[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

说明书

本发明实施例提供的一种图像质量的评价及模型生成方法、装置、设备和存储介质，通过分别提取待评价图像的基础特征和深度特征；其中，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；深度特征为用于反映图像内容的特征；将基础特征和深度特征输入预设的融合模型，得到融合特征；将融合特征输入图像评价模型，得到待评价图像的质量评价结果；其中，图像评价模型为预先利用多个样本图像的融合特征和多个样本图像的评价结果标签训练得到的模型。通过本方案，可以提高对图像质量的评价的准确性。

技术领域

本发明涉及图像技术领域，特别是涉及一种图像质量的评价及模型生成方法、装置、设备和存储介质。

背景技术

随着图像技术的发展，图像被广泛用于内容呈现。举例而言，图像可以作为视频封面、电子相册封面以及电影海报等等。对此，为了更好地呈现内容，需要针对图像反映的内容进行图像质量的评价，以选择评价结果合适的图像用于内容呈现。

相关技术中，可以将待评价图像输入预设的模型，得到针对图像内容的图像质量评价。其中，预设的模型为预先利用样本图像和样本图像的评价结果标签训练得到的神经网络模型。但是，样本图像的评价结果标签往往是由人工针对样本图像的内容，进行评价得到的，往往具有较高的主观性，容易导致对图像的质量评价不够准确的问题。

发明内容

本发明实施例的目的在于提供一种图像质量的评价及模型生成方法、装置、设备和存储介质，以实现提高对图像质量的评价的准确性的效果。具体技术方案如下：

第一方面，本发明实施例提供了一种模型生成方法，该方法包括：

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；

将多个样本图像的所述融合特征，输入评价模型进行训练，得到针对每个样本图像的融合特征的预测评价结果；

基于所述预测评价结果、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。

第二方面，本发明实施例提供了一种图像质量的评价方法，该方法包括：

分别提取待评价图像的基础特征和深度特征；其中，所述基础特征为能够反映图像的展示效果、且具备可解释性的特征；所述深度特征为能够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；

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上述第一方面提供的模型生成方法生成的。

第三方面，本发明实施例提供了一种模型生成装置，该装置包括：

特征融合模块，用于针对多个样本图像，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；

模型训练模块，用于将多个样本图像的所述融合特征，输入评价模型进行训练，得到针对每个样本图像的融合特征的预测评价结果；

模型确定模块，用于基于所述预测评价结果、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。

第四方面，本发明实施例提供了一种图像质量的评价装置，该装置包括：