【技术实现步骤摘要】
图像质量信息生成、图像质量信息生成模型的训练方法
[0001]本公开的实施例涉及计算机
，具体涉及图像质量信息生成、图像质量信息生成模型的训练方法。
技术介绍
[0002]图像质量对于计算机视觉至关重要。相关的图像质量信息生成方式，大多通过单一卷积网络等结构来建立图像与图像质量信息的映射。
[0003]然而，当采用上述方式来生成图像质量信息时，图像质量信息精度低，不能满足应用需求。
技术实现思路
[0004]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了图像质量信息生成模型的训练方法、图像质量信息生成方法、装置、设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题中的一项或多项。
[0005]第一方面，本公开的一些实施例提供了图像质量信息生成方法，该方法包括：获取待处理图像；将待处理图像输入预先训练的图像...
【技术保护点】
【技术特征摘要】
1.一种图像质量信息生成方法，包括：获取待处理图像；将所述待处理图像输入预先训练的图像质量信息生成模型，得到多个图像质量信息，其中，所述图像质量信息生成模型包括特征提取网络和多个预测网络，所述特征提取网络用于提取图像特征，每个所述预测网络用于根据所述图像特征生成图像质量信息；基于所述多个图像质量信息，生成所述待处理图像的质量信息。2.根据权利要求1所述的方法，其中，所述多个预测网络包括单标签分类网络、标签分布预测网络和回归网络：以及所述基于所述多个图像质量信息，生成所述待处理图像的质量信息，包括：确定所述单标签分类网络输出的图像质量信息中最大值对应的质量等级，作为第一质量等级；确定所述标签分布预测网络输出的图像质量信息中最大值对应的质量等级，作为第二质量等级；确定所述第一质量等级、所述第二质量等级和所述回归网络输出的第三质量等级的平均值，以及作为所述待处理图像的质量等级，其中，所述第三质量等级为所述回归网络输出图像质量信息所表征的质量等级。3.根据权利要求1所述的方法，其中，所述图像质量信息生成模型的训练样本包括样本图像和所述样本图像的质量信息标签，所述质量信息标签包括质量等级和质量等级分布。4.根据权利要求3所述的方法，其中，所述图像质量信息生成模型是通过以下步骤训练得到的：将所述训练样本输入所述特征提取网络，得到图像特征；将所述图像特征分别输入所述单标签分类网络、所述标签分布预测网络和所述回归网络，得到实际分类结果、实际标签分布和实际回归结果；基于所述质量信息标签中所包含的质量等级和所述实际分类结果，生成分类损失值；基于所述质量信息标签中所包含的质量等级分布和所述实际标签分布，生成分布损失值；基于所述质量等级和所述实际回归结果，生成回归损失值；基于所述分类损失值、所述分布损失值和所述回归损失值，调整所述图像质量信息生成网络的参数。5.根据权利要求3所述的方法，其中，所述质量等级分布是通过以下步骤确定的：基于所述质量等级，生成所述样本图像的质量等级分布。6.一种图像质量信...
【专利技术属性】
技术研发人员：刘弘也，苏驰，李凯，王育林，
申请(专利权)人：北京金山云网络技术有限公司，
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。