照片美化加工具有广泛的应用场景,据统计超过90%的女性用户在分享照片前,都会事先使用诸如美图秀秀等修图工具加工处理照片,这成为用户分享生活前的必要操作。如何让用户能够更好地“分享”和“回顾”生活在实际工业应用中具有重要意义,因此本文利用深度学习的方式实现自动化、流程化的照片处理,并将这种智能后期的技术实际应用到APP中,大量节省用户手动修图的成本,进一步满足用户的分享需求。本文的主要研究是利用现有的深度学习图像算法识别技术,对照片中的目标进行检测定位、特征提取和照片分类。在通过机器内容分发并收集用户行为反馈的方式收集用户本身对图像处理偏好之后,利用一些传统图像处理方法为用户照片完成底层视觉任务,最后再通过改进后的协同过滤算法将用户满意度较高的后期处理效果推荐给用户。本文主要完成以下三个方面的研究工作:第一,针对照片分类问题,本文研究了基于深度学习卷积神经网络CNN的图像目标检测相关算法,并将该算法实际应用到工业界中。在移动应用中对比了不同分类网络模型的分类速度和性能后,选出性能最优的线上图片分类模型。第二,针对照片智能后期的推荐,本文采用机器分发的方式来对用户进行照片推荐。基于首批用户的行为特征,利用协同过滤算法将同样的照片后期效果进一步推荐给更多与之兴趣相近的用户,通过用户行为反馈不断学习用户对图像处理的偏好,改进推荐算法策略。传统的协同过滤推荐算法不能及时反映出随着时间的推移用户对于某一类照片加工推荐的喜好程度变化。基于这个问题,本文提出了两种改进的维度:基于用户浏览时间跨度的数据加权和基于推荐照片类型相似度的数据加权。实验结果表明,改进后的协同过滤推荐效果用户满意度更高,点击率提高了3.2%,达到 28%。第三,本文将研究成果实际应用到时光相册APP产品。基于现有的深度学习图像算法模型完成照片的自动分类和后期加工处理,针对新用户能够在60秒内完成照片分类服务并完成部分照片的美化服务,帮助用户更好地分享和回顾生活。