图像锐化识别模型训练、锐化识别处理方法及装置制造方法及图纸

本公开关于一种图像锐化识别模型训练、锐化识别处理方法及装置，该图像锐化识别模型训练方法包括获取第一样本图像集和第二样本图像集对应的预设锐化指标数据；对第一样本图像集中每个样本图像进行多层次锐化处理，得到锐化图像序列；从锐化图像序列中，确定每个样本图像的至少一个锐化样本图像对；将至少一个锐化样本图像对输入待训练锐化识别模型，得到第一锐化指标数据；根据第一锐化指标数据，确定排序惩罚损失；基于排序惩罚损失，对待训练锐化识别模型进行训练，得到初始锐化识别模型；基于第二样本图像集和预设锐化指标数据，对初始锐化识别模型进行训练，得到图像锐化识别模型。利用本公开实施例可以提升锐化识别准确性。性。性。

【技术实现步骤摘要】
图像锐化识别模型训练、锐化识别处理方法及装置


[0001]本公开涉及人工智能
，尤其涉及一种图像锐化识别模型训练、锐化识别处理方法及装置。

技术介绍

[0002]锐化是图像、视频等多媒体内容处理过程中广泛应用的处理方法，能够突出细节和边缘信息，提升清晰度。然而，由于多媒体内容的不同以及多媒体内容本身锐化程度的不同，不恰当的锐化处理会起到降低画质的作用，比如因锐化过强导致边缘附近出现白边，严重影响观感，又比如对于纹理丰富的多媒体内容，锐化会增加编码难度，带来额外的带宽成本。因此，需要准确的识别图像、视频等多媒体内容的锐化程度。
[0003]相关技术中，基于深度学习模型的锐化识别往往需要依靠预先标注好的锐化指标数据进行监督训练，带来大量标注成本，模型训练效率较低，且模型仅仅依靠锐化识别损失来调整模型参数，往往无法有效保证模型的识别准确性。因此，需要提供更高效可靠的方案。

技术实现思路

[0004]本公开提供一种图像锐化识别模型训练、锐化识别处理方法及装置，以至少解决相关技术中锐化识别模型训练成本高、训练效率低以及锐化识别准确性较差等技术问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种锐化识别处理方法，包括：
[0006]获取第一样本图像集和第二样本图像集对应的预设锐化指标数据，所述第二样本图像集为所述第一样本图像集的子集；
[0007]对所述第一样本图像集中每个样本图像进行多层次锐化处理，得到所述每个样本图像对应的锐化图像序列，所述每个样本图像对应的锐化图像序列为所述每个样本图像进行不同锐化程度的锐化处理后的多个锐化样本图像；
[0008]从所述每个样本图像对应的锐化图像序列中，确定所述每个样本图像的至少一个锐化样本图像对；所述每个样本图像的每一锐化样本图像对为所述每个样本图像进行不同锐化程度的锐化处理后的两个锐化样本图像；
[0009]将所述每个样本图像对应的至少一个锐化样本图像对，输入待训练锐化识别模型进行锐化识别处理，得到每一锐化样本图像对中每个锐化样本图像对应的第一锐化指标数据；
[0010]根据所述每一锐化样本图像对对应的第一锐化指标数据，确定所述每一锐化样本图像对对应的排序惩罚损失；
[0011]基于所述每一锐化样本图像对对应的排序惩罚损失，对所述待训练锐化识别模型进行训练，得到初始锐化识别模型；
[0012]基于所述第二样本图像集和所述预设锐化指标数据，对所述初始锐化识别模型进
行训练，得到图像锐化识别模型。
[0013]在一个可选的实施例中，所述对所述第一样本图像集中每个样本图像进行多层次锐化处理，得到所述每个样本图像对应的锐化图像序列包括：
[0014]获取对应不同锐化程度的多个锐化参数；
[0015]基于所述多个锐化参数，分别对所述每个样本图像进行锐化处理，得到所述每个样本图像对应的锐化图像序列。
[0016]在一个可选的实施例中，所述对所述第一样本图像集中每个样本图像进行多层次锐化处理，得到所述每个样本图像对应的锐化图像序列包括：
[0017]将所述每个样本图像输入预设锐化处理模型进行锐化处理，得到所述每个样本图像对应的锐化图像序列；
[0018]其中，所述预设锐化处理模型包括按序连接的多个锐化处理模型；所述每个样本图像对应的锐化图像序列中多个锐化样本图像为所述多个锐化处理模型的输出图像；所述多个锐化处理模型中第一个锐化处理模型的输入为所述每个样本图像；所述多个锐化处理模型中非第一个锐化处理模型的输入为对应的上一个锐化处理模型的输出。
[0019]在一个可选的实施例中，所述方法还包括：
[0020]从每一锐化样本图像对中两个锐化样本图像对应的相同区域，分割出所述每一锐化样本图像对对应的样本图像块对；
[0021]所述将所述每个样本图像对应的至少一个锐化样本图像对，输入待训练锐化识别模型进行锐化识别处理，得到每一锐化样本图像对中每个锐化样本图像对应的第一锐化指标数据包括：将所述每一锐化样本图像对对应的样本图像块对，输入所述待训练锐化识别模型进行锐化识别处理，得到每一样本图像块对中每个样本图像块对应的第一锐化指标数据；
[0022]所述根据所述每一锐化样本图像对对应的第一锐化指标数据，确定所述每一锐化样本图像对对应的排序惩罚损失包括：根据所述每一样本图像块对对应的第一锐化指标数据，确定所述每一样本图像块对对应的排序惩罚损失；
[0023]所述基于所述每一锐化样本图像对对应的排序惩罚损失，对所述待训练锐化识别模型进行训练，得到初始锐化识别模型包括：基于所述每一样本图像块对对应的排序惩罚损失，对所述待训练锐化识别模型进行训练，得到初始锐化识别模型。
[0024]在一个可选的实施例中，所述基于所述第二样本图像集和所述预设锐化指标数据，对所述初始锐化识别模型进行训练，得到图像锐化识别模型包括：
[0025]将所述第二样本图像集中的样本图像输入所述初始锐化识别模型进行锐化识别处理，得到所述第二样本图像集中的样本图像对应的第二锐化指标数据；
[0026]根据所述第二锐化指标数据和所述预设锐化指标数据，确定锐化识别损失；
[0027]基于所述锐化识别损失，对所述初始锐化识别模型进行训练，得到所述图像锐化识别模型。
[0028]根据本公开实施例的第二方面，提供一种锐化识别处理方法，包括：
[0029]获取至少一个待识别图像；
[0030]将所述至少一个待识别图像输入如第一方面提供的任一图像锐化识别模型训练方法训练得到的图像锐化识别模型进行锐化识别处理，得到每个待识别图像对应的第三锐
化指标数据，所述第三锐化指标数据表征所述每个待识别图像的锐化程度。
[0031]在一个可选的实施例中，所述方法还包括：
[0032]将所述每个待识别图像进行缩小处理，得到缩小后的图像；
[0033]对所述缩小后的图像进行图像分割，得到所述每个待识别图像对应的多个图像块；
[0034]所述将所述至少一个待识别图像输入图像锐化识别模型进行锐化识别处理，得到每个待识别图像对应的第三锐化指标数据包括：
[0035]将所述每个待识别图像对应的多个图像块输入图像锐化识别模型进行锐化识别处理，得到每个图像块对应的第四锐化指标数据；
[0036]对所述每个待识别图像对应的多个第四锐化指标数据进行融合处理，得到所述每个待识别图像对应的第三锐化指标数据；所述多个第四锐化指标数据为相应的多个图像块对应的第四锐化指标数据。
[0037]在一个可选的实施例中，在所述至少一个待识别图像为待识别视频中的至少一帧视频图像的情况下，所述方法还包括：
[0038]对所述至少一帧视频图像对应的第三锐化指标数据进行融合处理，得到所述待识别视频对应的锐化指标数据。
[0039]根据本公开实施例的第三方面，提供一种图像锐化识别模型训练装置，包括：
[0040本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像锐化识别模型训练方法，其特征在于，所述方法包括：获取第一样本图像集和第二样本图像集对应的预设锐化指标数据，所述第二样本图像集为所述第一样本图像集的子集；对所述第一样本图像集中每个样本图像进行多层次锐化处理，得到所述每个样本图像对应的锐化图像序列，所述每个样本图像对应的锐化图像序列为所述每个样本图像进行不同锐化程度的锐化处理后的多个锐化样本图像；从所述每个样本图像对应的锐化图像序列中，确定所述每个样本图像的至少一个锐化样本图像对；所述每个样本图像的每一锐化样本图像对为所述每个样本图像进行不同锐化程度的锐化处理后的两个锐化样本图像；将所述每个样本图像对应的至少一个锐化样本图像对，输入待训练锐化识别模型进行锐化识别处理，得到每一锐化样本图像对中每个锐化样本图像对应的第一锐化指标数据；根据所述每一锐化样本图像对对应的第一锐化指标数据，确定所述每一锐化样本图像对对应的排序惩罚损失；基于所述每一锐化样本图像对对应的排序惩罚损失，对所述待训练锐化识别模型进行训练，得到初始锐化识别模型；基于所述第二样本图像集和所述预设锐化指标数据，对所述初始锐化识别模型进行训练，得到图像锐化识别模型。2.根据权利要求1所述的图像锐化识别模型训练方法，其特征在于，所述对所述第一样本图像集中每个样本图像进行多层次锐化处理，得到所述每个样本图像对应的锐化图像序列包括：获取对应不同锐化程度的多个锐化参数；基于所述多个锐化参数，分别对所述每个样本图像进行锐化处理，得到所述每个样本图像对应的锐化图像序列。3.根据权利要求1所述的图像锐化识别模型训练方法，其特征在于，所述对所述第一样本图像集中每个样本图像进行多层次锐化处理，得到所述每个样本图像对应的锐化图像序列包括：将所述每个样本图像输入预设锐化处理模型进行锐化处理，得到所述每个样本图像对应的锐化图像序列；其中，所述预设锐化处理模型包括按序连接的多个锐化处理模型；所述每个样本图像对应的锐化图像序列中多个锐化样本图像为所述多个锐化处理模型的输出图像；所述多个锐化处理模型中第一个锐化处理模型的输入为所述每个样本图像；所述多个锐化处理模型中非第一个锐化处理模型的输入为对应的上一个锐化处理模型的输出。4.根据权利要求1所述的图像锐化识别模型训练方法，其特征在于，所述方法还包括：从每一锐化样本图像对中两个锐化样本图像对应的相同区域，分割出所述每一锐化样本图像对对应的样本图像块对；所述将所述每个样本图像对应的至少一个锐化样本图像对，输入待训练锐化识别模型进行锐化识别处理，得到每一锐化样本图像对中每个锐化样本图像对应的第一锐化指标数据包括：将所述每一锐化样本图像对对应的样本图像块对，输入所述待训练锐化识别模型进行锐化识别处理，得到每一样本图像块对中每个样本图像块对应的第一锐化指标数据；
所述根据所述每一锐化样本图像对对应的第一锐化指标数据，确定所述每一锐化样本图像对对应的排序惩罚损失包括：根据所述每一样本图像块对对应的第一锐化指标数据，确定所述每一样本图像块对对应的排序惩罚损失；所述基于所述每一锐化样本图像对对应的排序惩罚损失，对所述待训练锐化识别模型进行训练，得到初始锐化识别模型包括：基于所述每一样本图像块对对应的排序惩罚损失，对所述待训练锐化识别模型进行训练，得到初始锐化识别模型。5.根据权利要求1至4任一所述的图像锐化识别模型训练方法，其特征在于，所述基于所述第二样本图像集和所述预设锐化指标数据，对所述初始锐化识别模型进行训练，得到图像锐化识别模型包括：将所述第二样本图像集中的样本图像输入所述初始锐化识别模型进行锐化识别处理，得到所述第二样本图像集中的样本图像对应的第二锐化指标数据；根据所述第二锐化指标数据和所述预设锐化指标数据，确定锐化识别损失；基于所述锐化识别损失，对所述初始锐化识别模型进行训练，得到所...

【专利技术属性】
技术研发人员：巩佳超，孙明，于冰，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：