[发明专利]图像质量评价方法、图像质量评价模型的训练方法和装置在审

专利信息
申请号: 202010786237.2 申请日: 2020-08-06
公开(公告)号: CN111915595A 公开(公告)日: 2020-11-10
发明(设计)人: 苏驰;李凯;刘弘也 申请(专利权)人: 北京金山云网络技术有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06N20/00
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 徐丽
地址: 100000 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 质量 评价 方法 模型 训练 装置
【权利要求书】:

1.一种图像质量评价方法,其特征在于,所述方法包括:

获取待处理图像;

将所述待处理图像输入至预先训练完成的图像质量评价模型中,得到所述待处理图像在预设的多个质量等级下的评价结果;

其中,所述图像质量评价模型为使用样本集通过机器学习训练得到,所述样本集中的每个样本均包括一个样本图像和所述样本图像对应的质量标签分布;所述质量标签分布中包括预设的多个质量等级,以及所述样本图像属于每个所述质量等级的概率值。

2.根据权利要求1所述的方法,其特征在于,针对于所述样本集中的每个所述样本图像,当前样本图像的质量标签分布通过下述方式确定:

获取所述当前样本图像对应的多个标注结果;所述标注结果用于表示所述当前样本图像的质量等级;

基于所述多个标注结果和所述预设的多个质量等级,生成所述当前样本图像的质量标签分布。

3.根据权利要求2所述的方法,其特征在于,所述基于所述多个标注结果和所述预设的多个质量等级,生成所述当前样本图像的质量标签分布的步骤,包括:

计算所述多个标注结果对应的质量等级的平均值,得到等级均值;

基于所述等级均值和所述预设的多个质量等级,确定所述当前样本图像属于所述预设的多个质量等级中的每个质量等级的概率值;

组合每个质量等级的概率值,得到所述当前样本图像的质量标签分布。

4.根据权利要求3所述的方法,其特征在于,所述基于所述等级均值和所述预设的多个质量等级,确定所述当前样本图像属于所述预设的多个质量等级中的每个质量等级的概率值的步骤,包括:

通过下述算式,计算所述当前样本图像属于预设的多个质量等级中的每个质量等级的概率值:

其中,pj表示当前样本图像属于预设的多个质量等级中第j个质量等级的概率值;j表示第j个质量等级的等级值;y表示所述等级均值;Z表示归一化因子;N表示预设的多个质量等级的总数;σ表示预设标准差;exp表示以自然常数e为底的指数函数运算;∑表示求和运算。

5.根据权利要求1所述的方法,其特征在于,所述图像质量评价模型的权重参数是在机器学习训练过程中根据损失量确定的;其中,所述损失量表示样本输入至所述图像质量评价模型后得到的质量评价结果与输入的样本的质量标签分布之间的差异。

6.根据权利要求5所述的方法,其特征在于,所述损失量通过下述算式确定:

其中,L表示所述损失量;pj表示在质量标签分布中,样本图像属于预设的多个质量等级中第j个质量等级的概率值;表示在质量评价结果中,样本图像属于预设的多个质量等级中第j个质量等级的概率值;N表示预设的多个质量等级的总数;log用于表示对数运算;∑表示求和运算。

7.一种图像质量评价模型的训练方法,其特征在于,所述方法包括:

获取样本集;所述样本集中的每个样本均包括一个样本图像和所述样本图像对应的质量标签分布;每个所述质量标签分布中包括预设的多个质量等级,以及所述样本图像属于每个所述质量等级的概率值;

基于所述样本集对初始模型进行机器学习训练,得到图像质量评价模型。

8.根据权利要求7所述的方法,其特征在于,针对于所述样本集中的每个所述样本图像,当前样本图像的质量标签分布通过下述方式确定:

获取所述当前样本图像对应的多个标注结果;所述标注结果用于表示所述当前样本图像的质量等级;

基于所述多个标注结果和所述预设的多个质量等级,生成所述当前样本图像的质量标签分布。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京金山云网络技术有限公司,未经北京金山云网络技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010786237.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top