训练方法、图像质量检测方法、装置和介质制造方法及图纸

本申请实施例提供了一种训练方法、图像质量检测方法、装置和介质，其中的训练方法具体包括：确定包含目标的标准图像；确定所述标准图像对应的测试图像；利用目标识别模型，确定所述标准图像与所述测试图像之间的匹配度；根据所述匹配度，确定所述测试图像的标签；根据所述测试图像及测试图像的标签，对质量检测模型进行训练；所述质量检测模型用于确定所述测试图像对应的质量得分；在所述质量检测模型的训练过程中，根据所述标签与所述质量得分确定损失信息，并根据所述损失信息对所述质量检测模型的参数进行更新。本申请实施例可以节省测试图像的标注成本，且能够提高质量检测模型的准确度等性能。准确度等性能。准确度等性能。

【技术实现步骤摘要】
训练方法、图像质量检测方法、装置和介质


[0001]本申请涉及计算机视觉
，特别是涉及一种训练方法、图像质量检测方法、装置和介质。

技术介绍

[0002]在计算机视觉
中，目标识别模型可用于对图像中包含的人、动物、交通工具、字符等目标进行识别。在实际应用中，目标距离摄像头较远、光照条件恶劣以及图像采集装置的成像效果较差等原因，容易导致图像的清晰度较差且分辨率较低，从而影响目标识别效果。为了提升目标识别结果，可以在目标识别之前对图像进行质量检测，并阻挡质量较差的图像进入目标识别模型。
[0003]目前的图像质量检测方法，通常首先采用人工方式对图像样本进行标注，以得到带标签图像样本；再利用带标签图像样本，训练质量检测模型；接着利用质量检测模型进行图像质量检测。
[0004]在实际应用中，带标签图像样本的标注通常耗费大量的人力成本和时间成本。并且，对于同一个图像样本，不同的人往往给出不同的标签，这导致图像样本的标签的准确度较低；而质量检测模型的性能与标签的准确度密切相关，故标签的低准确度也降低了质量检测模型的性能。
...

【技术保护点】

【技术特征摘要】
1.一种训练方法，其特征在于，所述方法包括：确定包含目标的标准图像；确定所述标准图像对应的测试图像；利用目标识别模型，确定所述标准图像与所述测试图像之间的匹配度；根据所述匹配度，确定所述测试图像的标签；根据所述测试图像及测试图像的标签，对质量检测模型进行训练；所述质量检测模型用于确定所述测试图像对应的质量得分；在所述质量检测模型的训练过程中，根据所述标签与所述质量得分确定损失信息，并根据所述损失信息对所述质量检测模型的参数进行更新。2.根据权利要求1所述的方法，其特征在于，所述确定所述标准图像对应的测试图像，包括：对所述标准图像进行预设处理，以得到所述标准图像对应的测试图像；或者根据目标图像库中的图像标签，从目标图像库中获取所述标准图像对应的测试图像；其中，所述预设处理包括如下处理中的至少一种：姿态处理、表情处理、亮度处理、清晰度处理和完整性处理。3.根据权利要求1所述的方法，其特征在于，所述确定包含目标的标准图像，包括：根据选择特征，从目标图像库中选择标准图像；所述选择特征包括如下特征中的至少一种：场景特征、亮度特征、对比度特征、清晰度特征、完整性特征、阴影特征、曝光特征、眼镜特征、化妆特征、遮挡特征、变换特征、图像类型特征和编辑特征。4.根据权利要求1至3中任一所述的方法，其特征在于，所述质量检测模型包括：特征提取单元和质量得分确定单元；所述特征提取单元用于对测试图像进行特征提取；所述质量得分确定单元用于根据所述特征提取单元输出的图像特征，确定所述测试图像的质量得分。5.根据权利要求4所述的方法，其特征在于，在根据所述测试图像及测试图像的标签，对质量检测模型进行训练之前，所述方法还包括：根据目标识别的训练图像集，对所述特征提取单元进行预训练；在完成所述预训练后，得到所述特征提取单元的第一参数的第一目标值。6.根据权利要求5所述的方法，其特征在于，所述特征提取单元之后连接有目标识别单元；所述目标识别单元用于根据所述特征提取单元输出的图像特征，确定对应的目标识别结果；在预训练过程中，根据所述训练图像集的标签与所述目标识别结果确定误差信息，并根据所述误差信息对所述特征提取单元的第一参数进行更新。7.一种图像质量检测方法，其特征在于，所述方法包括：接收待识别图像；利用质量检测模型，确定所述待识别图像对应的质量得分；其中，所述质量检测模型的训练过程包括：确定包含目标的标准图像；确定所述标准图像对...

【专利技术属性】
技术研发人员：艾国，凌明，杨作兴，
申请(专利权)人：深圳比特微电子科技有限公司，
类型：发明
国别省市：