[发明专利]图像检测方法、装置、设备及存储介质

权利要求书

1.一种图像检测方法，其特征在于，包括：

获取待检测的目标图像；

将所述目标图像输入至预设图像检测模型中，其中，所述预设图像检测模型通过利用预设样本对集合，对包含孪生网络的预设神经网络模型进行训练后得到，所述孪生网络中包括结构相同且共享权重的两个分支网络，每个所述分支网络用于输出输入至所述分支网络的图像的色彩质量分值和图像损伤类别，所述预设样本对集合中的每个样本对中包括基于同一预设原始图像生成的图像损伤类别相同但损伤程度不同的两个样本图像，所述预设样本对集合中包含至少两个对应于不同图像损伤类别的样本对；

根据所述预设图像检测模型的输出结果，确定所述目标图像对应的目标色彩质量分值和目标图像损伤类别。

2.根据权利要求1所述的方法，其特征在于，所述预设图像检测模型采用如下模型训练方法得到：

对于所述预设样本对集合中的每个样本对，将样本对中的第一样本图像输入至所述预设神经网络模型中的孪生网络的第一分支网络，将样本对中的第二样本图像输入至所述孪生网络的第二分支网络，其中，所述预设样本对集合中的每个样本对均携带有质量排序标签和损伤类别标签，当所述第一样本图像的损伤程度低于所述第二样本图像的损伤程度时，质量排序标签的取值为第一预设值，当所述第一样本图像的损伤程度高于所述第二样本图像的损伤程度时，质量排序标签的取值为第二预设值，所述第一预设值大于所述第二预设值；

根据所述第一分支网络输出的第一色彩质量分值和第一图像损伤类别、所述第一分支网络输出的第二色彩质量分值和第二图像损伤类别、所述质量排序标签以及所述损伤类别标签，计算预设损失函数；

基于所述预设损失函数对所述预设神经网络模型进行调整，得到目标神经网络模型；

根据所述目标神经网络模型中的训练完成后的第一分支网络或第二分支网络确定预设图像检测模型。

3.根据权利要求2所述的方法，其特征在于，所述预设损失函数中包括预设排序损失函数和预设分类损失函数；

其中，所述预设排序损失函数根据所述第一色彩质量分值、所述第二色彩质量分值以及所述质量排序标签计算得到；

所述预设分类损失函数根据所述第一图像损伤类别、所述第二图像损伤类别以及所述损伤类别标签计算得到。

4.根据权利要求1-3任一所述的方法，其特征在于，所述图像损伤类别包括第一损伤类别和第二损伤类别，所述第一损伤类别与色彩类指标相关，所述第二损伤类别与亮度类指标相关。

5.根据权利要求4所述的方法，其特征在于，所述第一损伤类别包括多个第一损伤子类别，所述第二损伤类别包括多个第二损伤子类别；

所述预设样本对集合中的每个样本对中包括基于同一预设原始图像生成的损伤子类别相同但损伤程度不同的两个样本图像。

6.根据权利要求5所述的方法，其特征在于，所述第一损伤子类别包括饱和度和色彩丰富度中的至少一种，所述第二损伤子类别包括亮度、对比度和曝光度中的至少一种。

7.根据权利要求1-3任一所述的方法，其特征在于，所述预设原始图像来自于原始图像集合，所述原始图像集合中包含预设比例的经过灰度化处理的图像。

8.一种图像检测装置，其特征在于，包括：

目标图像获取模块，用于获取待检测的目标图像；

图像输入模块，用于将所述目标图像输入至预设图像检测模型中，其中，所述预设图像检测模型，通过利用预设样本对集合对包含孪生网络的预设神经网络模型进行训练后得到，所述孪生网络中包括结构相同且共享权重的两个分支网络，每个所述分支网络用于输出输入至所述分支网络的图像的色彩质量分值和图像损伤类别，所述预设样本对集合中的每个样本对中包括基于同一预设原始图像生成的图像损伤类别相同但损伤程度不同的两个样本图像，所述样本对集合中包含至少两个对应于不同图像损伤类别的样本对；

图像检测模块，用于根据所述预设图像检测模型的输出结果，确定所述目标图像对应的目标色彩质量分值和目标图像损伤类别。