图片质量评估方法及装置制造方法及图纸

本公开涉及图片处理技术领域，提供了一种图片质量评估方法及装置。该方法包括：构建质量分类网络和质量回归网络，利用残差神经网络、质量分类网络和质量回归网络构建图片质量评估模型；将训练数据集中的训练图片输入图片质量评估模型，通过质量分类网络输出训练图片为每个预设质量分的概率值，通过质量回归网络输出训练图片的第一质量分；依据多个预设质量分、训练图片为每个预设质量分的概率值、训练图片的标注质量分和第一质量分，通过总损失函数计算训练图片对应的总损失值；利用总损失值更新图片质量评估模型的模型参数，以完成对图片质量评估模型的训练；利用完成训练后的图片质量评估模型进行图片质量评估。质量评估模型进行图片质量评估。质量评估模型进行图片质量评估。

【技术实现步骤摘要】
图片质量评估方法及装置


[0001]本公开涉及图片处理
，尤其涉及一种图片质量评估方法及装置。

技术介绍

[0002]在图片处理的一些场景中，往往需要估计图片的质量，进而使用高质量的图片提高处理的效率，比如人脸识别中，先挑选出高质量的图片，然后使用高质量的图片训练人脸识别模型，最终提高人脸识别模型的精度。目前常用训练好的模型去估计图片的质量，此类估计图片质量的模型的训练，一般直接采用平方损失，忽略了对难样本和重要样本的挖掘，导致最终图片质量估计结果不准确。
[0003]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下技术问题：评估图片质量准确率低的问题。

技术实现思路

[0004]有鉴于此，本公开实施例提供了一种图片质量评估方法、装置、电子设备及计算机可读存储介质，以解决现有技术中，评估图片质量准确率低的问题。
[0005]本公开实施例的第一方面，提供了一种图片质量评估方法，包括：构建质量分类网络和质量回归网络，利用残差神经网络、质量分类网络和质量回归网络构建图片质量评估模型；将训练数据集中的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片质量评估方法，其特征在于，包括：构建质量分类网络和质量回归网络，利用残差神经网络、所述质量分类网络和所述质量回归网络构建图片质量评估模型；将训练数据集中的训练图片输入所述图片质量评估模型，通过所述质量分类网络输出所述训练图片为每个预设质量分的概率值，通过所述质量回归网络输出所述训练图片的第一质量分；依据多个预设质量分、所述训练图片为每个预设质量分的概率值、所述训练图片的标注质量分和第一质量分，通过总损失函数计算所述训练图片对应的总损失值；利用所述总损失值更新所述图片质量评估模型的模型参数，以完成对所述图片质量评估模型的训练；利用完成所述训练后的图片质量评估模型进行图片质量评估。2.根据权利要求1所述的方法，其特征在于，依据多个预设质量分、所述训练图片为每个预设质量分的概率值、所述训练图片的标注质量分和第一质量分，通过总损失函数计算所述训练图片对应的总损失值，包括：依据多个预设质量分、所述训练图片为每个预设质量分的概率值和所述训练图片的标注质量分，通过第一损失函数计算所述训练图片对应的第一损失值；确定与所述训练图片的标注质量分相邻的两个预设质量分的概率值，依据多个预设质量分、所述训练图片为每个预设质量分的概率值、所述训练图片的标注质量分以及与所述训练图片的标注质量分相邻的两个预设质量分的概率值，通过第二损失函数计算所述训练图片对应的第二损失值；依据所述训练图片的标注质量分和第一质量分，通过第三损失函数计算所述训练图片对应的第三损失值；根据所述训练图片对应的第一损失值、第二损失值和第三损失值计算所述训练图片对应的总损失值，所述总损失函数，包括：第一损失函数、第二损失函数和第三损失函数。3.根据权利要求2所述的方法，其特征在于，通过第一损失函数计算所述训练图片对应的第一损失值loss1：i为每个预设质量分的序号，q
i
是第i个预设质量分，p
i
是所述训练图片为为第i个预设质量分的概率值，y是所述训练图片的标注质量分，α是预测参数，||是求绝对值的符号，∑为求和符号。4.根据权利要求2所述的方法，其特征在于，所述确定与所述训练图片的标注质量分相邻的两个预设质量分的概率值，依据多个预设质量分、所述训练图片为每个预设质量分的概率值、所述训练图片的标注质量分以及与所述训练图片的标注质量分相邻的两个预设质量分的概率值，通过第二损失函数计算所述训练图片对应的第二损失值，包括：根据多个预设质量分和所述训练图片为每个预设质量分的概率值，计算所述训练图片的第二质量分；根据与所述训练图片的标注质量分相邻的两个预设质量分的概率值，计算所述训练图
片的概率难易权重系数；依据多个预设质量分、所述训练图片为每个预设质量分的概率值和所述训练图...

【专利技术属性】
技术研发人员：王夏洪，
申请(专利权)人：北京龙智数科科技服务有限公司，
类型：发明
国别省市：