的所述当前展现图片的特征数据；

从预先建立的图片库中获取特征数据与所述当前展现图片的特征数据一致，和/或特征数据的相似度大于设定阈值的其他图片，作为与所述预设推荐因子关联的待推荐图片。

上述申请中的一个可选实施方式，根据当前展现图片在预设推荐因子所对应的特征数据，进行相同或相似特征数据的图片的推荐，从而保证了所推荐图片与当前展现图片之间的关联度，使得所推荐图片能够满足用户的实际需求。

可选的，在获取针对所触发的预设推荐因子预先设置的所述当前展现图片的特征数据之前，所述方法还包括：

基于预先训练的神经网络模型，确定样本库中的各图片的特征数据；

将特征数据一致和/或特征数据的相似度大于设定阈值的图片，进行关联存储。

上述申请中的一个可选实施方式，通过追加基于神经网络模型进行图片特征数据的提取，并根据特征数据间的一致性和/或相似性，对图片进行归类存储，从而为基于图片进行待推荐图片的确定奠定基础。

可选的，所述当前展现图片为人物图片；

在所述预设推荐因子为形体推荐因子时，所述特征数据包括：人物标识、脸型、发型、以及形体姿势中的至少一种形体特征；

在所述预设推荐因子为服饰推荐因子时，所述特征数据包括：衣袖长度、裙子长度、以及服装类型中的至少一种服饰特征；

在所述预设推荐因子为场景推荐因子时，所述特征数据包括：写真场景、户外场景、以及沙滩场景中的至少一种场景特征。

上述申请中的一个可选实施方式，通过将当前展现图片和预设推荐因子进行细化，以使本申请中的视觉信息推荐方法能够适配基于任务图片进行不同维度的图片推荐的应用场景。

第二方面，本申请实施例还提供了一种视觉信息推荐装置，包括：

待推荐视觉信息确定模块，用于在检测到对当前展现图片的触发操作时，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息；

待推荐视觉信息展现模块，用于将所述待推荐视觉信息在当前展现界面进行展现；其中，待推荐视觉信息包括待推荐图片和/或待推荐视频。

第三方面，本申请实施例还提供了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面实施例所提供的一种视觉信息推荐方法。

第四方面，本申请实施例还提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如第一方面实施例所提供的一种视觉信息推荐方法。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请实施例一中的一种视觉信息推荐方法的流程图；

图2A是本申请实施例二中的一种视觉信息推荐方法的流程图；

图2B是本申请实施例二中的基于图片进行视频推荐的示意图；

图3A是本申请实施例三中的一种视觉信息推荐方法的流程图；

图3B是本申请实施例三中的基于图片进行图片推荐的示意图；

图4是本申请实施例四中的一种视觉信息推荐装置的结构图；

图5是用来实现本申请实施例的视觉信息推荐方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

实施例一

图1是本申请实施例一中的一种视觉信息推荐方法的流程图，本申请实施例适用于在网页或应用程序的展现界面，基于所展现图片进行视觉信息推荐的情况，该方法通过视觉信息推荐装置执行，该装置由软件和/或硬件实现，并具体配置于电子设备中，该电子设备可以是手机或平板电脑等移动终端，也可以是数字电视、PC机等固定终端。

如图1所示的一种视觉信息推荐方法，包括：

S101、在检测到对当前展现图片的触发操作时，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息。

其中，对当前展现图片的触发操作，可以是长按操作或点击操作等。

其中，预设特征维度用于表征待推荐视觉信息与当前展现图片的关联层面。

具体的，当用户通过网页或应用程序浏览图片时，通过网页或应用程序的展现界面向用户展现图片，当用户具备与当前展现图片相关联的其他视觉信息的展现需求时，通过长按或点击等操作触发当前展现图片，从而确定当前展现图片在预设特征维度下相关联的待推荐视觉信息。

示例性地，预设特征维度可以通过技术人员在网页或应用程序开发阶段根据经验值或用户需求固定设置；或者可选的，预设特征维度还可以通过用户在网页或应用程序中手动配置。当然，为了保证所推荐的视觉信息与当前展现图片之间的关联关系，预设特征维度还可以通过对当前展现图片进行分析得到。例如，可以通过神经网络模型解析当前展现图片，从而得到相应的预设特征维度；其中，神经网络模型基于大量图片的特征数据和实际特征维度作为样本数据训练得到。

S102、将所述待推荐视觉信息在当前展现界面进行展现；其中，待推荐视觉信息包括待推荐图片和/或待推荐视频。

示例性地，直接使用待推荐视觉信息覆盖当前展现图片，并将待推荐视觉信息在当前展现界面进行展现。或者可选的，将待推荐视觉信息和当前展现图片在当前展现界面中同时展现。

需要说明的是，待推荐视觉信息的数量可以是至少一个；当待推荐视觉信息有多个时，可以在当前展现界面按照一定排列方式分页展示。

可以理解的是，为了避免展现内容混乱，当待推荐视觉信息包括待推荐图片和待推荐视频时，还可以将图片和视频在不同展示区域区分展示。

本申请实施例通过在检测到对当前展现图片的触发操作时，确定当前展现图片在预设维度下相关联的待推荐视觉信息；将包括待推荐图片和/或待推荐视频的待推荐视觉信息在当前展现界面进行展现。上述技术方案通过当前展现图片在预设特征维度下相关联的待推荐视觉信息的确定和展现，扩展了基于图片进行相关信息展现的内容范围，并通过预设特征维度对待推荐视觉信息加以限制，从而实现了更加精细化的信息推荐，从而提升了所推荐信息与用户浏览需求的匹配度。

实施例二

图2A是本申请实施例二中的一种视觉信息推荐方法的流程图，本申请实施例在上述各实施例的技术方案的基础上，进行了优化改进。

进一步地，将操作“确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息”细化为“根据预先建立的图片与视频之间的对应关系，确定所述当前展现图片对应的待推荐视频；其中，所述对应关系是针对所述视频中的帧图片在预设特征维度上进行关键帧图片选取值，并基于选取的各所述关键帧图片与所述视频构建对应关系得到”，以完善基于图片进行视频推荐的信息推荐机制。

如图2A所示的一种视觉信息推荐方法，包括：

S201、在检测到对当前展现图片的触发操作时，根据预先建立的图片与视频之间的对应关系，确定所述当前展现图片对应的待推荐视频。

其中，所述对应关系是针对所述视频中的帧图片在预设特征维度上进行关键帧图片选取，并基于选取的各所述关键帧图片与所述视频构建对应关系得到。在本申请实施例的一个可选实施方式中，在根据预先建立的图片与视频之间的对应关系，确定当前展现图片对应的待推荐视频之前，还可以进行图片与视频之间对应关系的构建操作。示例性地，对于视频库中的各视频，选取视频中的至少一个关键帧图片，建立选取的各关键帧图片与视频之间的对应关系。

在本申请实施例的一个可选实施方式中，在选取视频中的至少一个关键帧图片时，还可以对视频中的帧图片进行聚类分析；针对每个类别，提取该类别中各帧图片的特征数据与当前展现图片进行相似度确定，选取相似度大于设定阈值的帧图片作为该类别对应的预设特征维度下的关键帧图片。其中，设定阈值可以由技术人员根据需要或经验值加以设定，或通过大量试验反复确定。

在本申请实施例的另一可选实施方式中，在选取视频中的至少一个关键帧图片时，基于预先训练的神经网络模型，确定视频中的帧图片在预设特征维度上的分值；根据该分值选取至少一个帧图片，作为关键帧图片。

示例性地，基于预先训练出的神经网络模型，确定视频中的帧图片在预设特征维度上的分值，根据分值选取至少一个帧图片，作为关键帧图片，可以是：基于不同预设特征维度对应的神经网络模型，确定视频中的帧图片在相应预设特征维度上的分值；根据分值选取至少一个帧图片，作为关键帧图片。

需要说明的是，通过上述方式，能够在不同预设特征维度上确定该视频对应的关键帧图片，从而构建不同预设特征维度下关键帧图片与视频之间的对应关系。

示例性地，基于预先训练出的神经网络模型，确定视频中的帧图片在预设特征维度上的分值，根据分值选取至少一个帧图片，作为关键帧图片，可以是：将所述视频中的各帧图片作为当前图片集；将当前图片集输入至预先训练出的当前神经网络模型，获取所述当前神经网络模型输出的当前图片集中各帧图片在当前预设特征维度上的分值，从各帧图片中筛选出所述分值满足当前设定条件的帧图片；将筛选出的帧图片作为新的当前图片集，将另一神经网络模型作为新的当前神经网络模型，将另一预设特征维度作为新的当前预设特征维度，并返回执行将当前图片集输入至预先训练出的当前神经网络模型的操作，直至当前神经网络模型为第N个神经网络模型，N为不小于2的预设整数值。

需要说明的是，上述可选实施方式能够通过多神经网络级联的方式，在不同预设特征维度下依次进行视频中的帧图片的筛选，从而使最终筛选出的关键帧图片，在不同特征维度下均能够表征视频，提高了所选取关键帧图片的代表性，进而提高了所推荐视频与当前展现图片的关联度。

在本申请实施例的一种可选实施方式下，所述当前展现图片可以是人物图片；所述当前神经网络模型包括下述至少一种：用于确定帧图片的清晰度分值的神经网络模型、用于确定帧图片是预设人物类型图片的可能性分值的神经网络模型、用于确定帧图片的美学构图分值的神经网络模型、以及用于确定帧图片中人物相貌分值的神经网络模型。

其中，用于确定帧图片的清晰度分值的神经网络模型所对应的预设特征维度可以是图片清晰度维度；用于确定帧图片是预设人物类型图片的可能性分值的神经网络模型所对应的预设特征维度可以是人物类型维度；用于确定帧图片的美学构图分值的神经网络模型所对应的预设特征维度可以是美学构图维度；用于确定帧图片中人物相貌分值的神经网络模型所对应的预设特征维度可以是人物相貌维度。

S202、将所述待推荐视频在当前展现界面进行展现。

示例性地，可以直接将确定的待推荐视频在当前展现界面中进行播放展示。当然，为了减少数据传输量和数据播放占用的内存资源，在展现待推荐视频时，仅进行视频封面的展示，当用户对所展示视频方面进行触发后，在对所展现视频封面对应的视频进行播放展示。

可以理解的是，当确定的待推荐视频为多个时，还可以按照设定顺序对待推荐视频的视频封面排列展示和/或分页展示。其中，排列顺序可以通过待推荐视频类型、播放量、当前热度、视频上传时间、以及关键帧图片与当前展示图片的相似度等中的至少一种进行确定。

根据图2B所示的基于图片进行视频推荐的示意图可知：图2B中的(b)为正常浏览态的图片，也即当前展现图片；在图2B中的(c)中检测到用户长按图片时，触发视频推荐操作，查找到与当前展现图片对应的关键帧图片；在图2B的(d)中，根据当前展现图片，向用户推荐了包含该关键帧图片的一段视频进行展现。

可以理解的是，在用户正常浏览图片之前进行图片展现时，为了便于视频推荐功能的应用推广，还可以采用图2B中(a)的方式，通过在图中添加提示信息，对新用户进行视频推荐功能的引导。示例性地，提示信息可以包括触发操作指示等。

本申请实施例通过在检测到对当前展现图片的触发操作时，通过预先建立的图片与视频之间的对应关系进行待推荐视频的确定，完善了基于图片进行视频推荐的信息推荐机制，并通过神经网络模型的使用，进行视频中帧图片在预设特征维度上的分值的确定，根据所确定的分值进行关键帧图片的筛选，从而构建关键帧图片与视频之间的对应关系，用于作为基于图片进行视频推荐的相关依据，以使在进行视频推荐时进行不同预设特征维度的考量，从而实现了视频的精细化推荐。

实施例三

图3A是本申请实施例三中的一种视觉信息推荐方法的流程图，本申请实施例在上述各实施例的技术方案的基础上，进行了优化改进。

进一步地，将操作“确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息”细化为“确定并展现所述当前展现图片对应的预设推荐因子；在检测到对所述预设推荐因子的触发操作时，获取与所触发的预设推荐因子关联的待推荐图片；其中，所述预设推荐因子表征所述当前展现图片的特征维度”，以完善基于图片进行图片推荐的信息推荐机制。

如图3A所示的一种视觉信息推荐方法，包括：

S301、在检测到对当前展现图片的触发操作时，确定并展现所述当前展现图片对应的预设推荐因子。其中，所述预设推荐因子表征所述当前展现图片的特征维度。

其中，对当前展现图片的触发操作可以是长按操作或点击操作。

在本申请实施例的一个可选实施方式中，确定当前展现图片对应的预设推荐因子，可以是对当前展现图片中的图片特征进行解析，并将解析获取的各图片特征对应的标签信息作为预设推荐因子。

在本申请实施例的另一可选实施方式中，确定当前展现图片对应的预设推荐因子，可以从当前展现图片的文本标签中，读取当前展现图片对应的预设推荐因子。示例性地，可以从当前展现图片的文本标签中提取关键词，并将所提取的关键词作为预设推荐因子。

可以理解的是，为了便于后续从不同维度进行图片推荐，所确定的当前展现图片的预设推荐因子至少为两个。

示例性地，展现当前展现图片对应的预设推荐因子，可以通过浮窗或按钮的方式对预设推荐因子加以展现。当然，为了用户方便操作，使用同一网页或应用程序进行图片展现时，预设推荐因子的展现位置可以在固定位置加以展现；其中展现位置可以由技术人员在网页或应用程序开发阶段，根据经验值或用户需求加以设定，还可以由用户根据个人喜好自行配置确定。

可以理解的是，为了不影响用户对当前展现图片的浏览，预设推荐因子在展现时，还可以通过解析当前展现图片相邻区域的像素差值，确定当前展现图片中的非重要区域，并在非重要区域中进行预设推荐因子的展现。示例性地，在一张人物图片中，非重要区域可以是人物背景区域。

S302、在检测到对所述预设推荐因子的触发操作时，获取与所触发的预设推荐因子关联的待推荐图片。

其中，对预设推荐因子的触发操作可以是点击操作。

在本申请实施例的一个可选实施方式中，获取与所触发的预设推荐因子关联的待推荐图片，可以是：获取针对所触发的预设推荐因子预先设置的所述当前展现图片的特征数据；从预先建立的图片库中获取特征数据与所述当前展现图片的特征数据一致，和/或特征数据的相似度大于设定阈值的其他图片，作为与所述预设推荐因子关联的待推荐图片。其中，设定阈值由技术人员根据需要或经验值进行确定。

示例性地，在获取针对所触发的预设推荐因子预先设置的所述当前展现图片的特征数据之前，还可以设置不同图片与相应特征数据之间的关联关系。可选的，在构建图片与特征数据之间关联关系时，可以采用以下方式加以实现：基于预先训练的神经网络模型，确定样本库中的各图片的特征数据；将特征数据一致和/或特征数据的相似度大于设定阈值的图片，进行关联存储。其中，神经网络模型可以基于大量图片以及各图片的特征数据，作为样本数据对初始构建的神经网络模型训练得到。

可以理解的是，为了对所提取的特征数据在不同预设特征维度下加以区分，还可以针对不用预设特征维度进行不同神经网络模型的训练。也即，基于大量图片以及各图片在设定特征维度的特征数据，作为样本数据对针对该设定特征维度构建的神经网络模型进行训练。相应的，在进行特征数据提取时，将当前展现图片作为输入数据输入至设定特征维度对应的神经网络模型中，从而对当前展现图片在该设定特征维度下进行特征数据提取。

示例性地，获取针对预设推荐因子预先设置的当前展现图片的特征数据，可以是根据预设推荐因子对应的特征提取模型，在预设推荐因子对应的特征维度上对当前展现图片进行特征数据提取。

示例性地，获取针对预设推荐因子预先设置的当前展现图片的特征数据，可以是从当前展现图片的文本标签中，读取针对预设推荐因子预先设置的当前展现图片的特征数据。

在本申请实施例的一种可选实施方式中，所述当前展现图片可以是人物图片；在所述预设推荐因子为形体推荐因子时，所述特征数据包括：人物标识、脸型、发型、以及形体姿势等形体特征中的至少一种；在所述预设推荐因子为服饰推荐因子时，所述特征数据包括：衣袖长度、裙子长度、以及服装类型等服饰特征中的至少一种；在所述预设推荐因子为场景推荐因子时，所述特征数据包括：写真场景、户外场景、以及沙滩场景等场景特征中的至少一种。

S303、将所述待推荐图片在当前展现界面进行展现。

示例性地，当确定的待推荐图片为多个时，可以按照设定顺序对待推荐图片排列展示和/或分页展示。其中，排列顺序可以通过图片类型、播放量、当前热度、图片上传时间、以及待推荐图片与当前展现图片的相似度等中的至少一种进行确定。

根据图3B所示的基于图片进行图片推荐的示意图可知，图3B的(a)为正常浏览态的图片，也即当前展现图片；在图3B的(b)中检测到用户长按图片时，触发图片推荐操作；在图3B的(c)中，在检测到对当前展现图片的长按操作后，对当前图片对应的预设推荐因子“形体推荐”、“服饰推荐”、以及“场景推荐”进行展现。

当检测到用户对图3B的(c)中的“形体推荐”这一预设推荐因子的点击操作后，确定与“形体推荐”所关联的各待推荐图片，并将各待推荐图片进行展现，参见图3B中的(d)；当检测到用户对图3B的(c)中的“服饰推荐”这一预设推荐因子的点击操作后，确定与“服饰推荐”所关联的各待推荐图片，并将各待推荐图片进行展现，参见图3B中的(e)；；当检测到用户对

图3B的(c)中的“场景推荐”这一预设推荐因子的点击操作后，确定与“场景推荐”所关联的各待推荐图片，并将各待推荐图片进行展现，参见图3B中的(f)。为了便于用户掌握待推荐图片的数量，还可以在待推荐图片的展现界面进行数量信息的展示。当然，还可以在待推荐图片附近对图片的点击和/或浏览情况加以展现，以丰富所展现内容。

可以理解的是，在用户正常浏览图片之前进行图片展现时，为了便于视频推荐功能的应用推广，还可以在当前展现图片的基础上添加提示信息，对新用户进行图片推荐功能的引导。示例性地，提示信息可以包括触发操作指示等。

本申请实施例基于用户触发的预设推荐因子进行图片推荐，能够根据用户的实际需求，针对不同用户进行差异化推荐，完善了基于图片进行图片推荐的信息推荐机制，并通过预设推荐因子对所推荐图片的特征维度加以限制，从而实现了图片的精细化推荐。

实施例四

图4是本申请实施例四中的一种视觉信息推荐装置的结构图，本申请实施例适用于在网页或应用程序的展现界面，基于所展现图片进行视觉信息推荐的情况，该装置由软件和/或硬件实现，并具体配置于电子设备中，该电子设备可以是手机或平板电脑等移动终端，也可以是数字电视、PC机等固定终端。

如图4所示的一种视觉信息推荐装置400，包括：待推荐视觉信息确定模块401和待推荐视觉信息展现模块402。

待推荐视觉信息确定模块401，用于在检测到对当前展现图片的触发操作时，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息；

待推荐视觉信息展现模块402，用于将所述待推荐视觉信息在当前展现界面进行展现；其中，待推荐视觉信息包括待推荐图片和/或待推荐视频。

本申请实施例通过待推荐视觉信息确定模块在检测到对当前展现图片的触发操作时，确定当前展现图片在预设维度下相关联的待推荐视觉信息；通过待推荐视觉信息展现模块将包括待推荐图片和/或待推荐视频的待推荐视觉信息在当前展现界面进行展现。上述技术方案通过当前展现图片在预设特征维度下相关联的待推荐视觉信息的确定和展现，扩展了基于图片进行相关信息展现的内容范围，并通过预设特征维度对待推荐视觉信息加以限制，从而实现了更加精细化的信息推荐，进而提升了所推荐信息与用户浏览需求的匹配度。

进一步地，待推荐视觉信息确定模块401，在执行确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息时，具体用于：

根据预先建立的图片与视频之间的对应关系，确定所述当前展现图片对应的待推荐视频；

其中，所述对应关系是针对所述视频中的帧图片在预设特征维度上进行关键帧图片选取，并基于选取的各所述关键帧图片与所述视频构建对应关系得到。

进一步地，待推荐视觉信息确定模块401，在执行针对所述视频中的帧图片在预设特征维度上进行关键帧图片选取时，具体用于：

基于预先训练出的神经网络模型，确定所述视频中的帧图片在预设特征维度上的分值，并根据所述分值选取至少一个帧图片作为关键帧图片。

进一步地，该装置还包括，对应关系构建模块，具体用于：

基于预先训练出的神经网络模型，确定所述视频中的帧图片在预设特征维度上的分值，根据所述分值选取至少一个帧图片作为关键帧图片；

根据所述分值选取至少一个帧图片作为关键帧图片，并基于选取的各所述关键帧图片与所述视频构建对应关系。

进一步地，对应关系构建模块，在执行基于预先训练出的神经网络模型，确定所述视频中的帧图片在预设特征维度上的分值，根据所述分值选取至少一个帧图片作为关键帧图片时，具体用于：

将所述视频中的各帧图片作为当前图片集；

将当前图片集输入至预先训练出的当前神经网络模型，获取所述当前神经网络模型输出的当前图片集中各帧图片在当前预设特征维度上的分值，从各帧图片中筛选出所述分值满足当前设定条件的帧图片；

将筛选出的帧图片作为新的当前图片集，将另一神经网络模型作为新的当前神经网络模型，将另一预设特征维度作为新的当前预设特征维度，并返回执行将当前图片集输入至预先训练出的当前神经网络模型的操作，直至当前神经网络模型为第N个神经网络模型，N为不小于2的预设整数值。

进一步地，所述当前展现图片为人物图片；

所述当前神经网络模型包括：用于确定帧图片的清晰度分值的神经网络模型、用于确定帧图片是预设人物类型图片的可能性分值的神经网络模型、用于确定帧图片的美学构图分值的神经网络模型、以及用于确定帧图片中人物相貌分值的神经网络模型。

进一步地，待推荐视觉信息确定模块401，在执行确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息时，具体用于：

确定并展现所述当前展现图片对应的预设推荐因子；

在检测到对所述预设推荐因子的触发操作时，获取与所触发的预设推荐因子关联的待推荐图片；

其中，所述预设推荐因子表征所述当前展现图片的特征维度。

进一步地，待推荐视觉信息确定模块401，在执行获取与所触发的预设推荐因子关联的待推荐图片时，具体用于：

获取针对所触发的预设推荐因子预先设置的所述当前展现图片的特征数据；

从预先建立的图片库中获取特征数据与所述当前展现图片的特征数据一致，和/或特征数据的相似度大于设定阈值的其他图片，作为与所述预设推荐因子关联的待推荐图片。

进一步地，该装置还包括，关联存储模块，具体用于：

在获取针对所触发的预设推荐因子预先设置的所述当前展现图片的特征数据之前，基于预先训练的神经网络模型，确定样本库中的各图片的特征数据；

将特征数据一致和/或特征数据的相似度大于设定阈值的图片，进行关联存储。

进一步地，所述当前展现图片为人物图片；

在所述预设推荐因子为形体推荐因子时，所述特征数据包括：人物标识、脸型、发型、以及形体姿势中的至少一种形体特征；

在所述预设推荐因子为服饰推荐因子时，所述特征数据包括：衣袖长度、裙子长度、以及服装类型中的至少一种服饰特征；

在所述预设推荐因子为场景推荐因子时，所述特征数据包括：写真场景、户外场景、以及沙滩场景中的至少一种场景特征。

上述视觉信息推荐装置可执行本申请任意实施例所提供的视觉信息推荐方法，具备执行视觉信息推荐方法相应的功能模块和有益效果。

实施例五

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是执行本申请实施例的视觉信息推荐方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的视觉信息推荐方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的视觉信息推荐方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的视觉信息推荐方法对应的程序指令/模块(例如，附图4所示的待推荐视觉信息确定模块401和待推荐视觉信息展现模块402)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的视觉信息推荐方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据执行视觉信息推荐方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至执行视觉信息推荐方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

执行视觉信息推荐方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与执行视觉信息推荐方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过在检测到对当前展现图片的触发操作时，确定当前展现图片在预设维度下相关联的待推荐视觉信息；将包括待推荐图片和/或待推荐视频的待推荐视觉信息在当前展现界面进行展现。上述技术方案通过当前展现图片在预设特征维度下相关联的待推荐视觉信息的确定和展现，扩展了基于图片进行相关信息展现的内容范围，并通过预设特征维度对待推荐视觉信息加以限制，从而实现了更加精细化的信息推荐，进而提升了所推荐信息与用户浏览需求的匹配度。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种视觉信息推荐方法，其特征在于，包括：

在检测到对当前展现图片的触发操作时，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息；

将所述待推荐视觉信息在当前展现界面进行展现；其中，待推荐视觉信息包括待推荐图片和/或待推荐视频。

2.根据权利要求1所述的方法，其特征在于，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息，包括：

根据预先建立的图片与视频之间的对应关系，确定所述当前展现图片对应的待推荐视频；

其中，所述对应关系是针对所述视频中的帧图片在预设特征维度上进行关键帧图片选取，并基于选取的各所述关键帧图片与所述视频构建对应关系得到。

3.根据权利要求2所述的方法，其特征在于，针对所述视频中的帧图片在预设特征维度上进行关键帧图片选取，包括：

基于预先训练出的神经网络模型，确定所述视频中的帧图片在预设特征维度上的分值，并根据所述分值选取至少一个帧图片作为关键帧图片。

4.根据权利要求3所述的方法，其特征在于，基于预先训练出的神经网络模型，确定所述视频中的帧图片在预设特征维度上的分值，根据所述分值选取至少一个帧图片作为关键帧图片，包括：

将所述视频中的各帧图片作为当前图片集；

将当前图片集输入至预先训练出的当前神经网络模型，获取所述当前神经网络模型输出的当前图片集中各帧图片在当前预设特征维度上的分值，从各帧图片中筛选出所述分值满足当前设定条件的帧图片；

将筛选出的帧图片作为新的当前图片集，将另一神经网络模型作为新的当前神经网络模型，将另一预设特征维度作为新的当前预设特征维度，并返回执行将当前图片集输入至预先训练出的当前神经网络模型的操作，直至当前神经网络模型为第N个神经网络模型，N为不小于2的预设整数值。

5.根据权利要求4所述的方法，其特征在于，所述当前展现图片为人物图片；

所述当前神经网络模型包括：用于确定帧图片的清晰度分值的神经网络模型、用于确定帧图片是预设人物类型图片的可能性分值的神经网络模型、用于确定帧图片的美学构图分值的神经网络模型、以及用于确定帧图片中人物相貌分值的神经网络模型。

6.根据权利要求1所述的方法，其特征在于，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息，包括：

确定并展现所述当前展现图片对应的预设推荐因子；

在检测到对所述预设推荐因子的触发操作时，获取与所触发的预设推荐因子关联的待推荐图片；

其中，所述预设推荐因子表征所述当前展现图片的特征维度。

7.根据权利要求6所述的方法，其特征在于，获取与所触发的预设推荐因子关联的待推荐图片，包括：

获取针对所触发的预设推荐因子预先设置的所述当前展现图片的特征数据；

从预先建立的图片库中获取特征数据与所述当前展现图片的特征数据一致，和/或特征数据的相似度大于设定阈值的其他图片，作为与所述预设推荐因子关联的待推荐图片。

8.根据权利要求7所述的方法，其特征在于，在获取针对所触发的预设推荐因子预先设置的所述当前展现图片的特征数据之前，所述方法还包括：

基于预先训练的神经网络模型，确定样本库中的各图片的特征数据；

将特征数据一致和/或特征数据的相似度大于设定阈值的图片，进行关联存储。

9.根据权利要求8所述的方法，其特征在于，所述当前展现图片为人物图片；

在所述预设推荐因子为形体推荐因子时，所述特征数据包括：人物标识、脸型、发型、以及形体姿势中的至少一种形体特征；

在所述预设推荐因子为服饰推荐因子时，所述特征数据包括：衣袖长度、裙子长度、以及服装类型中的至少一种服饰特征；

在所述预设推荐因子为场景推荐因子时，所述特征数据包括：写真场景、户外场景、以及沙滩场景中的至少一种场景特征。

10.一种视觉信息推荐装置，其特征在于，包括：

待推荐视觉信息确定模块，用于在检测到对当前展现图片的触发操作时，确定所述当前展现图片在预设特征维度下相关联的待推荐视觉信息；

待推荐视觉信息展现模块，用于将所述待推荐视觉信息在当前展现界面进行展现；其中，待推荐视觉信息包括待推荐图片和/或待推荐视频。

11.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-9中任一项所述的一种视觉信息推荐方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行如权利要求1-9中任一项所述的一种视觉信息推荐方法。

Images