[发明专利]图像质量的评价及模型生成方法、装置、设备和存储介质

权利要求书

1.一种模型生成方法，其特征在于，所述方法包括：

针对多个样本图像，分别提取各样本图像的基础特征和深度特征，并将各基础特征和各深度特征输入预设的融合模型，得到各融合特征；其中，所述基础特征为用于反映图像的展示效果且具备可解释性的特征；所述深度特征为用于反映图像内容的特征；所述融合特征，包括：第一融合子特征和第二融合子特征；其中，所述第一融合子特征包括：计算所述基础特征和所述深度特征之间的外积得到的所述基础特征和所述深度特征之间全部组合形式的特征；所述第二融合子特征包括：对所述基础特征和所述深度特征进行组合后，得到的拼接形式的特征；

将多个样本图像的所述第一融合子特征和所述第二融合子特征，分别输入评价模型进行训练，得到所述第一融合子特征的第一预测评价结果，以及所述第二融合子特征的第二预测评价结果；

基于所述第一预测评价结果、所述第二预测评价结果、所述多个样本图像的评价结果标签以及预设的损失函数，判断处于当前训练阶段的评价模型是否收敛；

如果收敛，将处于当前训练阶段的评价模型作为图像评价模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一预测评价结果、所述第二预测评价结果、所述多个样本图像的评价结果标签以及预设的损失函数，判断处于当前训练阶段的评价模型是否收敛，包括：

将所述第一预测评价结果、所述第二预测评价结果和所述多个样本图像的评价结果标签，输入所述预设的损失函数，获得第一误差和第二误差之和；其中，所述第一误差为所述第一预测评价结果与所述样本图像的评价结果标签之间的误差；所述第二误差为所述第二预测评价结果与所述样本图像的评价结果标签之间的误差；

根据所述第一误差和第二误差之和，判断处于当前训练阶段的评价模型是否收敛。

3.根据权利要求1或2所述的方法，其特征在于，在所述判断处于当前训练阶段的评价模型是否收敛之后，所述方法还包括：

如果不收敛，调整处于当前训练阶段的评价模型的模型参数，得到调整后的评价模型；分别将所述多个样本图像输入所述调整后的评价模型，并重复上述进行训练和调整所述模型参数的步骤，直至所调整后的评价模型收敛。

4.一种图像质量的评价方法，其特征在于，所述方法包括：

分别提取待评价图像的基础特征和深度特征；其中，所述基础特征为用于反映图像的展示效果且具备可解释性的特征；所述深度特征为用于反映图像内容的特征；

将所述基础特征和所述深度特征输入预设的融合模型，得到融合特征；所述融合特征，包括：第一融合子特征和第二融合子特征；其中，所述第一融合子特征包括：计算所述基础特征和所述深度特征之间的外积得到的所述基础特征和所述深度特征之间全部组合形式的特征；所述第二融合子特征包括：对所述基础特征和所述深度特征进行组合后，得到的拼接形式的特征；

将所述融合特征输入图像评价模型，得到所述待评价图像的质量评价结果；其中，所述图像评价模型为利用权利要求1或2所述的方法生成的。

5.根据权利要求4所述的方法，其特征在于，

当所述融合特征包括所述第一融合子特征时，所述将所述基础特征和所述深度特征输入预设的融合模型，得到融合特征，包括：计算所述基础特征和所述深度特征之间的外积；对所述外积进行降维处理，得到所述第一融合子特征；

和/或，

当所述融合特征包括所述第二融合子特征时，所述将所述基础特征和所述深度特征输入预设的融合模型，得到融合特征，包括：对所述深度特征进行降维处理，得到降维后的深度特征；拼接所述基础特征与所述降维后的深度特征，得到所述第二融合子特征。

6.根据权利要求4或5所述的方法，其特征在于，所述待评价图像为RGB图像；所述待评价图像的基础特征，包括：第一基础特征、第二基础特征以及第三基础特征中的至少一种；

其中，所述第一基础特征为所述待评价图像的基础特征中，在像素层面反映待评价图像展示效果的特征；所述第二基础特征为所述待评价图像的基础特征中，在待评价图像的统计层面反映展示效果的特征；所述第三基础特征为所述待评价图像的基础特征中，在待评价图像的变换域层面反映展示效果的特征。