[发明专利]图像清晰度识别方法、装置、电子设备及存储介质

说明书

本公开提供了一种基于深度学习的图像清晰度识别方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：获取目标图像，将目标图像输入预先训练的清晰度识别网络，得到清晰度识别结果；清晰度识别网络包括：特征提取层、交叉注意力层、编码器层和输出层；特征提取层用于提取目标图像的低级语义特征和高级语义特征；交叉注意力层用于基于低级语义特征和高级语义特征进行交叉注意力运算；编码器层用于对拼接特征进行编码，得到编码特征；输出层用于基于编码特征，计算清晰度得分。能够使网络学习到低级语义特征和高级语义特征之间的关系，得到更为准确的清晰度识别结果。

技术领域

本公开涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。

背景技术

在视频、图像的推荐搜索业务中，为了提升用户的使用体验，需要尽可能多的推送优质资源，尽可能少的推送低质资源。资源的质量涉及到很多方面，而清晰度是最为直观的特征之一。因此，如何将海量的视频、图像资源按照清晰度特征准确分类成为了推荐、搜索业务中需要迫切解决的问题。

发明内容

本公开提供了一种图像清晰度识别方法、装置、电子设备及存储介质。

根据本公开的一方面，提供了一种图像清晰度识别方法，包括：

获取目标图像，将所述目标图像输入预先训练的清晰度识别网络，得到清晰度识别结果；

其中，所述清晰度识别网络包括：特征提取层、交叉注意力层、编码器层和输出层；

所述特征提取层用于提取所述目标图像的低级语义特征和高级语义特征；

所述交叉注意力层用于基于所述低级语义特征和高级语义特征进行交叉注意力运算，并将运算得到的第一特征和第二特征拼接，得到拼接特征；

所述编码器层用于对所述拼接特征进行编码，得到编码特征；

所述输出层用于基于所述编码特征，计算清晰度得分。

根据本公开的另一方面，提供了一种清晰度识别网络训练方法，包括：

获取第一样本图像、所述第一样本图像的第一清晰度标签和初始网络，所述第一样本图像是预先生成的失真图像；所述初始网络包括特征提取层、交叉注意力层、编码器层和输出层；

基于所述第一样本图像以及所述第一清晰度标签对所述初始网络进行预训练，得到预训练网络。

根据本公开的另一方面，提供了一种图像清晰度识别装置，包括：

获取模块，用于获取目标图像，将所述目标图像输入预先训练的清晰度识别网络，得到清晰度识别结果；

其中，所述清晰度识别网络包括：特征提取层、交叉注意力层、编码器层和输出层；

所述特征提取层用于提取所述目标图像的低级语义特征和高级语义特征；

所述交叉注意力层用于基于所述低级语义特征和高级语义特征进行交叉注意力运算，并将运算得到的第一特征和第二特征拼接，得到拼接特征；

所述编码器层用于对所述拼接特征进行编码，得到编码特征；

所述输出层用于基于所述编码特征，计算清晰度得分。

根据本公开的另一方面，提供了一种清晰度识别网络训练装置，包括：

第一获取模块，用于获取第一样本图像、所述第一样本图像的第一清晰度标签和初始网络，所述第一样本图像是预先生成的失真图像；所述初始网络包括特征提取层、交叉注意力层、编码器层和输出层；

预训练模块，用于基于所述第一样本图像以及所述第一清晰度标签对所述初始网络进行预训练，得到预训练网络。