【技术实现步骤摘要】
评估图像质量的方法、装置及终端设备
本申请属于图像质量评估
,尤其涉及评估图像质量的方法、评估图像质量的装置、终端设备及计算机可读存储介质。
技术介绍
图像质量评估在许多场景都有广泛的应用需求,比如对图像进行质量评估可以从大量图像中筛选出高质量图像,和低质量图像。之后电子设备可以删除低质量图像,以减小硬件存储压力;或者,电子设备可以基于图像的质量评分可以从视频中提取中质量较好的图像。此外,还可以从大规模的数据中筛选出高质量的训练图像以用于神经网络模型的训练等。
技术实现思路
本申请实施例提供了评估图像质量的方法、评估图像质量的装置、终端设备及计算机可读存储介质,可以提升图像质量评估的准确率。第一方面,本申请实施例提供了一种评估图像质量的方法,包括:获取待评估图像;将所述待评估图像输入至图像评估模型中,得到所述待评估图像对应的至少一个质量评估分值和所述待评估图像的语义信息;根据至少一个所述质量评估分值和所述语义信息确定所述待评估图像的质量评估结果。第二方面,本申请实施例提供了一种评估图像质量的装置,包括:获取模块,用于获取待评估图像;处理模块,用于将所述待评估图像输入至图像评估模型中,得到所述待评估图像对应的至少一个质量评估分值和所述待评估图像的语义信息;确定模块,用于根据至少一个所述质量评估分值和所述语义信息确定所述待评估图像的质量评估结果。第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器、显示器以及存储在上 ...
【技术保护点】
1.一种评估图像质量的方法,其特征在于,包括:/n获取待评估图像;/n将所述待评估图像输入至图像评估模型中,得到所述待评估图像对应的至少一个质量评估分值和所述待评估图像的语义信息;/n根据至少一个所述质量评估分值和所述语义信息确定所述待评估图像的质量评估结果。/n
【技术特征摘要】
1.一种评估图像质量的方法,其特征在于,包括:
获取待评估图像;
将所述待评估图像输入至图像评估模型中,得到所述待评估图像对应的至少一个质量评估分值和所述待评估图像的语义信息;
根据至少一个所述质量评估分值和所述语义信息确定所述待评估图像的质量评估结果。
2.如权利要求1所述的方法,其特征在于,所述图像评估模型包括图像分类模型和至少一个质量评估模型,其中,所述质量评估模型用于获得一个所述质量评估分值,所述图像分类模型用于确定所述待评估图像的语义信息;
所述将所述待评估图像输入至图像评估模型中,得到所述待评估图像对应的至少一个质量评估分值和所述待评估图像的语义信息,包括:
通过至少一个质量评估模型确定待评估图像的至少一个质量评估分值;
通过所述图像分类模型确定所述待评估图像的语义信息。
3.如权利要求2所述的方法,其特征在于,所述质量评估模型为卷积神经网络模型;
所述通过至少一个质量评估模型确定待评估图像的至少一个质量评估分值,包括:
针对每一个所述卷积网络模型,将所述待评估图像输入所述卷积神经网络模型,获得所述卷积神经网络模型中的特征提取层针对所述待评估图像所输出的第一特征向量;
通过所述卷积神经网络模型中的自适应池化层将所述第一特征向量转化为预设维度的第二特征向量;
根据所述第二特征向量和所述卷积神经网络模型,获得所述待评估图像的一个质量评估分值。
4.如权利要求2所述的方法,其特征在于,所述语义信息包括类别概率向量;
所述根据至少一个所述质量评估分值和所述语义信息确定所述待评估图像的质量评估结果,包括:
根据所述质量评估分值和所述类别概率向量确定第三特征向量,所述第三特征向量的维度为所述类别概率向量的维度与所述质量评估分值的维度之和;
根据所述第三特征向量得到质量评估结果。
5.如权利要求4所述的方法,其特征在于,所述根据所述第三特征向量得到质量评估结果包括:
将所述第三特征向量输入分类器,获得所述分类器所输出的质量评估结果。
6.如权利要求5所述的方法,其特征在于,所述质量评估模型为卷积神经网络模型;
在通过至少一个质量评估模型确定待评估图像的至少一个质量评估分值之前,还包括:
通过第一图像训练集,对参考卷积神经网络模型、参考图像分类模型以及参考分类器进行联合训练,并将联合训练后得到的参考卷积神经网络模型作为所述卷积神经网络模型,将联合训练后得到的参考图像分类模型作为所述图像分类模型,以及将联合训练后得到的参考分类器作为所述分类器。
7.如权利要求6所述的方法,其特征在于,所述通过第一图像训练集,对参考卷积神经网络模型、参考图像分类模型以及参考分类器进行联合训练,包括:
针对所述联合训练的每一次迭代过程,将所述第一图像训练集中针对本次迭代过程的第一训练图像分别输入所述参考卷积神经网络模型和所述参考图像分类模型,获得所述参考卷积神经网络模型针对所述第一训练图像所输出的第一质量评估分值,以及获得所述参考图像分类模型针对所述第一训练图像所输出的第一类别概率向量;
根据所述第一质量评估分值与所述第一类别概率向量确定第四特征向量;
通过所述参考分类器对所述第四特征向量进行处理,获得本次迭代过程所对应的第二质量评估分值;
根据所述第二质量评估分值确定所述联合训练是否完成。
8.如权利要求6所述的方法,其特征在于,在通过第一图像训练集,对参考卷积神经网络模型、参考图像分类模型以及参考分类器进行联合训练之前,还包括:
根据第二图像训练集,对第一卷积神经网络模型进行训练,并将训练完成的第一卷积神经网络模型作为所述参考卷积神经网络模型;
根据第...
【专利技术属性】
技术研发人员:尹康,
申请(专利权)人:OPPO重庆智能科技有限公司,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。