无监督的人脸图像质量评估方法、电子设备和存储介质技术

本申请涉及无监督的人脸图像质量评估方法、电子设备和存储介质，属于人工智能领域，该方法包括：通过人脸识别网络对人脸图像提取第一特征，其中，人脸识别网络的数量为多个；根据第一特征和通过人脸识别网络对人脸图像的类内图像提取的第二特征，计算类内相似度分布；根据第一特征和通过人脸识别网络对人脸图像的类间图像提取的第三特征，计算类间相似度分布；根据类内相似度分布和类间相似度分布，计算质量分数；将基于多个人脸识别网络得到的多个质量分数进行加权平均得到质量评估结果。不仅衡量了类内相似度分布和类间相似度分布，还综合了多个人脸识别网络的结果以对人脸图像质量进行评估，保证了人脸图像质量评估结果的准确性和可靠性。

【技术实现步骤摘要】
无监督的人脸图像质量评估方法、电子设备和存储介质
本申请涉及人工智能
，特别是涉及无监督的人脸图像质量评估方法、电子设备和存储介质。
技术介绍
近年来，人脸图像质量评估已经成为人脸识别系统中不可或缺的一部分，以保证在无约束场景下识别性能的稳定性和可靠性。质量好的人脸图像并非我们肉眼看上去清晰的图像，而是可以被人脸识别网络模型正确识别的图像。但是，通过训练得到的人脸识别网络模型会由于各种因素导致模型的好坏程度(该模型的好坏程度可以通过识别的准确度来衡量)参差不齐，从而导致输出的评估结果可靠性较低，对此，相关技术中尚没有得到很好的解决。
技术实现思路
本申请实施例提供了一种无监督的人脸图像质量评估方法、电子设备和存储介质，以至少解决相关技术中如何提高评估结果可靠性的问题。第一方面，本申请实施例提供了一种无监督的人脸图像质量评估方法，包括：通过人脸识别网络对人脸图像提取第一特征，其中，所述人脸识别网络的数量为多个；根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类内图像提取的第二特征，计算类内相似度分布；根据所本文档来自技高网...

【技术保护点】
1.一种无监督的人脸图像质量评估方法，其特征在于，包括：/n通过人脸识别网络对人脸图像提取第一特征，其中，所述人脸识别网络的数量为多个；/n根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类内图像提取的第二特征，计算类内相似度分布；/n根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类间图像提取的第三特征，计算类间相似度分布；/n根据所述类内相似度分布和所述类间相似度分布，计算质量分数；/n将基于多个人脸识别网络得到的多个所述质量分数进行加权平均得到质量评估结果。/n

【技术特征摘要】
1.一种无监督的人脸图像质量评估方法，其特征在于，包括：
通过人脸识别网络对人脸图像提取第一特征，其中，所述人脸识别网络的数量为多个；
根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类内图像提取的第二特征，计算类内相似度分布；
根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类间图像提取的第三特征，计算类间相似度分布；
根据所述类内相似度分布和所述类间相似度分布，计算质量分数；
将基于多个人脸识别网络得到的多个所述质量分数进行加权平均得到质量评估结果。


2.根据权利要求1所述的方法，其特征在于，所述的根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类内图像提取的第二特征，计算类内相似度分布包括：
通过所述人脸识别网络对所述人脸图像的类内图像提取第二特征；
根据所述第一特征和所述第二特征计算余弦相似度，得到类内相似度分布。


3.根据权利要求1所述的方法，其特征在于，所述的根据所述第一特征和通过所述人脸识别网络对所述人脸图像的类间图像提取的第三特征，计算类间相似度分布包括：
通过所述人脸识别网络对所述人脸图像的类间图像提取第三特征；
根据所述第一特征和所述第三特征计算余弦相似度，得到类间相似度分布。


4.根据权利要求1所述的方法，其特征在于，所述的根据所述类内相似度分布和所述类间相似度分布，计算质量分数包括：
计算所述类内相似度分布和所述类间相似度分布之间的推土机距离；
根据所述推土机距离，计算质量分数。

【专利技术属性】
技术研发人员：陈白洁，王月平，
申请(专利权)人：杭州魔点科技有限公司，
类型：发明
国别省市：浙江;33