[发明专利]清晰度预测模型的训练方法和确定清晰等级的方法

权利要求书

1.一种清晰度预测模型的训练方法，包括：

以样本图像对中的两个样本图像分别作为所述清晰度预测模型的输入，获得所述两个样本图像各自的预测清晰度，其中，所述两个样本图像均具有指示实际清晰度的标签；

确定所述两个样本图像的两个预测清晰度之间的第一差值，并确定所述两个样本图像的两个实际清晰度之间的第二差值；以及

基于第一预定损失函数和所述第一差值与所述第二差值之间的差异，对所述清晰度预测模型进行训练，

其中，所述样本图像对是由多个样本图像中的任意两个样本图像组合得到的；

其中，所述清晰度预测模型包括结构不同的多个处理分支、特征融合层和输出层；获得所述两个样本图像各自的预测清晰度包括针对所述两个样本图像中的任一图像：

以所述任一图像作为所述多个处理分支的输入，获得所述任一图像的多个清晰度特征；

以所述多个清晰度特征作为所述特征融合层的输入，获得融合特征；以及

以所述融合特征作为所述输出层的输入，获得所述任一图像的预测清晰度；

其中，对所述清晰度预测模型进行训练包括：

确定所述差异与预定超参之间的差值，作为第三差值；以及

基于所述第一预定损失函数和所述第三差值，对所述清晰度预测模型进行训练；

其中，所述第一预定损失函数采用以下公式表示：

,

其中，pred₀、pred₁分别为所述两个样本图像的两个预测清晰度，diff（pred₀，pred₁）为所述第一差值，label₀、label₁分别为所述两个样本图像的两个实际清晰度，diff（label₀，label₁）为所述第二差值，margin为所述预定超参，且所述预定超参的取值大于0。

2.根据权利要求1所述的方法，还包括在对所述清晰度预测模型进行训练之后：

以验证图像作为训练后的清晰度预测模型的输入，获得所述验证图像的预测清晰度，其中，所述验证图像具有指示实际清晰度的标签；以及

基于第二预定损失函数及所述验证图像的预测清晰度与所述验证图像的实际清晰度之间的差异，优化所述清晰度预测模型。

3.根据权利要求1所述的方法，其中，获得所述两个样本图像各自的预测清晰度包括：

将所述两个样本图像输入以所述清晰度预测模型为主干模型的孪生网络中，以经由所述孪生网络中的两个网络分别处理所述两个样本图像，获得所述两个样本图像各自的预测清晰度。

4. 一种确定图像清晰等级的方法，包括：

以待处理图像作为清晰度预测模型的输入，获得所述待处理图像的预测清晰度；以及

基于所述待处理图像的预测清晰度，确定所述待处理图像的清晰等级，

其中，所述清晰度预测模型是采用权利要求1~3中任一项所述的方法训练得到的。

5.一种确定视频清晰等级的方法，包括：

从待处理视频中提取多个关键图像帧；

以所述多个关键图像帧分别作为清晰度预测模型的输入，获得所述多个关键图像帧各自的预测清晰度；以及

基于所述多个关键图像帧的多个预测清晰度，确定所述待处理视频的清晰等级，

其中，所述清晰度预测模型是采用权利要求1~3中任一项所述的方法训练得到的。