WO2019120017A1 - 照片的调整方法、装置、存储介质及电子设备 - Google Patents
照片的调整方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- WO2019120017A1 WO2019120017A1 PCT/CN2018/116418 CN2018116418W WO2019120017A1 WO 2019120017 A1 WO2019120017 A1 WO 2019120017A1 CN 2018116418 W CN2018116418 W CN 2018116418W WO 2019120017 A1 WO2019120017 A1 WO 2019120017A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- photo
- electronic device
- adjusted
- target
- memory capacity
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000013145 classification model Methods 0.000 claims abstract description 54
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 9
- 241001465754 Metazoa Species 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 238000007635 classification algorithm Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/35—Categorising the entire scene, e.g. birthday party or wedding scene
Definitions
- the embodiment may further include: acquiring a total running memory capacity of the electronic device, and a currently occupied running memory capacity; and calculating the currently occupied running.
- the amount of memory capacity as a percentage of the total capacity of the running memory.
- performing the scene classification on the to-be-adjusted photo by using the preset image scene classification model may include: if the percentage is less than the preset ratio, using the preset image scene classification model, Adjusted photos for scene classification.
- Cameras are installed on many electronic devices, including front and rear cameras, and the pixels of these cameras are already up to 10 million pixels. Users often use electronic devices to take pictures. In addition to the photos that are required to be photographed are sufficiently clear, the user's requirements for the beautification of the photos are getting higher and higher.
- the electronic device can perform a beautification adjustment based on a color histogram and a color space conversion method on a photograph taken by a user. However, these photo beautification methods are less flexible.
- the electronic device may use the preset image scene classification model to classify the scene to be adjusted, and determine the scene category to which the photo to be adjusted belongs, that is, the target scene category.
- the preset image scene classification model is an algorithm model for classifying the shooting scene to which the photo belongs.
- the preset image scene classification model may be an image classification algorithm model based on deep learning.
- a target adjustment parameter corresponding to the target scene category is acquired.
- the electronic device acquires a photo to be adjusted.
- the electronic device counts the number of photos to be adjusted.
- the electronic device can detect whether the number of photos to be adjusted reaches a preset threshold.
- the running memory generally refers to a random access memory (RAM) of an electronic device.
- RAM random access memory
- the electronic device can then detect if the percentage is less than a preset ratio.
- the electronic device can temporarily perform other operations.
- the electronic device may first process some photos that need to be beautified, and then process the remaining photos that need to be beautified when it is detected that the running memory usage is lower than the preset ratio.
- the electronic device acquires a target adjustment parameter corresponding to the target scene category.
- 206 and 207 can include:
- the electronic device acquires a current time, and detects whether the current time belongs to a preset time period;
- the electronic device can directly use the preset image scene classification model to perform scene classification on the photo to be adjusted. And determining the target scene category to which the photo to be adjusted belongs. Then, the electronic device may acquire a target adjustment parameter corresponding to the target scene category, and adjust the photo to be adjusted according to the target adjustment parameter.
- the electronic device uses the preset image scene classification model to classify the photos to be adjusted, and determines the target scene category to which the photo to be adjusted belongs; the electronic device acquires the target scene category The corresponding target adjustment parameter; the electronic device adjusts the photo to be adjusted according to the target adjustment parameter.
- the electronic device may first count the number of photos to be adjusted. If it is detected that the number of photos to be adjusted reaches a preset threshold, the electronic device may further acquire the current time. If it is detected that the current time is in the preset time period, the electronic device can obtain the total running memory capacity and the currently occupied running memory capacity, and calculate the current occupied running memory capacity as a percentage of the total running memory capacity. If the percentage is less than the preset ratio, the electronic device may continue to perform the scene classification by using the preset image scene classification model, and determine the target scene category to which the photo to be adjusted belongs. Finally, the electronic device can acquire the target adjustment parameter corresponding to the target scene category, and adjust each photo to be adjusted according to the target adjustment parameter.
- FIG. 3 to FIG. 4 are schematic diagrams of a method for adjusting a photo according to an embodiment of the present disclosure.
- the user turns on the continuous shooting mode to shoot the animals in motion.
- the electronic device can obtain a set of photos obtained just after the continuous shooting, that is, the electronic device acquires a set of photos to be adjusted.
- a determining module configured to perform scene classification on the photo to be adjusted by using a preset image scene classification model, and determine a target scene category to which the photo to be adjusted belongs.
- the second obtaining module is configured to acquire a target adjustment parameter corresponding to the target scene category.
- the adjusting device of the photo may further include: a third acquiring module, configured to acquire a total running memory capacity of the electronic device, and a currently occupied running memory capacity; and calculate the currently occupied running The amount of memory capacity as a percentage of the total capacity of the running memory.
- the adjusting device of the photo may further include: a statistics module, configured to count the number of the photos to be adjusted.
- the adjusting device of the photo may further include: a fourth acquiring module, configured to acquire a current time, and detect whether the current time belongs to a preset time period.
- the third acquiring module may be configured to: if it is detected that the current time belongs to a preset time period, acquire a total operating memory capacity of the electronic device.
- FIG. 5 is a schematic structural diagram of a photo adjusting apparatus according to an embodiment of the present application.
- the photo adjustment device 300 may include a first acquisition module 301, a determination module 302, a second acquisition module 303, and an adjustment module 304.
- the first obtaining module 301 may first obtain a photo that needs to be beautified, that is, the first obtaining module 301 may first obtain a photo to be adjusted.
- the preset image scene classification model is an algorithm model for classifying the shooting scene to which the photo belongs.
- the preset image scene classification model may be an image classification algorithm model based on deep learning.
- Scene categories of photos may include, for example, person photos, animal photos, plant photos, landscape photos, outdoor shooting environments, indoor shooting environments, backlit shooting environments, and the like. It is to be understood that the examples herein do not constitute a limitation of the embodiment.
- the second obtaining module 303 is configured to acquire a target adjustment parameter corresponding to the target scene category.
- the potted plant in the photo will become more vivid and full in color after adjusting the photo to be adjusted using the target adjustment parameter.
- the third obtaining module 305 is configured to acquire a total running memory capacity of the electronic device and a running memory capacity that is currently occupied; and calculate a percentage of the currently occupied running memory capacity as a percentage of the total running memory capacity.
- the third obtaining module 305 can calculate the percentage of the currently occupied running memory capacity as a percentage of the total running memory capacity. It can be understood that the percentage can be used to indicate the current occupancy of the running memory of the electronic device.
- the third obtaining module 305 can detect whether the percentage is less than a preset ratio.
- the statistics module 306 is configured to count the number of photos to be adjusted.
- the statistics module 306 can count the number of photos to be adjusted.
- the electronic device may directly use the preset image scene classification model, perform scene classification on the photo to be adjusted, and determine a target scene to which the photo to be adjusted belongs. category. Then, the electronic device may acquire a target adjustment parameter corresponding to the target scene category, and adjust the photo to be adjusted according to the target adjustment parameter.
- the fourth obtaining module 307 is configured to acquire a current time, and detect whether the current time belongs to a preset time period.
- the electronic device can directly use the preset image scene classification model to perform scene classification on the photo to be adjusted. And determining the target scene category to which the photo to be adjusted belongs. Then, the electronic device can acquire a target adjustment parameter corresponding to the target scene category, and adjust the photo to be adjusted according to the target adjustment parameter.
- the third obtaining module 305 may first acquire the total running memory capacity of the electronic device, and the currently occupied running memory capacity, and calculate the percentage of the currently occupied running memory capacity as a percentage of the total running memory capacity. If the percentage is less than the preset ratio, the electronic device may continue to perform scene classification and subsequent steps on the photo to be adjusted by using a preset image scene classification model.
- a recording module 308 configured to record a time when the user uses the electronic device; determine, according to the recorded time of using the electronic device by the user, a target time period in which the user frequently uses the electronic device; and determine the target time period as the preset time segment.
- the recording module 308 can record the time when the user uses the electronic device. If the user opens an application, the user can be considered to use the electronic device once. After recording the time when the user uses the electronic device, the recording module 308 can determine the time period during which the user frequently uses the electronic device, that is, the target time period. The recording module 308 can then determine the target time period as a preset time period. For example, the recording module 308 determines that the user frequently uses the electronic device during the two time periods from 9:00 to 12:00 and from 14:00 to 18:00, and the recording module 308 can switch from 9:00 to 12 The two time periods of :00 and 14:00 to 18:00 are determined as preset time periods.
- the preset time period is a time period in which the user frequently uses the electronic device, and in the preset time period, generally, the electronic device has more applications in the background, so that the occupation rate of the running memory of the electronic device is higher. high.
- the embodiment of the present application provides a computer readable storage medium having a computer program stored thereon, and when the computer program is executed on a computer, causing the computer to execute a process in the method for adjusting a photo provided by the embodiment. .
- the embodiment of the present application further provides an electronic device, including a memory, and a processor, by using a computer program stored in the memory, to execute a process in a method for adjusting a photo provided by the embodiment.
- the above electronic device may be a mobile terminal such as a tablet or a smart phone.
- FIG. 7 is a schematic structural diagram of an electronic device according to an embodiment of the present application.
- the camera unit 401 may include a front camera, a rear camera, and the like.
- the processor 403 in the electronic device loads the executable code corresponding to the process of one or more applications into the memory 402 according to the following instructions, and is executed by the processor 403 to be stored in the memory.
- the electronic device 500 may include components such as an imaging unit 501, a memory 502, a processor 503, an input unit 504, an output unit 505, and the like.
- Memory 502 can be used to store applications and data.
- the application stored in the memory 502 contains executable code.
- Applications can form various functional modules.
- the processor 503 executes various functional applications and data processing by running an application stored in the memory 502.
- the processor 503 is a control center of the electronic device, and connects various parts of the entire electronic device using various interfaces and lines, executes the electronic device by running or executing an application stored in the memory 502, and calling data stored in the memory 502. The various functions and processing of data to provide overall monitoring of the electronic device.
- the output unit 505 can be used to display information input by the user or information provided to the user as well as various graphical user interfaces of the electronic device, which can be composed of graphics, text, icons, video, and any combination thereof.
- the output unit may include a display panel.
- the processor 503 may further perform: acquiring a total running memory capacity of the electronic device, and a currently occupied running memory capacity; and calculating the current The occupied running memory capacity as a percentage of the total running memory capacity.
- the processor 503 may perform: if the percentage is less than the preset ratio, the preset image scene classification is performed.
- the model performs scene classification on the photo to be adjusted.
- the processor 503 may further perform: counting the number of the photos to be adjusted.
- the processor 503 may be configured to: if detecting that the current time belongs to the preset time period, acquire the total running memory capacity of the electronic device.
- the processor 503 may further perform: if it is detected that the current time does not belong to the preset time period, using a preset image scene classification model And performing a scene classification on the photo to be adjusted, determining a target scene category to which the photo to be adjusted belongs, acquiring a target adjustment parameter corresponding to the target scene category, and adjusting the parameter according to the target Adjust the photo to adjust.
- the adjusting device of the photo provided by the embodiment of the present application is the same as the method for adjusting the photo in the above embodiment, and any one of the embodiments provided in the adjusting method of the photo may be operated on the adjusting device of the photo
- the specific implementation process of the method is described in the embodiment of the method for adjusting the photo, and details are not described herein again.
- the computer program may be stored in a computer readable storage medium, such as in a memory, and executed by at least one processor, and may include an implementation of an adjustment method as the photo during execution The flow of the example.
- the storage medium may be a magnetic disk, an optical disk, a read only memory (ROM), a random access memory (RAM), or the like.
- each functional module may be integrated into one processing chip, or each module may exist physically separately, or two or more modules may be integrated into one module.
- the above integrated modules can be implemented in the form of hardware or in the form of software functional modules.
- the integrated module if implemented in the form of a software functional module and sold or used as a standalone product, may also be stored in a computer readable storage medium, such as a read only memory, a magnetic disk or an optical disk, etc. .
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Studio Devices (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种照片的调整方法，包括：获取待调整的照片；利用预设图像场景分类模型，对该待调整的照片进行场景分类，确定该待调整的照片所属的目标场景类别；获取与该目标场景类别对应的目标调整参数；根据该目标调整参数，对该待调整的照片进行调整。本申请可以提高对照片进行调整的灵活性。
Description
本申请要求于2017年12月22日提交中国专利局、申请号为201711408509.X、申请名称为“照片的调整方法、装置、存储介质及电子设备”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
本申请属于图片处理技术领域，尤其涉及一种照片的调整方法、装置、存储介质及电子设备。
许多电子设备上都安装有摄像头，包括前置摄像头和后置摄像头，并且这些摄像头的像素都已可以达到千万像素级别。用户经常会使用电子设备进行拍照。除了要求拍摄得到的照片足够清晰外，用户对照片的美化要求也越来越高。相关技术中，电子设备可以对用户拍摄得到的照片进行基于色彩直方图和色彩空间变换方法的美化调整。
发明内容
本申请实施例提供一种的照片的调整方法、装置、存储介质及电子设备，可以提高对照片进行调整的灵活性。
本申请实施例提供一种照片的调整方法，包括：
获取待调整的照片；
利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的照片所属的目标场景类别；
获取与所述目标场景类别对应的目标调整参数；
根据所述目标调整参数，对所述待调整的照片进行调整。
本申请实施例提供一种照片的调整装置，包括：
第一获取模块，用于获取待调整的照片；
确定模块，用于利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的照片所属的目标场景类别；
第二获取模块，用于获取与所述目标场景类别对应的目标调整参数；
调整模块，用于根据所述目标调整参数，对所述待调整的照片进行调整。
本申请实施例提供一种存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行本申请实施例提供的照片的调整方法中的流程。
本申请实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行：
获取待调整的照片；
利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的 照片所属的目标场景类别；
获取与所述目标场景类别对应的目标调整参数；
根据所述目标调整参数，对所述待调整的照片进行调整。
下面结合附图，通过对本申请的具体实施方式详细描述，将使本申请的技术方案及其有益效果显而易见。
图1是本申请实施例提供的照片的调整方法的流程示意图。
图2是本申请实施例提供的照片的调整方法的另一流程示意图。
图3至图4是本申请实施例提供的照片的调整方法的场景示意图。
图5是本申请实施例提供的照片的调整装置的结构示意图。
图6是本申请实施例提供的照片的调整装置的另一结构示意图。
图7是本申请实施例提供的电子设备的结构示意图。
图8是本申请实施例提供的电子设备的另一结构示意图。
请参照图示，其中相同的组件符号代表相同的组件，本申请的原理是以实施在一适当的运算环境中来举例说明。以下的说明是基于所例示的本申请具体实施例，其不应被视为限制本申请未在此详述的其它具体实施例。
本申请实施例提供一种照片的调整方法，包括：
获取待调整的照片；利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
在一种实施方式中，在所述获取待调整的照片之后，本实施例还可以包括：获取电子设备的运行内存总容量，以及当前被占用的运行内存容量；计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比。
那么，所述利用预设图像场景分类模型，对所述待调整的照片进行场景分类，可以包括：若检测到所述百分比小于预设比率，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类。
在一种实施方式中，在所述获取终端的运行内存总容量之前，本实施例还可以包括：统计所述待调整的照片的数量。
那么，所述获取电子设备的运行内存总容量，可以包括：若检测到所述数量达到预设阈值，则获取电子设备的运行内存总容量。
在一种实施方式中，在所述获取终端的运行内存总容量之前，本实施例还可以包括：获取当前时刻，并检测所述当前时刻是否属于预设时间段。
那么，所述获取电子设备的运行内存总容量，可以包括：若检测到所述当前时刻属于 预设时间段，则获取电子设备的运行内存总容量。
在一种实施方式中，本实施例还可以包括：对用户使用电子设备的时间进行记录；根据记录到的用户使用所述电子设备的时间，确定出用户频繁使用所述电子设备的目标时间段；将所述目标时间段确定为预设时间段。
在一种实施方式中，在统计所述待调整的照片的数量之后，本实施例还可以包括：若检测到所述数量未达到预设阈值，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
在一种实施方式中，在检测所述当前时刻是否属于预设时间段之后，本实施例还可以包括：若检测到所述当前时刻不属于预设时间段，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
可以理解的是，本申请实施例的执行主体可以是诸如智能手机或平板电脑等的电子设备。
请参阅图1，图1是本申请实施例提供的照片的调整方法的流程示意图，流程可以包括：
在101中，获取待调整的照片。
许多电子设备上都安装有摄像头，包括前置摄像头和后置摄像头，并且这些摄像头的像素都已可以达到千万像素级别。用户经常会使用电子设备进行拍照。除了要求拍摄得到的照片足够清晰外，用户对照片的美化要求也越来越高。相关技术中，电子设备可以对用户拍摄得到的照片进行基于色彩直方图和色彩空间变换方法的美化调整。然而，这些照片美化方法其灵活性较差。
在本申请实施例的101中，比如，电子设备可以先获取需要进行美化的照片，即电子设备可以先获取待调整的照片。
在102中，利用预设图像场景分类模型，对该待调整的照片进行场景分类，确定该待调整的照片所属的目标场景类别。
比如，在获取到待调整的照片后，电子设备可以利用预设图像场景分类模型，对该待调整的照片进行场景分类，并确定出该待调整的照片所属的场景类别，即目标场景类别。
需要说明的是，预设图像场景分类模型为用于对照片所属的拍摄场景进行分类的算法模型。预设图像场景分类模型可以是基于深度学习的图像分类算法模型。
照片的场景类别可以包括如人物照片、动物照片、植物照片、风景照片、室外拍摄环境、室内拍摄环境、背光拍摄环境，等等。可以理解的是，此处举例不构成对本实施例的限定。
在103中，获取与该目标场景类别对应的目标调整参数。
在104中，根据该目标调整参数，对该待调整的照片进行调整。
比如，103和104可以包括：
该待调整的照片的内容是用户拍摄的盆栽植物，即电子设备确定出该待调整的照片所属的场景类别为植物照片。即，该待调整的照片所属的目标场景类别为植物照片类别。
然后，电子设备可以获取与植物照片类别对应的调整参数，即目标调整参数。之后，电子设备可以按照该目标调整参数，对该待调整的照片进行调整。
例如，电子设备获取的目标调整参数为用于将照片色彩调整至较为鲜亮饱满的参数，那么使用目标调整参数对待调整的照片进行调整后，照片中的盆栽植物在色彩上将变得更加鲜亮饱满。
可以理解的是，本申请实施例中，电子设备可以先确定出待调整的照片所属的目标场景类别。然后，电子设备可以调用与该目标场景类别对应的目标调整参数，对该待调整的照片进行调整。即，本实施例可以根据拍摄场景类别对照片进行相应的参数调整，从而提高了对照片进行美化调整的灵活性。
请参阅图2，图2为本申请实施例提供的照片的调整方法的另一流程示意图，流程可以包括：
在201中，电子设备获取待调整的照片。
比如，电子设备可以先获取需要进行美化的照片，即电子设备可以先获取待调整的照片。
在202中，电子设备统计该待调整的照片的数量。
比如，在获取到待调整的照片后，电子设备可以统计该待调整的照片的数量。
然后，电子设备可以检测该待调整的照片的数量是否达到预设阈值。
如果检测到该待调整的照片的数量未达到预设阈值，那么电子设备可以直接利用预设图像场景分类模型，对该待调整的照片进行场景分类，并确定该待调整的照片所属的目标场景类别。然后，电子设备可以获取与该目标场景类别对应的目标调整参数，并按照该目标调整参数对待调整的照片进行调整。
即，在一种实施方式中，在统计待调整的照片的数量之后，电子设备还可以执行如下流程：若检测到该数量未达到预设阈值，则电子设备利用预设图像场景分类模型，对待调整的照片进行场景分类，并确定待调整的照片所属的目标场景类别；电子设备获取与目标场景类别对应的目标调整参数；根据目标调整参数，电子设备对待调整的照片进行调整。
如果检测到该待调整的照片的数量达到预设阈值，那么进入203。
在203中，若检测到该数量达到预设阈值，则电子设备获取运行内存总容量，以及当前被占用的运行内存容量。
比如，预设阈值为8张，而当前需要进行美化的待调整的照片的数量为10张，即电子 设备检测到待调整的照片的数量超过了预设阈值，那么可以认为电子设备当前需要美化的照片的数量较多。此时，电子设备可以获取本电子设备的运行内存总容量，以及当前被占用的运行内存容量。
可以理解的是，运行内存通常指电子设备的随机存储器(Random Access Memory，RAM)。
在204中，电子设备计算该当前被占用的运行内存容量占该运行内存总容量的百分比。
比如，在获取到电子设备的运行内存总容量，以及当前被占用的运行内存容量之后，电子设备可以计算该当前被占用的运行内存容量占该运行内存总容量的百分比。可以理解的是，该百分比可以用于表示电子设备运行内存的当前占用率。
然后，电子设备可以检测该百分比是否小于预设比率。
如果检测到该百分比大于或等于预设比率，那么可以认为当前运行内存占用率较高，同时由于当前需要进行美化的照片的数量较多。在这种情况下，为了避免因对数量较多的照片进行处理导致的运行内存不足进而引起电子设备卡顿，电子设备可以暂时先去执行其它操作。或者，电子设备可以先处理部分需要进行美化的照片，并在检测到运行内存占用率低于预设比率时，再处理剩余的需要进行美化的照片。
如果检测到该百分比小于预设比率，那么进入205。
在205中，若检测到该百分比小于预设比率，则电子设备利用预设图像场景分类模型，对该待调整的照片进行场景分类，并确定该待调整的照片所属的目标场景类别。
比如，电子设备检测到当前被占用的运行内存容量占运行内存总容量的百分比为60％，而预设比率为90％。即，电子设备检测到该百分比小于预设比率，此时可以认为运行内存当前占用率较低，电子设备可以利用预设图像场景分类模型，对该待调整的照片进行场景分类，并确定该待调整的照片所属的场景类别，即目标场景类别。
需要说明的是，预设图像场景分类模型为用于对照片所属的拍摄场景进行分类的算法模型。预设图像场景分类模型可以是基于深度学习的图像分类算法模型。在一种实施方式中，机器可以先获取大量包含各种拍摄场景的照片，然后可以在人工辅助下，对这些照片进行拍摄场景类别的标定。之后，机器可以获取预先选定的深度学习算法模型，并将经过拍摄场景类别标定的照片作为训练样本，对深度学习算法模型进行训练。在训练好之后，可以将该深度学习算法模型移植到电子设备上，并由电子设备将其确定为预设图像场景分类模型。
照片的场景类别可以包括如人物照片、动物照片、植物照片、风景照片、室外拍摄环境、室内拍摄环境、背光拍摄环境，等等。可以理解的是，此处举例不构成对本实施例的限定。
在206中，电子设备获取与该目标场景类别对应的目标调整参数。
在207中，根据该目标调整参数，电子设备对该待调整的照片进行调整。
比如，206和207可以包括：
该待调整的照片的内容是用户拍摄的盆栽植物，即电子设备确定出该待调整的照片所属的场景类别为植物照片。即，该待调整的照片所属的目标场景类别为植物照片类别。
然后，电子设备可以获取与植物照片类别对应的调整参数，即目标调整参数。之后，电子设备可以按照该目标调整参数，对该待调整的照片进行调整。
例如，电子设备获取的目标调整参数为用于将照片色彩调整至较为鲜亮饱满的参数，那么使用目标调整参数对待调整的照片进行调整后，照片中的盆栽植物在色彩上将变得更加鲜亮饱满。
在另一种实施方式中，在电子设备获取运行内存总容量之前，还可以包括如下流程：
电子设备获取当前时刻，并检测该当前时刻是否属于预设时间段；
那么，电子设备执行S203中获取电子设备的运行内存总容量时，可以包括：若检测到该当前时刻属于预设时间段，则获取电子设备的运行内存总容量。
比如，电子设备在获取到待调整的照片之后，可以获取当前时刻，并检测该当前时刻是否属于预设时间段。在一种实施方式中，预设时间段可以是用户需要频繁使用电子设备的时间段。也即，可以认为在预设时间段电子设备后台驻留有很多应用程序，此时电子设备的运行内存占用率较高。
如果检测到该当前时刻不属于预设时间段，那么可以认为当前电子设备的运行内存占用率较低，此时电子设备可以直接利用预设图像场景分类模型，对该待调整的照片进行场景分类，并确定该待调整的照片所属的目标场景类别。然后，电子设备可以获取与该目标场景类别对应的目标调整参数，并按照该目标调整参数对待调整的照片进行调整。
即，在一种实施方式中，在检测当前时刻是否属于预设时间段之后，电子设备还可以执行如下流程：
若检测到当前时刻不属于预设时间段，则电子设备利用预设图像场景分类模型，对待调整的照片进行场景分类，并确定待调整的照片所属的目标场景类别；电子设备获取与目标场景类别对应的目标调整参数；根据目标调整参数，电子设备对待调整的照片进行调整。
如果检测到该当前时刻属于预设时间段，那么可以认为当前电子设备的运行内存占用率可能较高，为了避免因对照片进行处理导致的运行内存占用率再次升高进而引起电子设备卡顿。在这种情况下，电子设备可以先获取电子设备的运行内存总容量，以及当前被占用的运行内存容量，并计算当前被占用的运行内存容量占运行内存总容量的百分比。若检测到该百分比小于预设比率，那么电子设备可以继续执行利用预设图像场景分类模型，对所述待调整的照片进行场景分类及其后续流程。
在一种实施方式中，本实施例还可以包括如下流程：
对用户使用电子设备的时间进行记录；
根据记录到的用户使用电子设备的时间，确定出用户频繁使用电子设备的目标时间段；
将所述目标时间段确定为预设时间段。
比如，电子设备可以对用户使用本电子设备的时间进行记录，如用户开启了一个应用，则可以认为用户使用了本电子设备一次。在对用户使用本电子设备的时间进行记录之后，电子设备可以据此确定出用户频繁使用本电子设备的时间段，即目标时间段。然后，电子设备可以将该目标时间段确定为预设时间段。例如，电子设备确定出在9:00至12:00，以及14:00至18:00这两个时间段，用户会频繁地使用本电子设备，那么电子设备可以将9:00至12:00，以及14:00至18:00这两个时间段确定为预设时间段。
可以理解的是，预设时间段即是用户会频繁使用电子设备的时间段，在预设时间段内一般电子设备后台都驻留有较多的应用程序，使得电子设备运行内存的占用率较高。
在另一种实施方式中，还可以将待调整的照片数量和当前时刻是否处于预设时间段这两个因素结合起来考虑。例如，在获取到待调整的照片后，电子设备可以先统计待调整的照片的数量。如果检测到待调整的照片的数量达到预设阈值，那么电子设备可以进一步获取当前时刻。如果检测到当前时刻处于预设时间段，那么电子设备可以获取运行内存总容量，以及当前被占用的运行内存容量，并计算当前被占用的运行内存容量占运行内存总容量的百分比。若检测到该百分比小于预设比率，那么电子设备可以继续执行利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定出待调整的照片所属的目标场景类别。最后，电子设备可以获取与目标场景类别对应的目标调整参数，并根据目标调整参数，对各张待调整的照片进行调整。
请参阅图3至图4，图3至图4为本申请实施例提供的照片的调整方法的场景示意图。
比如，如图3所示，用户开启连拍模式，拍摄处于运动状态中的动物。在拍摄完成后，电子设备可以获取刚才连拍得到的一组照片，即电子设备获取待调整的一组照片。
之后，电子设备可以统计这组照片的数量，并检测该数量是否达到预设阈值。例如，电子设备统计到这组照片的数量为10张，而预设阈值为8张。即，电子设备检测到待调整的照片的数量超过了预设阈值，那么可以认为电子设备当前需要美化的照片的数量较多。此时，电子设备可以获取本电子设备的运行内存总容量，以及当前被占用的运行内存容量。
例如，如图4所示，电子设备的运行内存总容量为4GB，而当前被占用的运行内存容量为3.0GB。之后，电子设备可以计算该当前被占用的运行内存容量占该运行内存总容量的百分比，并检测该百分比是否小于预设比率。例如，该百分比为75％，而预设比率为90％，那么电子设备可以检测到该百分比小于预设比率。
然后，电子设备可以利用预设图像场景分类模型，对该待调整的照片进行场景分类，并确定该待调整的照片所属的场景类别，即目标场景类别。例如，电子设备确定出来的目标场景类别为动物照片类别。
在确定出目标场景类别为动物照片类别后，电子设备可以获取与动物照片类别对应的调整参数，即目标调整参数。之后，电子设备可以按照该目标调整参数，对连拍得到的这 组照片进行美化调整。
本实施例还提供一种照片的调整装置，包括：
第一获取模块，用于获取待调整的照片。
确定模块，用于利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的照片所属的目标场景类别。
第二获取模块，用于获取与所述目标场景类别对应的目标调整参数。
调整模块，用于根据所述目标调整参数，对所述待调整的照片进行调整。
在一种实施方式中，所述照片的调整装置还可以包括：第三获取模块，用于获取电子设备的运行内存总容量，以及当前被占用的运行内存容量；计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比。
那么，所述确定模块可以用于：若检测到所述百分比小于预设比率，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类。
在一种实施方式中，所述照片的调整装置还可以包括：统计模块，用于统计所述待调整的照片的数量。
那么，所述第三获取模块可以用于：若检测到所述数量达到预设阈值，则获取电子设备的运行内存总容量。
在一种实施方式中，所述照片的调整装置还可以包括：第四获取模块，用于获取当前时刻，并检测所述当前时刻是否属于预设时间段。
那么，所述第三获取模块可以用于：若检测到所述当前时刻属于预设时间段，则获取电子设备的运行内存总容量。
在一种实施方式中，所述照片的调整装置还可以包括：记录模块，用于对用户使用电子设备的时间进行记录；根据记录到的用户使用所述电子设备的时间，确定出用户频繁使用所述电子设备的目标时间段；将所述目标时间段确定为预设时间段。
在一种实施方式中，所述第三获取模块还可以用于：若检测到所述数量未达到预设阈值，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
在一种实施方式中，所述第四获取模块还可以用于：若检测到所述当前时刻不属于预设时间段，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
请参阅图5，图5为本申请实施例提供的照片的调整装置的结构示意图。照片的调整装置300可以包括：第一获取模块301，确定模块302，第二获取模块303，以及调整模块304。
第一获取模块301，用于获取待调整的照片。
比如，第一获取模块301可以先获取需要进行美化的照片，即第一获取模块301可以先获取待调整的照片。
确定模块302，用于利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的照片所属的目标场景类别。
比如，在第一获取模块301获取到待调整的照片后，确定模块302可以利用预设图像场景分类模型，对该待调整的照片进行场景分类，并确定出该待调整的照片所属的场景类别，即目标场景类别。
需要说明的是，预设图像场景分类模型为用于对照片所属的拍摄场景进行分类的算法模型。预设图像场景分类模型可以是基于深度学习的图像分类算法模型。
照片的场景类别可以包括如人物照片、动物照片、植物照片、风景照片、室外拍摄环境、室内拍摄环境、背光拍摄环境，等等。可以理解的是，此处举例不构成对本实施例的限定。
第二获取模块303，用于获取与所述目标场景类别对应的目标调整参数。
调整模块304，用于根据所述目标调整参数，对所述待调整的照片进行调整。
比如，该待调整的照片的内容是用户拍摄的盆栽植物，即确定模块302确定出该待调整的照片所属的场景类别为植物照片。即，该待调整的照片所属的目标场景类别为植物照片类别。
然后，第二获取模块303可以获取与植物照片类别对应的调整参数，即目标调整参数。之后，调整模块304可以按照该目标调整参数，对该待调整的照片进行调整。
例如，电子设备获取的目标调整参数为用于将照片色彩调整至较为鲜亮饱满的参数，那么使用目标调整参数对待调整的照片进行调整后，照片中的盆栽植物在色彩上将变得更加鲜亮饱满。
请一并参阅图6，图6为本申请实施例提供的照片的调整装置的另一结构示意图。在一实施例中，照片的调整装置300还可以包括：第三获取模块305，统计模块306，第四获取模块307，以及记录模块308。
第三获取模块305，用于获取电子设备的运行内存总容量，以及当前被占用的运行内存容量；计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比。
那么，所述确定模块302用于：若检测到所述百分比小于预设比率，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类。
比如，在获取到待调整的照片后，第三获取模块305可以获取本电子设备的运行内存总容量，以及当前被占用的运行内存容量。可以理解的是，运行内存通常指电子设备的随机存储器(Random Access Memory，RAM)。
在获取到电子设备的运行内存总容量，以及当前被占用的运行内存容量之后，第三获 取模块305可以计算该当前被占用的运行内存容量占该运行内存总容量的百分比。可以理解的是，该百分比可以用于表示电子设备运行内存的当前占用率。
然后，第三获取模块305可以检测该百分比是否小于预设比率。
如果检测到该百分比大于或等于预设比率，那么可以认为当前运行内存占用率较高。在这种情况下，为了避免因运行内存不足进而引起电子设备卡顿，电子设备可以暂时先去执行其它操作。或者，电子设备可以先处理部分需要进行美化的照片，并在检测到运行内存占用率低于预设比率时，再处理剩余的需要进行美化的照片。
例如，电子设备检测到当前被占用的运行内存容量占运行内存总容量的百分比为60％，而预设比率为90％。即，第三获取模块305检测到该百分比小于预设比率，此时电子设备可以利用预设图像场景分类模型，对该待调整的照片进行场景分类，并确定该待调整的照片所属的场景类别，即目标场景类别。
统计模块306，用于统计所述待调整的照片的数量。
那么，所述第三获取模块305用于：若检测到所述数量达到预设阈值，则获取电子设备的运行内存总容量。
比如，在获取到待调整的照片后，统计模块306可以统计该待调整的照片的数量。
然后，统计模块306可以检测该待调整的照片的数量是否达到预设阈值。
如果检测到该待调整的照片的数量未达到预设阈值，那么电子设备可以直接利用预设图像场景分类模型，对该待调整的照片进行场景分类，并确定该待调整的照片所属的目标场景类别。然后，电子设备可以获取与该目标场景类别对应的目标调整参数，并按照该目标调整参数对待调整的照片进行调整。
例如，预设阈值为8张，而当前需要进行美化的待调整的照片的数量为10张，即统计模块306检测到待调整的照片的数量超过了预设阈值，那么可以认为电子设备当前需要美化的照片的数量较多。此时，第三获取模块305可以获取本电子设备的运行内存总容量，以及当前被占用的运行内存容量。
第四获取模块307，用于获取当前时刻，并检测所述当前时刻是否属于预设时间段。
那么，所述第三获取模块305用于：若检测到所述当前时刻属于预设时间段，则获取电子设备的运行内存总容量。
比如，在获取到待调整的照片之后，第四获取模块307可以获取当前时刻，并检测该当前时刻是否属于预设时间段。在一种实施方式中，预设时间段可以是用户需要频繁使用电子设备的时间段。也即，可以认为在预设时间段电子设备后台驻留有很多应用程序，此时电子设备的运行内存占用率较高。
如果检测到该当前时刻不属于预设时间段，那么可以认为当前电子设备的运行内存占用率较低，此时电子设备可以直接利用预设图像场景分类模型，对该待调整的照片进行场景分类，并确定该待调整的照片所属的目标场景类别。然后，电子设备可以获取与该目标 场景类别对应的目标调整参数，并按照该目标调整参数对待调整的照片进行调整。
如果检测到该当前时刻属于预设时间段，那么可以认为当前电子设备的运行内存占用率可能较高，为了避免因对照片进行处理导致的运行内存占用率再次升高进而引起电子设备卡顿。在这种情况下，第三获取模块305可以先获取电子设备的运行内存总容量，以及当前被占用的运行内存容量，并计算当前被占用的运行内存容量占运行内存总容量的百分比。若检测到该百分比小于预设比率，那么电子设备可以继续执行利用预设图像场景分类模型，对所述待调整的照片进行场景分类及其后续步骤。
记录模块308，用于对用户使用电子设备的时间进行记录；根据记录到的用户使用电子设备的时间，确定出用户频繁使用电子设备的目标时间段；将所述目标时间段确定为预设时间段。
比如，记录模块308可以对用户使用本电子设备的时间进行记录，如用户开启了一个应用，则可以认为用户使用了本电子设备一次。在对用户使用本电子设备的时间进行记录之后，记录模块308可以据此确定出用户频繁使用本电子设备的时间段，即目标时间段。然后，记录模块308可以将该目标时间段确定为预设时间段。例如，记录模块308确定出在9:00至12:00，以及14:00至18:00这两个时间段，用户会频繁地使用本电子设备，那么记录模块308可以将9:00至12:00，以及14:00至18:00这两个时间段确定为预设时间段。
可以理解的是，预设时间段即是用户会频繁使用电子设备的时间段，在预设时间段内一般电子设备后台都驻留有较多的应用程序，使得电子设备运行内存的占用率较高。
本申请实施例提供一种计算机可读的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上执行时，使得所述计算机执行如本实施例提供的照片的调整方法中的流程。
本申请实施例还提供一种电子设备，包括存储器，处理器，所述处理器通过调用所述存储器中存储的计算机程序，用于执行本实施例提供的照片的调整方法中的流程。
例如，上述电子设备可以是诸如平板电脑或者智能手机等移动终端。请参阅图7，图7为本申请实施例提供的电子设备的结构示意图。
该电子设备400可以包括摄像单元401、存储器402、处理器403等部件。本领域技术人员可以理解，图7中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
摄像单元401可以包括前置摄像头和后置摄像头等。
存储器402可用于存储应用程序和数据。存储器402存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器403通过运行存储在存储器402的应用程序，从而执行各种功能应用以及数据处理。
处理器403是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的应用程序，以及调用存储在存储器402内的数 据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
在本实施例中，电子设备中的处理器403会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器402中，并由处理器403来运行存储在存储器402中的应用程序，从而执行：
获取待调整的照片；利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
请参阅图8，电子设备500可以包括摄像单元501、存储器502、处理器503、输入单元504、输出单元505等部件。
摄像单元501可以包括前置摄像头和后置摄像头等。
存储器502可用于存储应用程序和数据。存储器502存储的应用程序中包含有可执行代码。应用程序可以组成各种功能模块。处理器503通过运行存储在存储器502的应用程序，从而执行各种功能应用以及数据处理。
处理器503是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器502内的应用程序，以及调用存储在存储器502内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。
输入单元504可用于接收输入的数字、字符信息或用户特征信息(比如指纹)，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
输出单元505可用于显示由用户输入的信息或提供给用户的信息以及电子设备的各种图形用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。输出单元可包括显示面板。
在本实施例中，电子设备中的处理器503会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行代码加载到存储器502中，并由处理器503来运行存储在存储器502中的应用程序，从而执行：
获取待调整的照片；利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
在一种实施方式中，处理器503在执行所述获取待调整的照片的步骤之后，还可以执行：获取电子设备的运行内存总容量，以及当前被占用的运行内存容量；计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比。
那么，处理器503在执行所述利用预设图像场景分类模型，对所述待调整的照片进行场景分类时，可以执行：若检测到所述百分比小于预设比率，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类。
在一种实施方式中，处理器503在执行所述获取电子设备的运行内存总容量步骤之前， 还可以执行：统计所述待调整的照片的数量。
那么，处理器503在执行所述获取电子设备的运行内存总容量时，可以执行：若检测到所述数量达到预设阈值，则获取电子设备的运行内存总容量。
在一种实施方式中，处理器503在执行所述获取电子设备的运行内存总容量的步骤之前，还可以执行：获取当前时刻，并检测所述当前时刻是否属于预设时间段。
那么，处理器503在执行所述获取电子设备的运行内存总容量时，可以执行：若检测到所述当前时刻属于预设时间段，则获取电子设备的运行内存总容量。
在一种实施方式中，处理器503还可以执行：对用户使用电子设备的时间进行记录；根据记录到的用户使用电子设备的时间，确定出用户频繁使用电子设备的目标时间段；将所述目标时间段确定为预设时间段。
在一种实施方式中，在统计所述待调整的照片的数量之后，处理器503还可以执行：若检测到所述数量未达到预设阈值，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
在一种实施方式中，在检测所述当前时刻是否属于预设时间段之后，处理器503还可以执行：若检测到所述当前时刻不属于预设时间段，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对照片的调整方法的详细描述，此处不再赘述。
本申请实施例提供的所述照片的调整装置与上文实施例中的照片的调整方法属于同一构思，在所述照片的调整装置上可以运行所述照片的调整方法实施例中提供的任一方法，其具体实现过程详见所述照片的调整方法实施例，此处不再赘述。
需要说明的是，对本申请实施例所述照片的调整方法而言，本领域普通技术人员可以理解实现本申请实施例所述照片的调整方法的全部或部分流程，是可以通过计算机程序来控制相关的硬件来完成，所述计算机程序可存储于一计算机可读取存储介质中，如存储在存储器中，并被至少一个处理器执行，在执行过程中可包括如所述照片的调整方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)等。
对本申请实施例的所述照片的调整装置而言，其各功能模块可以集成在一个处理芯片中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在 一个计算机可读取存储介质中，所述存储介质譬如为只读存储器，磁盘或光盘等。
以上对本申请实施例所提供的一种照片的调整方法、装置、存储介质以及电子设备进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (20)
- 一种照片的调整方法，其中，包括：获取待调整的照片；利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
- 根据权利要求1所述的照片的调整方法，其中，在所述获取待调整的照片之后，还包括：获取电子设备的运行内存总容量，以及当前被占用的运行内存容量；计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比；所述利用预设图像场景分类模型，对所述待调整的照片进行场景分类，包括：若检测到所述百分比小于预设比率，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类。
- 根据权利要求2所述的照片的调整方法，其中，在所述获取终端的运行内存总容量之前，还包括：统计所述待调整的照片的数量；所述获取电子设备的运行内存总容量，包括：若检测到所述数量达到预设阈值，则获取电子设备的运行内存总容量。
- 根据权利要求2所述的照片的调整方法，其中，在所述获取终端的运行内存总容量之前，还包括：获取当前时刻，并检测所述当前时刻是否属于预设时间段；所述获取电子设备的运行内存总容量，包括：若检测到所述当前时刻属于预设时间段，则获取电子设备的运行内存总容量。
- 根据权利要求4所述的照片的调整方法，其中，所述方法还包括：对用户使用电子设备的时间进行记录；根据记录到的用户使用所述电子设备的时间，确定出用户频繁使用所述电子设备的目标时间段；将所述目标时间段确定为预设时间段。
- 根据权利要求3所述的照片的调整方法，其中，在统计所述待调整的照片的数量之后，还包括：若检测到所述数量未达到预设阈值，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
- 根据权利要求4所述的照片的调整方法，其中，在检测所述当前时刻是否属于预设时间段之后，还包括：若检测到所述当前时刻不属于预设时间段，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
- 一种照片的调整装置，其中，包括：第一获取模块，用于获取待调整的照片；确定模块，用于利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的照片所属的目标场景类别；第二获取模块，用于获取与所述目标场景类别对应的目标调整参数；调整模块，用于根据所述目标调整参数，对所述待调整的照片进行调整。
- 根据权利要求8所述的照片的调整装置，其中，所述装置还包括：第三获取模块，用于获取电子设备的运行内存总容量，以及当前被占用的运行内存容量；计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比；所述确定模块用于：若检测到所述百分比小于预设比率，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类。
- 根据权利要求9所述的照片的调整装置，其中，所述装置还包括：统计模块，用于统计所述待调整的照片的数量；所述第三获取模块用于：若检测到所述数量达到预设阈值，则获取电子设备的运行内存总容量。
- 根据权利要求9所述的照片的调整装置，其中，所述装置还包括：第四获取模块，用于：获取当前时刻，并检测所述当前时刻是否属于预设时间段。所述第三获取模块，用于：若检测到所述当前时刻属于预设时间段，则获取电子设备的运行内存总容量。
- 根据权利要求11所述的照片的调整装置，其中，所述装置还包括：记录模块，用于：对用户使用电子设备的时间进行记录；根据记录到的用户使用所述电子设备的时间，确定出用户频繁使用所述电子设备的目标时间段；将所述目标时间段确定为预设时间段。
- 一种存储介质，其上存储有计算机程序，其中，当所述计算机程序在计算机上执行时，使得所述计算机执行如权利要求1至7中任一项所述的方法。
- 一种电子设备，包括存储器，处理器，其中，所述处理器通过调用所述存储器中存储的计算机程序，用于执行：获取待调整的照片；利用预设图像场景分类模型，对所述待调整的照片进行场景分类，确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
- 根据权利要求14所述的电子设备，其中，所述处理器用于执行：获取电子设备的运行内存总容量，以及当前被占用的运行内存容量；计算所述当前被占用的运行内存容量占所述运行内存总容量的百分比；若检测到所述百分比小于预设比率，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类。
- 根据权利要求15所述的电子设备，其中，所述处理器用于执行：统计所述待调整的照片的数量；若检测到所述数量达到预设阈值，则获取电子设备的运行内存总容量。
- 根据权利要求15所述的电子设备，其中，所述处理器用于执行：获取当前时刻，并检测所述当前时刻是否属于预设时间段；若检测到所述当前时刻属于预设时间段，则获取电子设备的运行内存总容量。
- 根据权利要求17所述的电子设备，其中，所述处理器用于执行：对用户使用电子设备的时间进行记录；根据记录到的用户使用所述电子设备的时间，确定出用户频繁使用所述电子设备的目标时间段；将所述目标时间段确定为预设时间段。
- 根据权利要求16所述的电子设备，其中，所述处理器用于执行：若检测到所述数量未达到预设阈值，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
- 根据权利要求17所述的电子设备，其中，所述处理器用于执行：若检测到所述当前时刻不属于预设时间段，则利用预设图像场景分类模型，对所述待调整的照片进行场景分类，并确定所述待调整的照片所属的目标场景类别；获取与所述目标场景类别对应的目标调整参数；根据所述目标调整参数，对所述待调整的照片进行调整。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711408509.XA CN109960973B (zh) | 2017-12-22 | 2017-12-22 | 照片的调整方法、装置、存储介质及电子设备 |
| CN201711408509.X | 2017-12-22 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2019120017A1 true WO2019120017A1 (zh) | 2019-06-27 |
Family
ID=66993042
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2018/116418 WO2019120017A1 (zh) | 2017-12-22 | 2018-11-20 | 照片的调整方法、装置、存储介质及电子设备 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN109960973B (zh) |
| WO (1) | WO2019120017A1 (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103810504A (zh) * | 2014-01-14 | 2014-05-21 | 三星电子（中国）研发中心 | 一种图像处理方法和装置 |
| EP1418509B1 (en) * | 2002-10-31 | 2016-02-24 | Intellectual Ventures Fund 83 LLC | Method using image recomposition to improve scene classification |
| CN106228193A (zh) * | 2016-07-29 | 2016-12-14 | 北京小米移动软件有限公司 | 图像分类方法及装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096603B (zh) * | 2009-12-14 | 2013-01-02 | 中国移动通信集团公司 | MapReduce系统中的作业分解控制方法及设备 |
| CN106598646A (zh) * | 2016-11-14 | 2017-04-26 | 深圳市金立通信设备有限公司 | 程序更新方法和终端 |
| CN106952235B (zh) * | 2017-02-10 | 2019-07-26 | 维沃移动通信有限公司 | 一种图像处理方法和移动终端 |
-
2017
- 2017-12-22 CN CN201711408509.XA patent/CN109960973B/zh active Active
-
2018
- 2018-11-20 WO PCT/CN2018/116418 patent/WO2019120017A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1418509B1 (en) * | 2002-10-31 | 2016-02-24 | Intellectual Ventures Fund 83 LLC | Method using image recomposition to improve scene classification |
| CN103810504A (zh) * | 2014-01-14 | 2014-05-21 | 三星电子（中国）研发中心 | 一种图像处理方法和装置 |
| CN106228193A (zh) * | 2016-07-29 | 2016-12-14 | 北京小米移动软件有限公司 | 图像分类方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109960973B (zh) | 2021-06-15 |
| CN109960973A (zh) | 2019-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019109801A1 (zh) | 拍摄参数的调整方法、装置、存储介质及移动终端 | |
| CN104301624B (zh) | 一种图像拍摄亮度控制方法及装置 | |
| WO2019148978A1 (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| WO2021046715A1 (zh) | 曝光时间计算方法、装置及存储介质 | |
| CN110708472B (zh) | 一种抑制运动亮光源曝光控制方法、系统及设备 | |
| WO2019120016A1 (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| US10847073B2 (en) | Image display optimization method and apparatus | |
| CN108234882B (zh) | 一种图像虚化方法及移动终端 | |
| CN105874776A (zh) | 图像处理设备和方法 | |
| CN111182212B (zh) | 图像处理方法、装置、存储介质以及电子设备 | |
| CN104869320A (zh) | 电子设备和控制电子设备操作方法 | |
| EP3940633A1 (en) | Image alignment method and apparatus, electronic device, and storage medium | |
| CN104182721A (zh) | 提升人脸识别率的图像处理系统及图像处理方法 | |
| WO2019120025A1 (zh) | 照片的调整方法、装置、存储介质及电子设备 | |
| CN107172354A (zh) | 视频处理方法、装置、电子设备及存储介质 | |
| US20220329729A1 (en) | Photographing method, storage medium and electronic device | |
| CN107147851A (zh) | 照片处理方法、装置、计算机可读存储介质及电子设备 | |
| WO2023011302A1 (zh) | 拍摄方法及相关装置 | |
| CN106803077A (zh) | 一种拍摄方法及终端 | |
| CN111368596B (zh) | 人脸识别逆光补偿方法、装置、可读存储介质及设备 | |
| CN108932703B (zh) | 图片处理方法、图片处理装置及终端设备 | |
| CN106878614A (zh) | 一种拍摄方法及终端 | |
| CN113033584B (zh) | 数据处理方法及相关设备 | |
| CN108763491B (zh) | 图片处理方法、装置及终端设备 | |
| CN111814840A (zh) | 一种人脸图像质量评估方法、系统、设备和介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18890693 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 18890693 Country of ref document: EP Kind code of ref document: A1 |