[发明专利]模型训练、图像质量评估方法及装置、电子设备、介质

权利要求书

1.一种图像质量评估模型训练方法，其特征在于，所述方法包括：

获取多个样本清晰图像，对每个所述样本清晰图像进行文字识别，得到所述样本清晰图像对应的第一文本信息；

针对单个所述样本清晰图像，基于多个图像属性变换指标对该样本清晰图像进行变换，得到该样本清晰图像对应的多个样本变换图像；其中，每个所述图像属性变换指标包括：至少一个图像属性对应的变换程度值；

对各所述样本变换图像进行文字识别得到各所述样本变换图像对应的第二文本信息，并确定该样本清晰图像对应的第一文本信息与所述第二文本信息之间的莱文斯坦距离；

基于所述莱文斯坦距离确定所述样本变换图像对应的坏例值，其中，所述坏例值用于指示所述样本变换图像是否属于坏例；

将所述样本变换图像输入初始模型，得到所述样本变换图像对应的图像属性变换预测指标和坏例预测值；

根据所述样本变换图像对应的图像属性变换预测指标，以及所述样本变换图像对应的图像属性变换指标和坏例值，基于预设的损失函数，对所述初始模型进行训练，生成图像质量评估模型；

其中，所述根据所述样本变换图像对应的图像属性变换预测指标，以及所述样本变换图像对应的图像属性变换指标和坏例值，基于预设的损失函数，对所述初始模型进行训练，包括：

根据所述样本变换图像对应的图像属性变换预测指标和所述样本变换图像对应的图像属性变换指标，基于第一损失函数确定第一损失函数值；

根据所述样本变换图像对应的图像属性变换预测指标、图像属性变换指标和坏例值，基于第二损失函数确定第二损失函数值；其中，不同的坏例值对应的确定所述第二损失函数值的方式不同；

根据所述第一损失函数值和第二损失函数值确定所述初始模型的损失函数值，基于所述损失函数值对所述初始模型进行训练。

2.根据权利要求1所述的方法，其特征在于，所述根据所述样本变换图像对应的图像属性变换预测指标、图像属性变换指标和坏例值，基于第二损失函数确定第二损失函数值，包括：

如果所述样本变换图像对应的坏例值为第一数值，获取所述样本变换图像对应的图像可识别边界值；

根据所述样本变换图像对应的图像属性变换指标和所述图像可识别边界值，基于第二损失函数确定所述样本变换图像对应的实际变换程度；

根据所述样本变换图像对应的图像属性变换预测指标和所述图像可识别边界值，基于第二损失函数确定所述样本变换图像对应的预测变换程度；

根据所述实际变换程度和所述预测变换程度，确定第二损失函数值；

如果所述样本变换图像对应的坏例值为第二数值，确定所述第二损失函数值为0。

3.根据权利要求1所述的方法，其特征在于，所述基于所述莱文斯坦距离确定所述样本变换图像对应的坏例值，包括：

如果所述莱文斯坦距离大于预设数值，确定所述样本变换图像对应的坏例值是第一数值；

如果所述莱文斯坦距离不大于所述预设数值，确定所述样本变换图像对应的坏例值是第二数值。

4.根据权利要求1所述的方法，其特征在于，在所述基于多个图像属性变换指标对该样本清晰图像进行变换之前，所述方法还包括：

获取至少一个图像属性中每个图像属性对应的多个变换指标；

根据每个图像属性对应的多个变换指标，生成所述多个图像属性变换指标，其中，所述图像属性变换指标包括每个图像属性对应的一个变换指标。

5.根据权利要求1所述的方法，其特征在于，所述图像质量评估模型的网络结构为ResNet网络结构中除softmax层之外的网络结构。

6.一种图像质量评估方法，其特征在于，所述方法包括：

获取待评估图像，通过图像质量评估模型对所述待评估图像进行处理，得到所述待评估图像对应的图像属性变换指标和坏例值；

基于所述坏例值，确定所述待评估图像是否属于坏例；

其中，所述图像质量评估模型基于如权利要求1~5任一项所述的方法训练得到。