【技术实现步骤摘要】
图像质量评价方法、装置、设备以及存储介质
[0001]本申请涉及人工智能领域，尤其涉及一种图像质量评价方法、装置、设备以及存储介质。
技术介绍
[0002]随着多媒体设备的发展和视频社交媒体平台的普及，图像成为媒体信息传播的主要方式。然而在实际生活中，由于拍摄环境和设备的限制以及网络传播失真影响，图像在媒体传播过程中的清晰度、画质等参差不齐，从而影响观看体验。因而有必要对图像进行客观地图像质量评价。
[0003]现有的技术方案往往先通过主观打分的方式对样本图像的图像质量进行标注，再通过已标注的样本图像训练得到评价模型，进而通过评价模型实现图像质量评价。但是基于上述方式得到的评价模型的训练效果往往取决于样本图像的数量和预测难度，样本图像的数量较少会导致评价模型的准确性下降，在预测难度较大的样本图像数量较少的情况下，对评价模型的训练增益较小，训练出的平均模型在面对相同预测难度的图像时，往往不具备较高的准确性。
[0004]因此，如何客观准确地对图像质量进行评价成为亟需解决的问题。
技术实现思路
[...
【技术保护点】
【技术特征摘要】
1.一种图像质量评价方法，其特征在于，所述方法包括：确定待评价图像，将所述待评价图像的初始特征输入图像质量评价模型，得到所述待评价图像的预测特征；基于所述预测特征确定所述待评价图像的质量评价结果；其中，所述图像质量评价模型是基于以下方式训练得到的：获取训练样本集，基于所述训练样本集中各样本图像对初始评价模型进行训练，得到预训练模型，每一所述所述样本图像标注有样本标签，每一所述样本标签表征了对应的样本图像的真实质量评价结果，所述初始评价模型的输入和输出分别为各所述样本图像的样本初始特征和样本预测特征；确定各所述样本图像的不确定度，所述不确定度表征了各所述样本图像的样本预测特征对应的预测质量评价结果和真实质量评价结果之间的差异；基于各所述样本图像以及对应的不确定度，确定多个目标样本图像，基于各所述目标样本图像对所述预训练模型进行训练，得到所述图像质量评价模型。2.根据权利要求1所述的方法，其特征在于，所述初始评价模型包括特征处理网络和质量评价网络；所述基于所述训练样本集中各样本图像对初始评价模型进行训练，得到预训练模型，包括：将所述训练样本集中各样本图像的初始特征输入所述特征处理网络，得到各所述样本图像的样本图像特征；将各所述样本图像特征输入所述质量评价网络，得到各所述样本图像的样本预测特征；基于各所述样本图像的样本预测特征，确定各所述样本图像的预测质量评价结果，基于各所述预测质量评价结果和各所述真实质量评价结果，确定第一训练损失值；基于所述第一训练损失值和各所述样本图像对所述初始评价模型进行迭代训练，直至所述第一训练损失值符合训练结束条件时，将训练结束时的模型确定为预训练模型。3.根据权利要求2所述的方法，其特征在于，所述基于各所述预测质量评价结果和各所述真实质量评价结果，确定第一训练损失值，包括：确定各所述预测质量评价结果和对应的真实质量评价结果之间的第一差值的第一绝对值；确定各所述第一绝对值的第一平均值，基于所述第一平均值确定第一训练损失值。4.根据权利要求2所述的方法，其特征在于，各所述样本图像的不确定度是基于质量分析网络确定的，所述质量分析网络是基于以下方式确定的：将各所述样本图像的样本图像特征输入初始分析网络，得到各所述样本图像的预测分析特征，基于各所述样本图像的预测分析特征，确定各所述样本图像的预测不确定度，每一所述样本图像的预测不确定度表征了该样本图像的真实质量评价结果和预测质量评价结果之间的预测差异；确定各所述样本图像的真实质量评价结果和预测质量评价结果之间的真实差异，基于各所述样本图像对应的真实差异和预测差异，确定第二训练损失值；基于所述第二训练损失值以及各所述样本图像对所述初始分析网络进行迭代训练，直至所述第二训练损失值符合训练结束条件时，将训练结束时的网络确定为所述质量分析网
络。5.根据权利要求4所述的方法，其特征在于，所述基于各所述样本图像对应的真实...
【专利技术属性】
技术研发人员：温少国，王君乐，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
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。