模型训练方法、基于图像的处理方法、装置、设备及介质制造方法及图纸

本公开提供了模型训练方法、基于图像的处理方法、装置、设备及介质，涉及人工智能技术领域，尤其涉及计算机视觉、机器学习以及图像处理技术领域。具体实现方案为：获取训练样本对对应的预设样本特征信息以及获取样本标签，其中，预设样本特征信息包括基础样本图像数据和对照样本图像数据分别对应的预设视觉指标的统计值，以及对于相同预设视觉指标的统计值的差异信息，样本标签用于表示对照样本图像数据相比于基础样本图像数据的图像画质的主观评价分数，将预设样本特征信息输入至预设画质评价模型中，根据输出结果和样本标签对预设画质评价模型进行训练。通过采用上述技术方案，能够准确地预测画质评分，降低人工评价成本，提高评分效率。高评分效率。高评分效率。

【技术实现步骤摘要】
模型训练方法、基于图像的处理方法、装置、设备及介质


[0001]本公开涉及人工智能
，尤其涉及计算机视觉、机器学习以及图像处理


技术介绍

[0002]目前，观看图片、视频以及直播等媒体内容成为用户获取信息的重要形式，上述媒体内容的图像画质的好坏也成为影响用户体验的重要因素。为了提升画质，需要准确地将用户对图像的感知进行量化，也即需要对图像画质进行准确的评价。

技术实现思路

[0003]本公开提供了一种模型训练方法、基于图像的处理方法、装置、设备及介质。
[0004]根据本公开的一方面，提供了一种图像画质评价模型的训练方法，包括：
[0005]获取训练样本对对应的预设样本特征信息，以及获取所述训练样本对对应的样本标签，其中，所述训练样本对包括基础样本图像数据和对照样本图像数据，图像数据包括视频数据和/或图片数据，所述预设样本特征信息包括所述基础样本图像数据和所述对照样本图像数据分别对应的预设视觉指标的统计值，以及所述基础样本图像数据和所述对照样本图像数据对于相同所述预设视觉指标的统计值的第一差异信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像画质评价模型的训练方法，包括：获取训练样本对对应的预设样本特征信息，以及获取所述训练样本对对应的样本标签，其中，所述训练样本对包括基础样本图像数据和对照样本图像数据，图像数据包括视频数据和/或图片数据，所述预设样本特征信息包括所述基础样本图像数据和所述对照样本图像数据分别对应的预设视觉指标的统计值，以及所述基础样本图像数据和所述对照样本图像数据对于相同所述预设视觉指标的统计值的第一差异信息，所述样本标签用于表示所述对照样本图像数据相比于所述基础样本图像数据的图像画质的主观评价分数；将所述预设样本特征信息输入至预设画质评价模型中，得到所述预设画质评价模型的输出结果；根据所述预设画质评价模型的输出结果和所述样本标签，对所述预设画质评价模型进行训练。2.根据权利要求1所述的方法，其中，所述预设视觉指标包括色调、饱和度、亮度、对比度、色彩和纹理中的至少一个。3.根据权利要求1
‑
2任一所述的方法，其中，所述统计值的类型包括最大值、平均值和最小值中的至少一个。4.根据权利要求1
‑
3任一所述的方法，其中，所述预设样本特征信息还包括以下至少一项：所述基础样本图像数据对于相同所述预设视觉指标的不同类型的统计值的第二差异信息；所述对照样本图像数据对于相同所述预设视觉指标的不同类型的统计值的第三差异信息；所述第二差异信息和所述第三差异信息的第四差异信息。5.根据权利要求1
‑
4任一所述的方法，其中，所述预设画质评价模型包括极度梯度提升树XGBoost模型。6.根据权利要求5所述的方法，其中，所述XGBoost模型的模型设置参数包括以下至少一项：booster采用gbtree；目标函数为reg：gamma；损失函数为平均绝对误差损失；gamma取值为0.1；决策树的最大深度为8；lambda取值为3；种子值为1000。7.根据权利要求1
‑
6任一所述的方法，其中，所述获取训练样本对对应的预设样本特征信息，包括：确定待训练的图像类型，获取所述图像类型对应的训练样本对对应的预设样本特征信息；其中，所述将所述预设样本特征信息输入至预设画质评价模型中，得到所述预设画质评价模型的输出结果，包括：将所述预设样本特征信息输入至所述图像类型对应的预设画质评价模型中，得到所述预设画质评价模型的输出结果。8.根据权利要求5
‑
7任一所述的方法，其中，预设样本特征信息包括多项；在根据所述预设画质评价模型的输出结果和所述样本标签，对所述预设画质评价模型进行训练之后，还包括：
根据训练结果确定目标画质评价模型；根据所述目标画质评价模型中的树节点的从浅至深的顺序确定各项预设样本特征信息的重要程度排序。9.一种基于图像的处理方法，包括：获取图像数据对对应的预设特征信息，其中，所述图像数据对包括基础图像数据和对照图像数据，图像数据包括视频数据和/或图片数据，所述预设特征信息包括所述基础图像数据和所述对照图像数据分别对应的预设视觉指标的统计值，以及所述基础图像数据和所述对照图像数据对于相同所述预设视觉指标的统计值的第一差异信息；将所述预设特征信息输入至画质评价模型中，得到所述画质评价模型的输出结果，其中，所述画质评价模型采用如权利要求1
‑
8任一所述的训练方法得到，所述画质评价模型的输出结果用于表示所述对照图像数据相比于所述基础图像数据的图像画质的预测评价分数。10.一种基于图像的处理方法，包括：获取待处理图像数据的原始特征信息，其中，所述原始特征信息包括所述待处理图像数据对应的预设视觉指标的统计值；根据所述原始特征信息构建待输入信息，其中，所述待输入信息包括所述原始特征信息，还包括所述原始特征信息和候选特征信息中对于相同所述预设视觉指标的统计值的第一差异信息，所述候选特征信息包括在所述原始特征信息基础上进行调整后得到的特征信息；将所述待输入信息输入至画质评价模型中，得到所述画质评价模型的输出结果，其中，所述画质评价模型采用如权利要求1
‑
8任一所述的训练方法得到；根据所述画质评价模型的输出结果从所述待输入特征信息中筛选目标特征信息；利用所述目标特征信息对所述待处理图像数据进行相应的处理，以使得处理后得到的目标图像数据满足所述目标特征信息。11.根据权利要求10所述的方法，其中，所述根据所述原始特征信息构建待输入信息，包括：根据所述画质评价模型对应的各项待输入信息的重要程度排序、各项待输入信息对应的预设调整范围以及所述原始特征信息，构建待输入信息。12.一种图像画质评价模型的训练装置，包括：特征信息获取模块，用于获取训练样本对对应的预设样本特征信息，其中，所述训练样本对包括基础样本图像数据和对照样本图像数据，图像数据包括视频数据和/或图片数据，所述预设样本特征信息包括所述基础样本图像数据和所述对照样本图像数据分别对应的预设视觉指标的统计值，以及所述基础样本图像数据和所述对照样...

【专利技术属性】
技术研发人员：严丽，王志龙，李雪，罗海平，李旭莉，王伟，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：