一种书法/美术作品智能评分方法及系统技术方案

本发明专利技术公开了一种书法/美术作品智能评分方法及系统，方法包括：按照预设评分标准将待评作品划分为多个评分项目，并确定每个评分项目的权重；针对每个评分项目，分别采用相应的图像特征提取算法提取待评作品的至少一个图像特征；基于预先训练好的、且与每个评分项目一一对应的子神经网络模型对相应评分项目下所提取的至少一个图像特征进行分析，得到待评作品每个评分项目的子分数；根据每个评分项目的权重和子分数，得到待评作品的总分数。本发明专利技术能够自动化对美术书法作品进行评分，不受主观因素影响，评分结果较为准确。评分结果较为准确。评分结果较为准确。

【技术实现步骤摘要】
一种书法/美术作品智能评分方法及系统


[0001]本专利技术涉及人工智能
，更具体的说是涉及一种书法/美术作品智能评分方法及系统。

技术介绍

[0002]书法/美术作品的评价是检验学生书法/美术水平的一种重要的教学手段。目前的书法美术作品评分方法都是按照一定的评分要点，由评分老师进行主观评分，评分过程中的评分标准涉及作品的细节、局部和总体水平的判断,需要大量的具备专业知识的老师才能够完成对作品的评价。对于评分要点时，需要逐一进行确认，人工评分工作量巨大，而且不同的评分老师的评分尺度不同，导致评分结果无法做到很好的客观性。
[0003]现有的人工智能算法，虽然能够实现对图像美感的评价但无法分辨作品之间的细微差别，因此无法实现精确打分的功能。
[0004]因此，如何实现对书法美术作品进行自动化、且准确评分是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种书法/美术作品智能评分方法及系统，能够自动化对美术书法作品进行评分，不受主观因素影响，评分结果较为准确。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种书法/美术作品智能评分方法，包括以下步骤：
[0008]按照预设评分标准将待评作品划分为多个评分项目，并确定每个评分项目的权重；
[0009]针对每个评分项目，分别采用相应的图像特征提取算法提取待评作品的至少一个图像特征；
[0010]基于预先训练好的、且与每个评分项目一一对应的子神经网络模型对相应评分项目下所提取的至少一个图像特征进行分析，得到待评作品每个评分项目的子分数；
[0011]根据每个评分项目的权重和子分数，得到待评作品的总分数。
[0012]进一步的，在上述一种书法/美术作品智能评分方法中，所述图像特征提取算法为基于机器学习的图像处理算法或基于深度学习的图像处理算法。
[0013]进一步的，在上述一种书法/美术作品智能评分方法中，所述基于机器学习的图像处理算法为：灰度算法、边缘检测算法、基于HSV图像空间的图像分割算法、纹理特征提取算法和颜色提取算法中的一种或几种。
[0014]进一步的，在上述一种书法/美术作品智能评分方法中，每个评分项目下所提取的图像特征至少包括：全局特征和局部特征；其中，所述全局特征包括：颜色特征、纹理特征和形状特征；所述局部特征为包含边缘、角点、线、曲线或特别属性的区域的特征。
[0015]进一步的，在上述一种书法/美术作品智能评分方法中，当某个评分项目下，所提
取的图像特征为一个时，所述子神经网络模型采取softmax函数对图像特征进行分类。
[0016]进一步的，在上述一种书法/美术作品智能评分方法中，当某个评分项目下，所提取的图像特征为多个时，所述子神经网络模型采取SVM分类器对图像特征进行分类。
[0017]进一步的，在上述一种书法/美术作品智能评分方法中，所述子神经网络模型的训练过程包括：
[0018]获取多个作品作为训练样本，确定每个训练样本的多个评分项目以及各个评分项目的子分数；
[0019]构建每个评分项目下的子神经网络模型；
[0020]利用图像特征提取算法提取每个训练样本在每个评分项目下所需的图像特征；
[0021]利用所有训练样本中的每个评分项目的子分数和提取的图像特征对相应评分项目下的子神经网络模型进行训练，直至满足预设迭代条件。
[0022]本专利技术还公开一种书法/美术作品智能评分系统，包括：
[0023]评分项目及权重确定模块，用于按照预设评分标准将待评作品划分为多个评分项目，并确定每个评分项目的权重；
[0024]图像特征提取模块，用于针对每个评分项目，分别采用相应的图像特征提取算法提取待评作品的至少一个图像特征；
[0025]子评分模块，用于利用预先训练好的、且与每个评分项目一一对应的子神经网络模型对相应评分项目下所提取的至少一个图像特征进行分析，得到待评作品每个评分项目的子分数；
[0026]综合评分模块，用于根据每个评分项目的权重和子分数，得到待评作品的总分数。
[0027]进一步的，在上述一种书法/美术作品智能评分系统中，所有评分项目下的所述子神经网络模型组合成预设评分标准下的综合神经网络模型；或：所有评分项目下的所述图像特征提取模块和所述子神经网络模型组合成预设评分标准下的综合神经网络模型。
[0028]进一步的，在上述一种书法/美术作品智能评分系统中，所述图像特征提取模块根据待提取的图像特征个数划分为多个图像特征提取单元，每个图像特征提取单元采用相同或不同的图像处理算法；
[0029]每个评分项目下的所述子神经网络模型包括：多个卷积神经网络、分类器和子评分单元；
[0030]多个所述卷积神经网络与多个所述图像特征提取单元一一对应连接，用于识别对应评分项目下的所述图像特征提取单元输入的图像特征；
[0031]所述分类器用于将对应评分项目下的各个图像特征划分至其所属分值；
[0032]所述评分单元用于根据对应评分项目中各个图像特征的分值和权重，确定该评分项目的子分数。
[0033]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种书法/美术作品智能评分方法及系统，具有以下有益效果：
[0034]1.针对每个种类的每个评分项目，建立专有书法美术评分模型，即子神经网络模型，有利于减小计算量，快速精准地进行评分。
[0035]2.本专利技术采用多种图像提取算法提取待评作品的多个图像特征，能完整全面地提取特征，完整地体现作品的美学特征。
[0036]3.本专利技术采用分类的方法对图像特征建立精细的数据库，保证分类精度。
[0037]4.本专利技术能够根据评分标准的变化，对子神经网络或图像特征提取模块快速地进行重新组合，可扩展性和实用性高。
附图说明
[0038]为了更清楚地说明本专利技术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专利技术的实施例，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，还可以根据提供的附图获得其他的附图。
[0039]图1为本专利技术提供的书法/美术作品智能评分方法的流程图；
[0040]图2为本专利技术提供的某一评分标准的结构框架图；
[0041]图3为本专利技术提供的子神经网络模型的训练过程示意图；
[0042]图4为本专利技术提供的某一评分项目下涉及一个图像特征时，卷积神经网络的架构图；
[0043]图5为本专利技术提供的某一评分项目下涉及多个图像特征时，卷积神经网络的架构图。
具体实施方式
[0044]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种书法/美术作品智能评分方法，其特征在于，包括以下步骤：按照预设评分标准将待评作品划分为多个评分项目，并确定每个评分项目的权重；针对每个评分项目，分别采用相应的图像特征提取算法提取待评作品的至少一个图像特征；基于预先训练好的、且与每个评分项目一一对应的子神经网络模型对相应评分项目下所提取的至少一个图像特征进行分析，得到待评作品每个评分项目的子分数；根据每个评分项目的权重和子分数，得到待评作品的总分数。2.根据权利要求1所述的一种书法/美术作品智能评分方法，其特征在于，所述图像特征提取算法为基于机器学习的图像处理算法或基于深度学习的图像处理算法。3.根据权利要求2所述的一种书法/美术作品智能评分方法，其特征在于，所述基于机器学习的图像处理算法为：灰度算法、边缘检测算法、基于HSV图像空间的图像分割算法、纹理特征提取算法和颜色提取算法中的一种或几种。4.根据权利要求1所述的一种书法/美术作品智能评分方法，其特征在于，每个评分项目下所提取的图像特征至少包括：全局特征和局部特征；其中，所述全局特征包括：颜色特征、纹理特征和形状特征；所述局部特征为包含边缘、角点、线、曲线或特别属性的区域的特征。5.根据权利要求1所述的一种书法/美术作品智能评分方法，其特征在于，当某个评分项目下，所提取的图像特征为一个时，所述子神经网络模型采取softmax函数对图像特征进行分类。6.根据权利要求1所述的一种书法/美术作品智能评分方法，其特征在于，当某个评分项目下，所提取的图像特征为多个时，所述子神经网络模型采取SVM分类器对图像特征进行分类。7.根据权利要求1所述的一种书法/美术作品智能评分方法，其特征在于，所述子神经网络模型的训练过程包括：获取多个作品作为训练样本，确定每个训练样本的多个评分项目以及各个评分项...

【专利技术属性】
技术研发人员：李立志，张明亮，岳政权，
申请(专利权)人：江苏美育之星科技有限公司，
类型：发明
国别省市：