一种图像选择方法及装置制造方法及图纸

本申请公开了一种图像选择方法，应用于人工智能领域，方法包括：获取多个候选图像，通过第一图像处理模型和第二图像处理模型分别处理每个候选图像，以得到每个候选图像对应的第一处理图像和第二处理图像，获取每个候选图像对应的第一处理图像和第二处理图像之间的图像质量差异，并根据图像质量差异，从多个候选图像中选择M个目标图像。本申请将各个候选图像对应的图像质量差异作为测试样本的选择依据，保证第一图像处理模型和第二图像处理模型在处理同一个测试样本时得到的输出图像之间的图像质量差异较大，从而帮图像质量评测人员更容易从主观上判断出第一图像处理模型和第二图像处理模型之间的性能优劣。

【技术实现步骤摘要】
一种图像选择方法及装置
本申请涉及人工智能领域，尤其涉及一种图像选择方法及装置。
技术介绍
人工智能(artificialintelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。在进行图像处理模型的性能比较时，对于真实世界的对比测试场景，往往无法获得理想的参考图像。从而导致在评价模型的性能比较时，无法使用有参考质量评价指标(例如峰值信噪比(peaksignal-to-noiseratio，PSNR)、结构相似性(structuralsimilarity，SSIM)等)进行客观评估。因此，往往仍需要专家进行主观的模型性能评估。在进行主观的模型性能评估时，需要进行性能比较的模型需要处理同一张测试样本，然后基于处理结果来进行性能评估，然而现有技术并不能选择出能更准确地体现模型之间性能差异的测试样本。
技术实现思路
第一方面，本申请提供了一种图像选择方法，所述方法包括：获取多个候选图像；其中，可以获取到多个候选图像，以及需要进行性能比较的第一图像处理模型和第二图像处理模型，其中，第一图像处理模型和第二图像处理模型可以用于实现一个图像处理任务，图像增强任务例如可以是图像增强任务，多个候选图像可以是针对于图像增强任务的测试样本集。示例性的，图像增强任务为去雾，则多个候选图像可以是针对去雾场景的大规模测试样本集。通过第一图像处理模型和第二图像处理模型分别处理每个候选图像，以得到所述每个候选图像对应的第一处理图像和第二处理图像；其中，所述第一图像处理模型和所述第二图像处理模型用于实现相同的图像处理任务；所述第一处理图像为经过所述第一图像处理模型处理得到的，所述第二处理图像为经过所述第二图像处理模型处理得到的；其中，所谓“处理”可以理解为模型的推理过程。获取每个候选图像对应的第一处理图像和第二处理图像之间的图像质量差异，并根据所述图像质量差异，从所述多个候选图像中选择M个目标图像，所述M个目标图像用于作为所述第一图像处理模型和所述第二图像处理模型在进行性能比较时的测试样本。其中，图像质量可以用于表征图像还原真实场景的程度，或者称之为图像的逼真度，图像越接近于真实场景，则图像的逼真度越高，进而图像质量越高；此外，图像质量还可以用于表征图像的可读懂性，可读懂性是指由图像能向人或机器提供信息的能力，它不仅与图像系统的应用要求有关，而且常常与人眼的主观感觉有关，可读懂性越高，图像质量越高。在一种实现中，用于评价图像质量的指标可以包括分辨率、色彩深度、图像失真等方面。为了能够使得专家或其他人员可以更准确的进行第一图像处理模型和第二图像处理模型的性能比较，需要保证第一图像处理模型和第二图像处理模型在处理同一个测试样本时得到的输出图像之间的图像质量差异较大，进而可以很准确的基于输出图像的质量来确定出第一图像处理模型和第二图像处理模型之间的性能优劣。本申请实施例将各个候选图像对应的图像质量差异作为测试样本的选择依据，保证第一图像处理模型和第二图像处理模型在处理同一个测试样本时得到的输出图像之间的图像质量差异较大，从而帮图像质量评测人员更容易从主观上判断出第一图像处理模型和第二图像处理模型之间的性能优劣。在一种可能的实现中，所述根据所述图像质量差异，从所述多个候选图像中选择M个目标图像，包括：根据每个候选图像对应的图像质量差异，从所述多个候选图像中选择对应的图像质量差异大于第一阈值的M个目标图像。在一种实现中，可以从多个候选图像中选择对应的图像质量差异最大的M个目标图像。本申请实施例可以保证第一图像处理模型和第二图像处理模型在处理同一个测试样本时得到的输出图像之间的图像质量差异较大，从而帮图像质量评测人员更容易从主观上判断出第一图像处理模型和第二图像处理模型之间的性能优劣。在一种可能的实现中，所述方法还包括：获取每个候选图像与所述多个候选图像中除自身之外的其他候选图像之间的图像内容差异；所述根据所述图像质量差异，从所述多个候选图像中选择M个目标图像，包括：根据每个候选图像对应的所述图像质量差异和所述图像内容差异，从所述多个候选图像中选择M个目标图像。其中，图像内容差异可以指示图像中背景区域或前景区域中目标主体之间的差异。以图像内容差异前景区域中目标主体之间的差异为例，包括人物的图像和包括非人的动物(或者没有生命的物体，例如建筑物等等)的图像之间的图像内容差异大于都包括人物的图像之间的图像内容差异，而包括不同人物的图像之间的图像内容差异大于包括同一个人物的图像之间的图像内容差异。在一种可能的实现中，可以使用传统方法如尺度不变特征变换(scale-invariantfeaturetransform，SIFT)或卷积神经网络CNN来提取各个候选图像的图像特征，得到各个候选图像的图像特征向量，用于对图像内容进行表征，其中图像特征可以包括图像的颜色特征、纹理特征、形状特征和空间关系特征等。然后计算每个候选图像的图像特征向量与其他候选图像的图像特征向量之间的距离度量，距离度量可以表达出图像之间的内容差异，内容差异越大，则表示该候选图像的图像内容与其他候选图像差异越大。应理解，距离度量也可以称为度量相似性，通过计算两个多维数据之间的距离度量，可以确定两个多维数据之间的相似度。一般地，两个多维数据之间的距离度量越小，两个多维数据之间的相似度就越高，差异度就越小；相反，两个多维数据之间的距离度量越大，两个多维数据之间的相似度就越小，差异度就越大。示例性地，该距离度量可以包括均方误差(MeanSquaredError，MES)距离、L1距离或均方误差MSE等距离。应理解，除了MES距离和L1距离之外，还可以是基于其他的距离度量来确定图像内容差异度，本实施例并不对距离度量的方式做具体限定。本申请实施例将各个候选图像之间的图像内容差异作为测试样本的选择依据，可以挑选出内容差异更大的测试样本，进而可以保证测试样本的采样覆盖的场景足够全面，确保测试结果的可靠性。在一种可能的实现中，所述根据每个候选图像对应的所述图像质量差异和所述图像内容差异，从所述多个候选图像中选择M个目标图像，包括：根据每个候选图像对应的所述图像质量差异和所述图像内容差异，确定所述每个候选图像的被选择权重，所述被选择权重与所述图像质量差异以及所述图像内容差异正相关；根据所述每个候选图像的被选择权重，从所述多个候选图像中选择被选择权重大于第二阈值的M个目标图像。在一种实现中，可以从所述多个候选图像中选择被选择权重最大的所述M个目标图像。在一种可能的实现中，所述被选择权重为第一权重和第二权重的加和结果本文档来自技高网...

【技术保护点】
1.一种图像选择方法，其特征在于，所述方法包括：/n获取多个候选图像；/n通过第一图像处理模型和第二图像处理模型分别处理每个候选图像，以得到所述每个候选图像对应的第一处理图像和第二处理图像；其中，所述第一图像处理模型和所述第二图像处理模型用于实现相同的图像处理任务；所述第一处理图像为经过所述第一图像处理模型处理得到的，所述第二处理图像为经过所述第二图像处理模型处理得到的；/n获取每个候选图像对应的第一处理图像和第二处理图像之间的图像质量差异，并根据所述图像质量差异，从所述多个候选图像中选择M个目标图像，所述M个目标图像用于作为所述第一图像处理模型和所述第二图像处理模型在进行性能比较时的测试样本。/n

【技术特征摘要】
1.一种图像选择方法，其特征在于，所述方法包括：
获取多个候选图像；
通过第一图像处理模型和第二图像处理模型分别处理每个候选图像，以得到所述每个候选图像对应的第一处理图像和第二处理图像；其中，所述第一图像处理模型和所述第二图像处理模型用于实现相同的图像处理任务；所述第一处理图像为经过所述第一图像处理模型处理得到的，所述第二处理图像为经过所述第二图像处理模型处理得到的；
获取每个候选图像对应的第一处理图像和第二处理图像之间的图像质量差异，并根据所述图像质量差异，从所述多个候选图像中选择M个目标图像，所述M个目标图像用于作为所述第一图像处理模型和所述第二图像处理模型在进行性能比较时的测试样本。


2.根据权利要求1所述的方法，其特征在于，所述根据所述图像质量差异，从所述多个候选图像中选择M个目标图像，包括：
根据每个候选图像对应的图像质量差异，从所述多个候选图像中选择对应的图像质量差异大于第一阈值的M个目标图像。


3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取每个候选图像与所述多个候选图像中除自身之外的其他候选图像之间的图像内容差异；
所述根据所述图像质量差异，从所述多个候选图像中选择M个目标图像，包括：
根据每个候选图像对应的所述图像质量差异和所述图像内容差异，从所述多个候选图像中选择M个目标图像。


4.根据权利要求3所述的方法，其特征在于，所述根据每个候选图像对应的所述图像质量差异和所述图像内容差异，从所述多个候选图像中选择M个目标图像，包括：
根据每个候选图像对应的所述图像质量差异和所述图像内容差异，确定所述每个候选图像的被选择权重，所述被选择权重与所述图像质量差异以及所述图像内容差异正相关；
根据所述每个候选图像的被选择权重，从所述多个候选图像中选择被选择权重大于第二阈值的M个目标图像。


5.根据权利要求3或4所述的方法，其特征在于，所述被选择权重为第一权重和第二权重的加和结果，所述第一权重为所述图像质量差异与对应权重的乘积，所述第二权重为所述图像内容差异与对应权重的乘积。


6.根据权利要求1至5任一所述的方法，其特征在于，所述第一图像处理模型和所述第二图像处理模型用于实现图像增强任务。


7.一种模型测试方法，其特征在于，所述方法包括：
获取M个目标图像；
通过第一图像处理模型和第二图像处理模型分别处理每个目标图像，以得到所述每个目标图像对应的第一处理图像和第二处理图像；其中，所述第一图像处理模型和所述第二图像处理模型用于实现相同的图像处理任务，所述第一处理图像为经过所述第一图像处理模型处理得到的，所述第二处理图像为经过所述第二图像处理模型处理得到的；且所述每个目标图像对应的第一处理图像和第二处理图像之间的图像质量差异大于第一阈值；
获取模型测试结果，所述模型测试结果用于表示所述第一图像处理模型和所述第二图像处理模型之间的性能比较结果，所述模型测试结果为根据所述每个目标图像对应的第一处理图像和第二处理图像确定的。


8.根据权利要求7所述的方法，其特征在于，所述M个目标图像中每个目标图像的被选择权重大于第二阈值，所述每个目标图像的被选择权重与每个目标图像对应的所述图像质量差异以及图像内容差异正相关，其中，所述每个目标图像对应的图像内容差异用于表示每个目标图像与所述多个目标图像中除自身之外的其他目标图像之间的图像内容差异。


9.根据权利要求8所述的方法，其特征在于，所述被选择权重为第一权重和第二权重的加和结果，所述第一权重为所述图像质量差异与对应权重的乘积，所述第二权重为所述图像内容差异与对应权重的乘积。


10.根据权利要求7至9任一所述的方法，其特征在于，所述第一图像处理模型和所述第二图像处理模型用于实现图像增强任务。


11.一种图像选择装置，其特征在于，所述装置包括：
获取模块，用于获取多个候选图像；
图像处理模块，用于通过第一图像处理模型和第二图像处理模型分别处理每个候选图像，以得到所述每个候选图像对应的第...

【专利技术属性】
技术研发人员：马柯德，曹佩蓓，刘毅，邹学益，许松岑，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44