买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种自适应的图像引擎色彩优化方法、系统及存储介质，包括：从AVA数据集中获取数据集中的目标图像，对所述目标图像使用退化算法得到原始图像，将原始图像和对应的目标图像组合成图像对构建初始数据集，通过NIMA模型分别对初始数据集中的目标图像及原始图像进行评分，根据评分对初始数据集进行调整生成最终数据集；基于全卷积神经网络构建图像引擎色彩优化模型，将最终数据集输入图像引擎色彩优化模型进行训练，通过所述图像引擎色彩优化模型实现图像色彩优化。本发明中采用全卷积神经网络融合了多种图像优化算法，可以替代多种独立算法组合而成的传统算法，构建大规模数据集以增强网络的泛化性能，防止过拟合。

主权项：1.一种自适应的图像引擎色彩优化方法，其特征在于，包括以下步骤：从AVA数据集中获取数据集中的目标图像，对所述目标图像使用退化算法得到原始图像，将原始图像和对应的目标图像组合成图像对构建初始数据集；通过NIMA模型分别对初始数据集中的目标图像及原始图像进行评分，根据评分对初始数据集进行调整生成最终数据集；基于全卷积神经网络构建图像引擎色彩优化模型，将所述最终数据集输入图像引擎色彩优化模型进行训练，通过所述图像引擎色彩优化模型实现图像色彩优化；所述的基于全卷积神经网络构建图像引擎色彩优化模型，将所述最终数据集输入图像引擎色彩优化模型进行训练，具体为：基于全卷积神经网络构建图像引擎色彩优化模型；根据所述最终数据集随机获取样本数据，根据所述样本数据构成样本数据集，将所述样本数据集中90％的样本数据作为训练集，10％的样本数据进行验证集；训练基于Tensorflow框架，采用Adam优化器，初始学习率0.0001，10个epoch后学习率降低为0.00001，将训练集输入全卷积神经网络，训练至损失函数平稳；通过所述验证集对训练后图像引擎色彩优化模型进行测试，当输出图像的优化效果达到预设标准时，则保存模型参数并输出图像引擎色彩优化模型；所述全卷积神经模型包括9个卷积层，前八层卷积核的大小均为3×3，卷积核个数为32，每层卷积层的激活函数均为LReLU，从第二层开始采用空洞卷积，第二，三，四，五，六，七层的扩张率分别为2，4，8，16，32，64，第一层和第八层的为普通卷积层，第九层为卷积核大小为1×1的普通卷积层，第九层不使用激活函数；所述图像引擎色彩优化模型的损失函数Lw,b采用L2损失函数，具体为： 其中，Lw,b表示损失函数，Ii表示输入图像，Ni表示输入图像的像素个数，n表示图像总数，fIi表示目标图像，w和b表示全卷积神经网络待训练的权重，表示输出图像。

全文数据：

权利要求：

百度查询： 苏州科技大学 一种自适应的图像引擎色彩优化方法、系统及存储介质