图像质量评估方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例公开了一种图像质量评估方法、装置、电子设备及存储介质。该方法包括：触发服务器向多个客户端分发待训练模型，并指示多个客户端基于各自的图像数据对待训练模型进行训练；获取多个客户端对待训练模型进行训练后传回的梯度参数，以得到多个梯度参数；基于多个梯度参数获取目标模型；通过目标模型对测试图像进行图像质量评估，以验证目标模型的训练效果。本方法通过一个硬件设备模拟了端云联动场景，并测试了通过联邦学习训练框架获得的目标模型的图像质量评估效果，进而验证目标模型的训练效果，即在数据集大小确定的情况下，联邦学习可以更方便、快捷地通过增大用户规模来提升训练效果。规模来提升训练效果。规模来提升训练效果。

【技术实现步骤摘要】
图像质量评估方法、装置、电子设备及存储介质


[0001]本申请涉及数据处理
，更具体地，涉及一种图像质量评估方法、装置、电子设备以及存储介质。

技术介绍

[0002]随着深度学习的提出和流行，训练深度神经网络已经成为了解决图像质量评估问题的主流方案，且效果大大优于非深度学习的方案。目前主要的发展方向是优化深度学习模型或者优化数据集。相关优化深度学习模型的方案难以有效的提取图像的相关特征，且可解释性较差；而优化数据集的方案也因制作数据集相当耗费人力物力财力而难以直接扩大数据集的规模，从而影响了深度神经网络的图像质量评估效果。

技术实现思路

[0003]鉴于上述问题，本申请提出了一种图像质量评估方法、装置、电子设备以及存储介质，以改善上述问题。
[0004]第一方面，本申请实施例提供了一种图像质量评估方法，应用于电子设备，所述电子设备中设置有服务器和多个客户端，所述方法包括：触发所述服务器向所述多个客户端分发待训练模型，并指示所述多个客户端基于各自的图像数据对所述待训练模型进行训练；获取所述多个客户端对所述待训练模型进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像质量评估方法，其特征在于，应用于电子设备，所述电子设备中设置有服务器和多个客户端，所述方法包括：触发所述服务器向所述多个客户端分发待训练模型，并指示所述多个客户端基于各自的图像数据对所述待训练模型进行训练；获取所述多个客户端对所述待训练模型进行训练后传回的梯度参数，以得到多个梯度参数；基于所述多个梯度参数获取目标模型；通过所述目标模型对测试图像进行图像质量评估，以验证所述目标模型的训练效果。2.根据权利要求1所述的方法，其特征在于，所述通过所述目标模型对测试图像进行图像质量评估，包括：将所述测试图像输入所述目标模型，获取所述目标模型输出的图像质量评估参数；将所述测试图像输入指定模型，获取所述指定模型输出的图像质量评估参数；将所述目标模型输出的图像质量评估参数与所述指定模型输出的图像质量评估参数进行比较。3.根据权利要求2所述的方法，其特征在于，输入所述目标模型的测试图像数量多于输入所述指定模型的测试图像数量。4.根据权利要求1所述的方法，其特征在于，所述指示所述多个客户端基于各自的图像数据对所述待训练模型进行训练，包括：指示所述多个客户端依次将各自的图像数据输入所述待训练模型，得到第一质量评分，以用于所述客户端获取基于所述各自的图像数据确定的第一标签评分；将所述第一质量评分与所述第一标签评分之差的绝对值作为损失函数，采用梯度下降法对所述待训练模型的参数进行更新；基于所述待训练模型以及更新后的待训练模型获取梯度参数。5.根据权利要求1所述的方法，其特征在于，所述基于所述多个梯度参数获取目标模型，包括：对所述多个梯度参数以及每个客户端对应的图像数量进行加权平均，得到平均梯度；基于所述平均梯度以及所述待训练模型获取目标模型。6.根据权利要求1所述的方法，其特征在于，所述触发所述服务器向所述多个客户端分发待训练模型，包括：若是第一轮训练，触发所述服务器将初始模型作为待训练模型分发给所述多个客户端；若不是第一轮训练，触发所述服务器获取...

【专利技术属性】
技术研发人员：胡松，
申请(专利权)人：广东明创软件科技有限公司，
类型：发明
国别省市：