阅读说明：本技术 图片选择方法、系统、介质和电子设备 (Picture selection method, system, medium and electronic device ) 是由 刘春波 于 2018-06-01 设计创作，主要内容包括：本公开提供了一种图片选择方法,包括获取多个图片的图片数据,根据所述多个图片的图片数据确定每个图片的内容,其中,所述内容包括多个内容标签,根据每个图片的内容计算该图片的得分,以及根据多个图片中每个图片的得分,选择至少一个图片,其中,所述计算该图片的得分包括,获取所述图片的内容的至少一个内容标签以及与所述内容标签对应的置信值,以及根据各个所述内容标签的置信值,计算该图片的得分。本公开还提供了一种图片选择系统、一种电子设备以及一种计算机可读介质。(The disclosure provides a picture selection method, which includes acquiring picture data of a plurality of pictures, determining content of each picture according to the picture data of the plurality of pictures, wherein the content comprises a plurality of content tags, calculating a score of each picture according to the content of the picture, and selecting at least one picture according to the score of each picture in the plurality of pictures, wherein the calculating the score of the picture includes acquiring at least one content tag of the content of the picture and a confidence value corresponding to the content tag, and calculating the score of the picture according to the confidence value of each content tag. The present disclosure also provides a picture selection system, an electronic device, and a computer readable medium.)

图片选择方法、系统、介质和电子设备

技术领域

本公开涉及互联网技术领域，更具体地，涉及一种图片选择方法、系统、介质和电子设备。

背景技术

互联网信息技术的发展，极大的丰富了人们生活。例如，用户可以在网上购买需要的产品。用户往往通过浏览客户端展示的产品的详情图片来比较不同的产品。一个较好的素材图片，可以让用户感受到产品的优质，提高点击率和转化率，从而影响产品的销量。图片内容的丰富程度，可以用于度量素材图片的优劣。

在现有技术中，主要依靠人工对素材图片内容的丰富程度进行审核，这需要耗费大量的人力资源，而且审核过程受个人因素的影响。

发明内容

有鉴于此，本公开提供了一种图片选择方法、系统、介质和电子设备。

本公开的一个方面提供了一种图片选择方法，包括获取多个图片的图片数据，根据所述多个图片的图片数据确定每个图片的内容，其中，所述内容包括多个内容标签，根据每个图片的内容计算该图片的得分，以及根据多个图片中每个图片的得分，选择至少一个图片，其中，所述计算该图片的得分包括获取所述图片的内容的至少一个内容标签以及与所述内容标签对应的置信值，以及根据各个所述内容标签的置信值，计算该图片的得分。

根据本公开的实施例，获取所述图片的内容的至少一个内容标签以及与所述内容标签对应的置信值包括通过卷积神经网络，识别图片中的内容的至少一个内容标签，并获取所述内容标签对应的置信值，其中，在所述置信值低于预设阈值的情况下，忽略所识别的内容标签。

根据本公开的实施例，根据各个所述内容标签的置信值，计算该图片的得分包括确定所述置信值所属的区间，根据所述置信值以及所述区间，确定所述内容的评分，以及基于各个内容的评分，确定所述图片的得分。

根据本公开的实施例，所述根据所述置信值以及所述区间，确定所述内容标签的评分包括判断所述内容标签为正相关内容或负相关内容，获得判断结果，根据所述判断结果，确定所述区间对应的权重，以及根据所述置信值以及所述权重，确定所述内容标签的评分。

根据本公开的实施例，所述方法还包括确定与所述图片对应的产品所属的类目，以及在所述内容标签为正相关内容的情况下，基于所述内容标签与所述类目的相关性，修正所述内容标签的评分。

根据本公开的实施例，述方法还包括还包括以下至少一种确定所述图片的形式，以及在所述图片的形式不符合预定规则的情况下，禁止选择所述图片，其中，所述图片的形式包括格式、尺寸或分辨率中的至少一种，或者识别所述图片的内容，以及在所述图片的内容不符合预定规则的情况下，禁止选择所述图片。

本公开的另一个方面提供了一种图片选择系统，包括获取模块，用于获取多个图片的图片数据，第一确定模块，用于根据所述多个图片的图片数据确定每个图片的内容，其中，所述内容包括多个内容标签，计算模块，用于根据每个图片的内容计算该图片的得分，以及第二确定模块，用于根据多个图片中每个图片的得分，选择至少一个图片，其中，所述计算模块包括，获取子模块，用于获取所述图片的内容的至少一个内容标签以及与所述内容标签对应的置信值，以及确定子模块，用于根据各个所述内容标签的置信值，计算该图片的得分。

根据本公开的实施例，获取子模块包括，获取单元，用于通过卷积神经网络，识别图片中的内容的至少一个内容标签，并获取所述内容标签对应的置信值，其中，在所述置信值低于预设阈值的情况下，忽略所识别的内容。

根据本公开的实施例，确定子模块包括第一确定单元，用于确定所述置信值所属的区间，第二确定单元，用于根据所述置信值以及所述区间，确定所述内容标签的评分，以及第三确定单元，用于基于各个内容标签的评分，计算该图片的得分。

根据本公开的实施例，第二确定单元包括判断子单元，用于判断所述内容标签为正相关内容或负相关内容，获得判断结果，第一确定子单元，用于根据所述判断结果，确定所述区间对应的权重，以及第二确定子单元，用于根据所述置信值以及所述权重，确定所述内容标签的评分。

根据本公开的实施例，所述第二确定单元还包括第三确定子单元，用于确定与所述图片对应的产品所属的类目，以及修正子单元，用于在所述内容标签为正相关内容的情况下，基于所述内容标签与所述类目的相关性，修正所述内容标签的评分。

根据本公开的实施例，所述系统还包括以下至少一种第一禁止模块，用于确定所述图片的形式，以及在所述图片的形式不符合预定规则的情况下，禁止选择所述图片，其中，所述图片的形式包括格式、尺寸或分辨率中的至少一种，或者第二禁止模块，用于识别所述图片的内容，以及在所述图片的内容不符合预定规则的情况下，禁止选择所述图片。

本公开的另一方面提供了一种电子设备，包括一个或多个处理器，存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行上述任意一项的方法。

本公开的另一方面提供了一种可读存储介质，其上存储有可执行指令，所述指令在被处理器执行时使处理器执行如上所述的方法。

本公开的另一方面提供了一种计算机程序，所述计算机程序包括计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。

根据本公开的实施例，可以至少部分地解决对图片内容丰富程度的审核主要依靠人工，耗费大量的人力资源，并且审核过程受个人因素的影响较大问题，并因此可以实现自动地识别广告图片内容的丰富程度，进而在广告投放过程中，可以自动地对图片广告进行更好的筛选，提高图片筛选后的效果，减少投放人力和人为因素影响，提高效率的效果。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了根据本公开实施例的图片选择方法的应用场景；

图2A示意性示出了根据本公开实施例的图片选择方法的流程图；

图2B示意性示出了根据本公开实施例的确定每个图片的得分的流程图；

图3示意性示出了根据本公开实施例的根据各个所述内容的置信值，确定所述图片的得分的流程图；

图4示意性示出了根据本公开实施例的根据所述置信值以及所述区间，确定所述内容的评分的流程图；

图5示意性示出了根据本公开另一实施例的根据所述置信值以及所述区间，确定所述内容的评分的流程图；

图6示意性示出了根据本公开另一实施例的确定每个图片的得分的流程图；

图7A示意性示出了根据本公开实施例的图片选择系统的框图；

图7B示意性示出了根据本公开实施例的计算模块的框图；

图8示意性示出了根据本公开实施例的确定子模块的框图；

图9示意性示出了根据本公开实施例的第二确定单元的框图；

图10示意性示出了根据本公开另一实施例的第二确定单元的框图；以及

图11示意性示出了根据本公开实施例的电子设备的框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。本领域技术人员还应理解，实质上任意表示两个或更多可选项目的转折连词和/或短语，无论是在说明书、权利要求书还是附图中，都应被理解为给出了包括这些项目之一、这些项目任一方、或两个项目的可能性。例如，短语“A或B”应当被理解为包括“A”或“B”、或“A和B”的可能性。

本公开的实施例提供了一种图片选择方法，获取多个图片的图片数据，根据所述多个图片的图片数据确定每个图片的内容，其中，所述内容包括多个内容标签，根据每个图片的内容计算该图片的得分，以及根据多个图片中每个图片的得分，选择至少一个图片，其中，所述计算该图片的得分包括，获取所述图片的内容的至少一个内容标签以及与所述内容标签对应的置信值，以及根据各个所述内容标签的置信值，计算该图片的得分。

图1示意性示出了根据本公开实施例的图片选择方法的应用场景。需要注意的是，图1所示仅为可以应用本公开实施例的应用场景的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，该应用场景中包括产品100和与该产品100相关的广告素材图片101～106。在对产品100进行广告投放时，往往需要从广告素材图片101～106中选择较好的广告素材图片。一个好的广告素材图片，可以吸引更多的用户进行点击和效果展示。图片内容的丰富程度，可以用于度量图片内容的优劣，在广告行业，一个较好的广告素材图片，可以让用户感受到产品的优质，提高点击率和转化率，从而影响广告投放的效果。

然而，从众多的广告素材中选择一个或者多个较佳的广告素材图片是非常困难的。在现有技术中，往往是由人工从众多的广告素材图片中筛选出较好的广告素材图片，这需要耗费大量的人力资源，而且审核过程受个人因素喜好的影响。

对此，本公开提供了一种图片选择方法，使得广告素材图片的筛选不需要大量的人力资源，并且筛选的效果更好，不受人为因素的影响。下面结合图2A、图2B以及图3～图6说明本公开实施例的实施方式。

图2A示意性示出了根据本公开实施例的图片选择方法的流程图。

如图2A所示，该方法包括操作S210～S240。

在操作S210，获取多个图片的图片数据。根据本公开的实施例，多个图片例如可以是商品外观的图片，也可以是商品详情的图片。例如在图1所示的场景中，获取的多个图片是广告素材图片101～106。根据本公开的实施例，图片数据例如是图片的像素灰度值，图片的大小等。

在操作S220，根据所述多个图片的图片数据确定每个图片的内容，其中，所述内容包括多个内容标签。根据本公开的实施例，例如在图1所示的场景中，确定图片103的内容可以包括内容标签113和内容标签123，其中，内容标签113是牛奶，内容标签123是文字。

在操作S230，根据每个图片的内容计算该图片的得分。所述计算该图片的得分包括，获取所述图片的内容的至少一个内容标签以及与所述内容标签对应的置信值，以及根据各个所述内容标签的置信值，计算该图片的得分。

在操作S240，根据多个图片中每个图片的得分，选择至少一个图片。根据本公开的实施例，例如在图1所示的情景中，根据图片101～106的评分，例如可以选择得分较高的前1～3张图片作为广告投放的图片。

图2B示意性示出了根据本公开实施例的在操作S230计算该图片的得分的流程图。

如图2B所示，该方法包括操作S231和S232。

在操作S231，获取所述图片的内容的至少一个内容标签以及与所述内容标签对应的置信值。

根据本公开的实施例，例如在图1所示的场景中，识别出图片103中的内容标签113是牛奶，其置信值为0.9。类似地，可以识别图片103中的其他内容标签以及图1所示的场景中的其他图片中的内容标签，以及与该些内容标签对应的置信值。

根据本公开的实施例，获取所述图片的内容的至少一个内容标签以及与所述内容标签对应的置信值包括通过卷积神经网络，识别图片的内容中的至少一个内容标签，并获取所述内容标签对应的置信值，其中，在所述置信值低于预设阈值的情况下，忽略所识别的内容。例如，在预设阈值是0.65的情况下，通过卷积神经网络识别图片103中的内容标签113为牛奶，若其置信值小于0.65，例如为0.6，则忽略所识别的内容标签113。

在操作S232，根据各个所述内容标签的置信值，计算该图片的得分。根据本公开的实施例，图片的得分可以是图片中各个内容标签的得分的累加的结果。

图3示意性示出了根据本公开实施例的在操作S232根据各个所述内容标签的置信值，计算该图片的得分的流程图。

如图3所示，该方法包括操作S310～S330。

在操作S310，确定所述置信值所属的区间。根据本公开的实施例，例如置信值的区间划分为[1.0，0.9)，[0.9，0.8)，[0.8，0.7)，[0.7，0.65)，置信值例如是0.9，则置信值0.9所属的区间为[0.9，0.8)。

在操作S320，根据所述置信值以及所述区间，确定所述内容的评分。

下面结合图4和图5，对本公开实施例的操作S320进行说明。

图4示意性示出了根据本公开实施例在操作S320根据所述置信值以及所述区间，确定所述内容标签的评分的流程图。

如图4所示，该方法包括操作S410～S430。

在操作S410，判断所述内容标签为正相关内容或负相关内容，获得判断结果。根据本公开的实施例，图片中的多个内容标签可能是正相关内容也可能是负相关内容，所述正相关内容可以是使该图片的广告效果更好的内容，负相关内容可以是使该图片的广告效果较差或者并不会带来广告效果的内容。例如，图片中的文字、线条、表格等可能对广告的效果较差或者并不会带来广告效果，而图片中的图画使该图片的广告效果较好。在图1所示的情景中，图片103中的内容标签113可以是正相关内容，而内容标签123可以是负相关内容。

在操作S420，根据所述判断结果，确定所述区间对应的权重。根据本公开的实施例，不同的区间对应不同的权重，例如在操作S310所述的情景中的区间对应的权重值分别为1.5，1.2，0.8，0.6。

根据本公开实施例，正相关内容和负相关内容可以设置不同的权重，例如，置信值区间为[1.0，0.9)，[0.9，0.8)，[0.8，0.7)，[0.7，0.65)，正相关内容对应的权重值分别为1.5、1.2、0.8以及0.6，而负相关内容对应的权重值分别为1.2、1.0、0.8以及0.6。

在操作S430，根据所述置信值以及所述权重，确定所述内容标签的评分。根据本公开的实施例，例如在图1所示的情景中，图片103中的内容标签113的置信值是0.9，而且为正相关内容，0.9对应的区间[0.9，0.8)的权重为1.2，该内容标签113的评分可以是1.2×0.9。图片110中的内容标签123置信值例如是0.8，内容标签123例如是负相关内容，在负相关区间中，置信值0.8对应的区间例如为[0.8，0.7)，该区间的权重例如为0.8，该内容标签123的评分可以是-(0.8×0.8)。

该方法通过区分正相关内容和负相关内容，可以得到更加公平合理评价结果。

图5示意性示出了根据本公开另一实施例的在操作S320根据所述置信值以及所述区间，确定所述内容标签的评分的流程图。

如图5所示，该方法在前述实施例的基础上还包括操作S510和S520。

在操作S510，确定与所述图片对应的产品所属的类目。根据本公开的实施例，例如在图1所示的情景中，图片101～106对应的产品为产品100，该产品100所属的类目例如是饮料。

在操作S520，在所述内容标签为正相关内容的情况下，基于所述内容标签与所述类目的相关性，修正所述内容标签的评分。根据本公开的实施例，例如在图1所示的情景中，内容标签113是正相关内容。根据内容标签113与类目例如是饮料的相关性，修正内容的评分。例如，内容标签113识别为牛奶，则内容标签113与类目饮料的相关性较强，修正内容标签113的评分，例如对内容标签113增加权重，或者对内容标签113的评分增加修正因子等。

根据本公开的实施例，可以通过计算向量表示下的内容与类目的余弦相似度来确定内容与类目的相关性，用于修正内容的评分。

返回参考图3，在操作S330，基于各个内容标签的评分，确定所述图片的得分。根据本公开的实施例，图片的得分可以是图片中各个内容评分的累加结果。例如在图1所示的情景中，图片103包括内容标签113和内容标签123，图片103的得分可以是内容标签113的评分和内容标签123的评分的累加结果。

该方法能够自动地识别广告图片内容的丰富程度，进而在广告投放过程中，可以自动地对图片广告进行更好的筛选，提高图片筛选后的效果，减少投放人力和人为因素影响，提高效率。

根据本公开的实施例，在操作S220之前还可以包括确定所述图片的形式，以及在所述图片的形式不符合预定规则的情况下，禁止选择所述图片，其中，所述图片的形式包括格式、尺寸或分辨率中的至少一种。根据本公开的实施例，例如，预定规则可以是分辨率大于1024×1024，在图片的分辨率小于1024×1024的情况下，禁止选择该图片。

根据本公开的实施例，在操作S220之前还可以包括识别所述图片的内容，以及在所述图片的内容不符合预定规则的情况下，禁止选择所述图片。根据本公开的实施例，例如，该图片内容含有敏感词等，禁止选择该图片。

图6示意性示出了根据本公开另一实施例的确定每个图片得分的流程图。

如图6所示，该方法包括操作S601～S623。

在操作S601，类似于上文描述的操作S231，获取图片的内容中的至少一个内容标签以及与所述内容标签对应的置信值。例如，在图1所示的场景中，图片103中的至少一个内容包括内容标签113和内容标签123。

在操作S602，判断图片中至少一个内容标签的置信值是否大于一阈值，例如该阈值可以是0.65。当该至少一个内容标签的置信值大于0.65时，则执行操作S603，若不大于0.65，则丢弃该内容。

在操作S603，类似于上文描述的操作S410，判断内容标签是否为负相关。若是负相关，执行操作S614。否则，执行操作S604。

在操作S614，确定负相关内容标签的置信值a。

例如，置信值的区间分别为[1.0，0.9)，[0.9，0.8)，[0.8，0.7)，[0.7，0.65)。操作S615～S617，类似于上文描述的操作S310，确定所述置信值所属的区间。操作S618～S621，类似于上文描述的操作S430，根据所述置信值以及所述权重，确定所述内容标签的评分。在操作S615，判断该置信值a是否大于0.9。若a＞0.9，执行操作S618，确定该负相关内容标签的得分，其中，确定该内容标签得分的方法可以是，置信值a所属区间[1.0，0.9)对应的权重n1与置信值a的乘积n1×a。若a＜0.9，执行操作S616，判断该置信值a是否大于0.8。若a＞0.8，执行操作S619，确定该负相关内容标签的得分n2×a，其中n2为区间[0.9，0.8)对应的权重。若a＜0.8，执行操作S617，判断该置信值a是否大于0.7。若a＞0.7，执行操作S620，确定该负相关内容标签的得分n3×a，其中n3为区间[0.8，0.7)对应的权重。若a＜0.7，执行操作S621，确定该负相关内容标签的得分n4×a，其中n4为区间[0.7，0.65)对应的权重。

在操作S604，确定正相关内容标签的置信值b。

操作S606～S608，类似于上文描述的操作S310，确定所述置信值所属的区间。操作S609～S612，类似于上文描述的操作S430，根据所述置信值以及所述权重，确定所述内容标签的评分。在操作S606，判断该置信值b是否大于0.9。若b＞0.9，执行操作S609，确定该负相关内容标签的得分，其中，确定该内容标签得分的方法可以是，置信值b所属的区间[1.0，0.9)对应的权重p1与置信值a的乘积p1×b。若b＜0.9，执行操作S607，判断该置信值b是否大于0.8。若b＞0.8，执行操作S610，确定该负相关内容标签的得分p2×b，其中p2为区间[0.9，0.8)对应的权重。若b＜0.8，执行操作S608，判断该置信值b是否大于0.7。若b＞0.7，执行操作S611，确定该负相关内容标签的得分p3×b，其中p3为区间[0.8，0.7)对应的权重。若b＜0.7，执行操作S612，确定该负相关内容标签的得分p4×b，其中p4为区间[0.7，0.65)对应的权重。

若图片的内容与产品的类目相关，在操作S605，类似于上文描述的操作S520，在所述内容标签为正相关内容的情况下，基于内容标签与类目的相关性，对内容标签的得分修正。例如，增加该内容标签的权重，或者对该内容标签的评分增加修正因子等。

操作S622、S613以及S623，类似于上文描述的操作S330，基于各个内容标签的评分，确定所述图片的得分。在操作S622，统计负相关值。例如，将图片的内容中负相关的内容标签的得分累加，确定负相关值。在操作S613，统计正相关值。例如，将图片的内容中正相关的内容标签的得分累加，确定正相关值。在操作S623，根据正相关值和负相关值，输出得分。例如，将正相关值和负相关值相加，得到最终的得分。

图7A示意性示出了根据本公开实施例的图片选择系统700的框图。

如图7A所示，图片选择系统700包括获取模块710、第一确定模块720、计算模块730和第二确定模块740。

获取模块710，例如执行上文参考图2A描述的操作S210，用于获取多个图片的图片数据。根据本公开的实施例，例如在图1所示的场景中，获取的多个图片是广告素材图片101～106。

第一确定模块720，例如执行上文参考图2A描述的操作S220，用于根据所述多个图片的图片数据确定每个图片的内容，其中，所述内容包括多个内容标签。根据本公开的实施例，例如在图1所示的场景中，确定图片103的内容可以包括内容标签113和内容标签123，其中，内容标签113是牛奶，内容标签123是文字。

计算模块730，例如执行上文参考图2A描述的操作S230，用于根据每个图片的内容计算该图片的得分。

第二确定模块740，例如执行上文参考图2A描述的操作S240，用于根据多个图片中每个图片的得分，选择至少一个图片。根据本公开的实施例，例如在图1所示的情景中，根据图片101～106的评分，例如可以选择得分较高的前1～3张图片作为广告投放的图片。

图7B示意性示出了根据本公开实施例的计算模块730的框图。

如图7B所示，计算模块730包括获取子模块731和确定子模块732。

获取子模块731，例如执行上文参考图2B描述的操作S231，用于获取所述图片的内容的至少一个内容标签以及与所述内容对应的置信值。根据本公开的实施例，获取子模块731包括获取单元，用于通过卷积神经网络，识别图片中的内容的至少一个内容标签，并获取所述内容标签对应的置信值，其中，在所述置信值低于预设阈值的情况下，忽略所识别的内容。

确定子模块732，例如执行上文参考图2B描述的操作S232，用于根据各个所述内容标签的置信值，确定所述图片的得分。根据本公开的实施例，图片的得分可以是图片中各个内容标签的得分的累加的结果。

图8示意性示出了根据本公开实施例的确定子模块732的框图。

如图8所示，确定子模块732包括第一确定单元810、第二确定单元820和第三确定单元830。

第一确定单元810，例如执行上文参考图3描述的操作S310，用于确定所述置信值所属的区间。根据本公开的实施例，例如置信值的区间划分为[1.0，0.9)，[0.9，0.8)，[0.8，0.7)，[0.7，0.65)，置信值例如是0.9，置信值0.9所属的区间为[0.9，0.8)。

第二确定单元820，例如执行上文参考图3描述的操作S320，用于根据所述置信值以及所述区间，确定所述内容标签的评分。

第三确定单元830，例如执行上文参考图3描述的操作S330，用于基于各个内容标签的评分，计算该图片的得分。根据本公开的实施例，图片的得分可以是是图片中各个内容标签评分的累加结果。例如在图1所示的情景中，图片103包括内容标签113和内容标签123，图片103的得分可以是内容标签113的评分和内容标签123的评分的累加结果。

图9示意性示出了根据本公开实施例的第二确定单元820的框图。

如图9所示，第二确定单元820包括判断子单元910、第一确定子单元920和第二确定子单元930。

判断子单元910，例如执行上文参考图4描述的操作S410，用于判断所述内容标签为正相关内容或负相关内容，获得判断结果。根据本公开的实施例，图片中的多个内容标签可能是正相关内容也可能是负相关内容，所述正相关内容可以是使该图片的广告效果更好的内容，负相关内容可以是使该图片的广告效果较差或者并不会带来广告效果的内容。例如，图片中的文字、线条、表格等可能对广告的效果较差或者并不会带来广告效果，而图片中的图画使该图片的广告效果较好。在图1所示的情景中，图片103中的内容标签113可以是正相关内容，而内容标签123可以是负相关内容。

第一确定子单元920，例如执行上文参考图4描述的操作S420，用于根据所述判断结果，确定所述区间对应的权重。根据本公开的实施例，不同的区间对应不同的权重，例如在操作S310所述的情景中的区间对应的权重值分别为1.5，1.2，0.8，0.6。

第二确定子单元930，例如执行上文参考图4描述的操作S430，用于根据所述置信值以及所述权重，确定所述内容标签的评分。根据本公开的实施例，例如在图1所示的情景中，图片103中的内容标签113的置信值是0.9，而且为正相关内容，0.9对应的区间[0.9，0.8)的权重为1.2，该内容标签113的评分可以是1.2×0.9。图片103中的内容标签123置信值例如是0.8，内容标签113例如是负相关内容，在负相关区间中，置信值0.8对应的区间例如为[0.8，0.7)，该区间的权重例如为0.8，该内容标签123的评分可以是-(0.8×0.8)。

图10示意性示出了根据本公开另一实施例的第二确定单元820的框图。

如图10所示，该方法在前述实施例的基础上还包括第三确定子单元1010和修正子单元1020。

第三确定子单元1010，例如执行上文参考图5描述的操作S510，用于确定与所述图片对应的产品所属的类目。根据本公开的实施例，例如在图1所示的情景中，图片101～106对应的产品为产品100，该产品100所属的类目例如是饮料。

修正子单元1020，例如执行上文参考图5描述的操作S520，用于在所述内容标签为正相关内容的情况下，基于所述内容标签与所述类目的相关性，修正所述内容的评分。根据本公开的实施例，例如在图1所示的情景中，内容标签113是正相关内容。根据内容标签113与类目例如是饮料的相关性，修正内容标签的评分。例如，内容标签113识别为牛奶，则内容标签113与类目饮料的相关性较强，修正内容标签113的评分，例如对内容标签113增加权重，或者对内容标签113的评分增加修正因子等。

根据本公开的实施例，图片选择系统还可以包括第一禁止模块，用于确定所述图片的形式，以及在所述图片的形式不符合预定规则的情况下，禁止选择所述图片，其中，所述图片的形式包括格式、尺寸或分辨率中的至少一种。根据本公开的实施例，例如，预定规则可以是分辨率大于1024×1024，在图片的分辨率小于1024×1024的情况下，禁止选择该图片。

根据本公开的实施例，图片选择系统还可以包括第二禁止模块，用于识别所述图片的内容，以及在所述图片的内容不符合预定规则的情况下，禁止选择所述图片。根据本公开的实施例，例如，该图片内容含有敏感词等，禁止选择该图片。

根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，获取模块710、第一确定模块720、计算模块730、第二确定模块740、获取子模块731、确定子模块732、第一确定单元810、第二确定单元820、第三确定单元830、判断子单元910、第一确定子单元920、第二确定子单元930、第三确定子单元1010、修正子单元1020、第一禁止模块和第二禁止模块中的任意多个可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，获取模块710、第一确定模块720、计算模块730、第二确定模块740、获取子模块731、确定子模块732、第一确定单元810、第二确定单元820、第三确定单元830、判断子单元910、第一确定子单元920、第二确定子单元930、第三确定子单元1010、修正子单元1020、第一禁止模块和第二禁止模块中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块710、第一确定模块720、计算模块730、第二确定模块740、获取子模块731、确定子模块732、第一确定单元810、第二确定单元820、第三确定单元830、判断子单元910、第一确定子单元920、第二确定子单元930、第三确定子单元1010、修正子单元1020、第一禁止模块和第二禁止模块中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图11示意性示出了根据本公开实施例的电子设备的框图。图11示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图11所示，根据本公开实施例的电子设备1100包括处理器1101，其可以根据存储在只读存储器(ROM)1102中的程序或者从存储部分1108加载到随机访问存储器(RAM)1103中的程序而执行各种适当的动作和处理。处理器1101例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器1101还可以包括用于缓存用途的板载存储器。处理器1101可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 1103中，存储有所需的各种程序和数据。处理器1101、ROM 1102以及RAM1103通过总线1104彼此相连。处理器1101通过执行ROM 1102和/或RAM 1103中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM1102和RAM 1103以外的一个或多个存储器中。处理器1101也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备1100还可以包括输入/输出(I/O)接口1105，输入/输出(I/O)接口1105也连接至总线1104。电子设备1100还可以包括连接至I/O接口1105的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1106；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1107；包括硬盘等的存储部分1108；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1109。通信部分1109经由诸如因特网的网络执行通信处理。驱动器1110也根据需要连接至I/O接口1105。可拆卸介质1111，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1110上，以便于从其上读出的计算机程序根据需要被安装入存储部分1108。

根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1109从网络上被下载和安装，和/或从可拆卸介质1111被安装。在该计算机程序被处理器1101执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现上文描述的方法。

根据本公开的实施例，计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、有线、光缆、射频信号等等，或者上述的任意合适的组合。

例如，根据本公开的实施例，计算机可读介质可以包括上文描述的ROM1102和/或RAM 1103和/或ROM 1102和RAM 1103以外的一个或多个存储器。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。