[发明专利]一种手掌图像质量评估模型构建方法及装置

说明书

本申请公开了一种手掌图像质量评估模型构建方法及装置，方法包括：构建初始质量评估模型，初始质量评估模型包括预置手掌识别网络和质量损失预测分支；将预置手掌图像输入初始质量评估模型中训练质量损失预测分支，得到目标质量评估模型，预置手掌图像不存在对应的质量标签。本申请能够解决现有人工质量标注存在质量判断缺乏准确性，耗费时间长且标准不统一的技术问题。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种手掌图像质量评估模型构建方法及装置。

背景技术

可见光手掌图像的采集会因为光照、清晰度和遮挡等问题导致质量不一，从而影响各种功能网络模型的图像处理性能，例如分类或者识别等任务，如果图像质量较差，模型的学习泛化能力也较差，导致分类或者识别结果不尽如人意。

通过人工对手掌图像进行质量标注存在质量判断不准确，耗费时间长且标准不统一的问题。

发明内容

本申请提供了一种手掌图像质量评估模型构建方法及装置，用于解决现有人工质量标注存在质量判断缺乏准确性，耗费时间长且标准不统一的技术问题。

有鉴于此，本申请第一方面提供了一种手掌图像质量评估模型构建方法，包括：

构建初始质量评估模型，所述初始质量评估模型包括预置手掌识别网络和质量损失预测分支；

将预置手掌图像输入所述初始质量评估模型中训练所述质量损失预测分支，得到目标质量评估模型，所述预置手掌图像不存在对应的质量标签。

优选地，所述将预置手掌图像输入所述初始质量评估模型中训练所述质量损失预测分支，得到目标质量评估模型，包括：

根据所述预置手掌识别网络对应的预置模型拟合损失函数和所述质量损失预测分支对应的预测质量损失函数构建均方误差损失函数；

根据所述均方误差损失函数，采用预置手掌图像对所述初始质量评估模型中的所述质量损失预测分支的参数进行训练，得到目标质量评估模型。

优选地，所述根据所述预置手掌识别网络对应的预置模型拟合损失函数和所述质量损失预测分支对应的预测质量损失函数构建均方误差损失函数，之前还包括：

获取所述预置手掌识别网络的最后一个特征图提取层的输出，得到目标特征图；

根据所述目标特征图配置所述质量损失预测分支的预测质量损失函数。

优选地，所述预置手掌识别网络的配置过程为：

采用手掌图像训练集训练初始手掌识别网络，得到预置手掌识别网络，所述预置手掌识别网络对应的损失函数为ArcFace损失函数。

优选地，所述预置手掌图像的获取过程为：

将原始手掌图像进行扩增处理，得到增强手掌图像，所述扩增处理包括旋转、缩放、平移、错切和透视扭曲；

将所述增强手掌图像分别进行裁剪和归一化操作，得到预置手掌图像。

优选地，所述将预置手掌图像输入所述初始质量评估模型中训练所述质量损失预测分支，得到目标质量评估模型，之后还包括：

采用手掌图像验证集对所述目标质量评估模型进行验证，得到等错误率；

选取最小的所述等错误率对应的所述目标质量评估模型作为最佳质量评估模型。

本申请第二方面提供了一种手掌图像质量评估模型构建装置，包括：

构建单元，用于构建初始质量评估模型，所述初始质量评估模型包括预置手掌识别网络和质量损失预测分支；