上方模型若是未能加载出来，点击这里主动跳转open in new window

模型获取地址🥰open in new window

在数字时代，照片无处不在，无论是社交媒体、摄影作品还是电商产品展示，照片的质量直接影响用户体验和商业价值。然而，如何快速、客观地评估一张照片的视觉吸引力、构图和质量，一直是一个挑战。传统的照片评估往往依赖人工打分，效率低且主观性强。

为了解决这个问题，我开发了一个照片评分模型，利用深度学习技术，能够自动对照片进行评分，输出视觉吸引力（Visual Appeal）、构图（Composition）和质量（Quality）三个维度的分数（1-100 分）。

模型功能评分维度： 视觉吸引力（Visual Appeal）：评估图片的整体美感和吸引力，例如色彩搭配是否和谐、主题是否突出。构图（Composition）：分析图片的布局、平衡性和对称性，判断构图是否符合摄影美学原则。质量（Quality）：检查图片的技术指标，包括清晰度、噪点水平和曝光是否合适。输入：支持常见的图片格式（如 JPEG、PNG）。输出：三个维度的评分，范围为 1-100 分。模型细节此模型我使用了轻量化的MobileNetV2作为基础网络，经过微调后，能够在移动设备上高效运行。模型的训练数据集包含了大量的高质量照片，并且每张照片都经过真人的评分，且对照片的评分进行了清理，保留了更真实的评分，采用以确保模型的更人性化的评分。

模型大小：约 16MB，适合在移动设备上运行。量化后的模型大小：约 8MB，进一步减小了模型的体积，提升了运行速度。推理速度：以骁龙 8 Gen 2的手机芯片为例，f16的优化量化后版本推理速度约为 13ms/张，适合实时应用。即使没有移动端芯片的GPU加速，推理速度也在 50ms/张以内，适合大部分手机设备。web使用示例你可以直接复制这里的类，然后在你的项目中使用，这里使用的是fp16量化后的版本，模型大小更小，推理速度更快。 web调用模型采用了https://cdn.jsdelivr.net/npm/onnxruntime-web@1.16.3/dist/ort.min.js的onnxruntime-web库，支持在浏览器中直接运行ONNX模型。 我本想打包成wasm的，但是rust里面对这个fp16的支持不太好，所以还是用的onnxruntime-web。 下面是一个简单的HTML页面示例，展示了如何使用这个模型进行图片评分。你可以直接复制下面的代码到你的HTML文件中，然后在浏览器中打开即可使用。

结语过程中对三个维度的评分构建了三个独立的子网络，不会互相影响。但是因为采用的真人评分数据，所以三个维度的评分是有一定的相关性的，且在低分和高分情况的评分会比较少。也就是难以很低分，也难以很高分。不过这才是真实的评分。

注意 因为精度问题，js计算的和py计算的，在少数情况会有一点差异，我对其进行了一些主动修正，主要是因为js的浮点数精度问题,不过差距不会超过1，而且并不是每次都出现