图像质量评估方法、模型训练方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及人工智能技术领域，尤其涉及一种图像质量评估方法、模型训练方法、装置、设备及介质。该方法对初始图像进行预处理，使用预处理得到的样本图像及其标签集合，训练分类模型，将样本图像输入训练好的分类模型中，得到每个图像属性维度的概率分布向量，将所有图像属性维度的概率分布向量拼接，使用拼接结果和车辆属性维度下的评估分数标签，训练质量评估模型中与车辆属性维度对应的子模型，得到训练好的质量评估模型，采用多图像属性维度的分类任务训练分类模型，提高分类模型提取特征的能力，以多图像属性维度的概率分布向量的拼接结果作为质量评估模型的输入样本，能够兼顾各个车辆属性对质量的要求，提高图像质量评估的准确率。确率。确率。

【技术实现步骤摘要】
图像质量评估方法、模型训练方法、装置、设备及介质


[0001]本专利技术涉及人工智能
，尤其涉及一种图像质量评估方法、模型训练方法、装置、设备及介质。

技术介绍

[0002]机动车是城市治理中的重要目标物体，通过识别机动车属性(常用属性有品牌、颜色、类型，例如宝马
‑
黑色
‑
轿车)，可用于了解城市中车辆情况。机动车图像质量是影响车辆属性识别的关键因素，对于质量较差、不适合用于车辆属性识别的图像，需要通过质量模型进行过滤。
[0003]但是，对于不同的车辆属性，对应的质量好坏是不一样的。例如，车身侧面面对摄像头时，仍然可以识别颜色、类型，但是一般不能识别品牌；又如，车标被遮挡时，可以识别颜色类型，但是一般不能识别品牌，现有图像质量评估方法一般是直接输出单个质量分数，导致在多车辆属性维度下图像质量评估的准确率较低。因此，如何提高图像质量评估的准确率成为亟待解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种图像质量评估方法、模型训练方法、装置、设备及介质，以解本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像质量评估模型训练方法，其特征在于，所述模型训练方法包括：对获取的包含目标车辆的初始图像进行预处理，得到样本图像及其对应的标签集合，所述标签集合包括对应图像属性维度的类别标签，所述图像属性维度包括角度维度和车辆主体维度；使用所述样本图像和所述标签集合，对分类模型进行训练，得到训练好的分类模型；将所述样本图像输入所述训练好的分类模型中，得到每个图像属性维度的概率分布向量，将所有图像属性维度的所有概率分布向量进行拼接，得到所述样本图像的输入向量；获取质量评估模型，所述质量评估模型包括至少一个对应预设车辆属性维度的子模型，遍历每个车辆属性维度，获取所述样本图像在所述车辆属性维度下的评估分数标签，使用所述输入向量和所述评估分数标签，对与所述车辆属性维度对应的子模型进行训练，得到训练好的质量评估模型。2.根据权利要求1所述的模型训练方法，其特征在于，所述图像属性维度还包括截断属性维度；所述对获取的包含目标车辆的初始图像进行预处理，得到样本图像及其对应的标签集合包括：将所述初始图像输入训练好的分割模型，得到分割区域；对所述分割区域按照预设的截断比例进行截断处理，得到至少两个截断图像及其截断比例，以所述截断图像作为所述样本图像，所述截断比例作为所述截断属性维度的类别标签。3.根据权利要求1所述的模型训练方法，其特征在于，所述图像属性维度还包括遮挡属性维度；所述对获取的包含目标车辆的初始图像进行预处理，得到样本图像及其对应的标签集合包括：采用预设的遮挡区域对所述初始图像进行遮挡处理，得到遮挡图像；计算所述初始图像中目标车辆的第一面积和所述遮挡图像中目标车辆的第二面积的差值，以所述差值和所述第一面积作比，得到遮挡比例；以所述遮挡图像作为所述样本图像，所述遮挡比例作为所述遮挡属性维度的类别标签。4.根据权利要求1所述的模型训练方法，其特征在于，所述图像属性维度还包括清晰度属性维度；所述对获取的包含目标车辆的初始图像进行预处理，得到样本图像及其对应的标签集合包括：将所述初始图像按照预设的压缩比例进行图像压缩，得到压缩图像；以所述压缩图像作为所述样本图像，所述压缩比例作为所述清晰度属性维度的类别标签。5.根据权利要求1所述的模型训练方法，其特征在于，所述图像属性维度还包括亮度属性维度；所述对获取的包含目标车辆的初始图像进行预处理，得到样本图像及其对应的标签集合包括：
将所述初始图像由RGB颜色空间转换至HSV颜色空间，得到转换图像，获取所述转换图像在亮度通道下的子图像，得到第一亮度图像；以预设的亮度调整比例对所述第一亮度图像进行亮度调整，得到第二亮度图像；以所述...

【专利技术属性】
技术研发人员：张洪，肖嵘，王孝宇，
申请(专利权)人：深圳云天励飞技术股份有限公司，
类型：发明
国别省市：