一种基于深度学的图片背景清晰度检测方法

摘要

本发明公开了一种基于深度学的图片背景清晰度检测方法，该方法是利用卷积神经网络(CNN)进行特征提取，利用CNN提取的特征有效地将图片按照其背景清晰程度进行分类；同时利用迁移学的方法，用拥有大量已知标记的ImageNet图片集进行预训练，解决了样本图片集中已知背景清晰度值图片较少的缺陷，从而获得较好的CNN参数；进一步利用少量的已知背景清晰度值的样本图片，对参数进行调整，使CNN参数适应待检测图片集；得到调整好的CNN参数就可以进行待检测图片的背景清晰度检测。本发明的检测方法，使得背景清晰度检测能够达到高度的精确性。

主权项

一种基于深度学习的图片背景清晰度检测方法，其特征在于，包括如下步骤：步骤1，将图片库ImageNet中已知标记的图片以及未在图片库ImageNet中但已知背景清晰度值的样本图片，均转换成像素为256*256的灰度图片；步骤2，对图片库ImageNet中转换后的灰度图片进行预训练，利用卷积神经网络提取所有灰度图片的特征并进行分类，计算损失函数，用随机梯度下降法调整卷积参数，使函数损失在预定范围内，得到初步调整后的卷积参数；步骤3，对未在图片库ImageNet中但已知背景清晰度值的样本图片转换后的灰度图片，基于步骤2初步调整后的卷积参数，利用卷积神经网络提取特征并进行分类，得到其清晰度值，与实际清晰度值作对比，计算损失函数，用随机梯度下降法继续调整卷积参数，使函数损失在预定范围内，得到最终调整后的卷积参数；步骤4，将待检测清晰度的图片转换成像素为256*256的灰度图片，基于步骤3最终调整后的卷积参数，利用卷积神经网络提取特征并进行分类，得到待检测清晰度图片的清晰度值。