质量评估模型的训练方法、装置及电子设备制造方法及图纸

本公开关于一种质量评估模型的训练方法、装置及电子设备，其中，该方法包括：获取多个人脸图像集以及其中人脸图像的图像特征；人脸图像集中多个人脸图像所属的对象相同；不同人脸图像集对应的对象不同；针对每个候选人脸图像，根据候选人脸图像的图像特征、相同人脸图像集中第一人脸图像的图像特征、以及不同人脸图像集中第二人脸图像的图像特征，确定候选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布；根据上述两个分布，确定候选人脸图像的图像质量分数，进而对初始的质量评估模型进行训练处理，从而避免人工对人脸图像进行图像质量分数标注，且结合图像特征等确定图像质量分数，确保训练得到的质量评估模型的准确度。准确度。准确度。

【技术实现步骤摘要】
质量评估模型的训练方法、装置及电子设备


[0001]本公开涉及图像处理
，尤其涉及一种质量评估模型的训练方法、装置及电子设备。

技术介绍

[0002]目前的质量评估模型的训练方法主要为，获取多个样本人脸图像；由人工对样本人脸图像进行图像质量分数标注；根据样本人脸图像以及标注得到的图像质量分数，对深度学习模型进行回归处理，得到训练好的深度学习模型。
[0003]上述方法中，标注成本高，标注准确度低，导致训练得到的深度学习模型难以准确有效的确定人脸图像的质量。

技术实现思路

[0004]本公开提供一种质量评估模型的训练方法、装置及电子设备。
[0005]根据本公开实施例的第一方面，提供一种质量评估模型的训练方法，所述方法包括：获取多个人脸图像集，以及所述人脸图像集中人脸图像的图像特征；所述人脸图像集中多个人脸图像所属的对象相同；不同人脸图像集中的人脸对象所属的对象不同；针对每个候选人脸图像，根据所述候选人脸图像的图像特征以及第一人脸图像的图像特征，确定所述候选人脸图像的同对象特征相似度分布；所述第一人脸图像所属的人脸图像集，与所述候选人脸图像所属的人脸图像集相同；根据所述候选人脸图像的图像特征以及第二人脸图像的图像特征，确定所述候选人脸图像的不同对象特征相似度分布；所述第二人脸图像所属的人脸图像集，与所述候选人脸图像所属的人脸图像集不同；根据所述候选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布，确定所述候选人脸图像的图像质量分数；根据多个候选人脸图像以及所述候选人脸图像的图像质量分数，对初始的质量评估模型进行训练处理，得到训练好的质量评估模型。
[0006]在本公开的一个实施例中，所述根据所述候选人脸图像的图像特征以及第一人脸图像的图像特征，确定所述候选人脸图像的同对象特征相似度分布，包括：根据所述候选人脸图像的图像特征以及所述第一人脸图像的图像特征，确定所述候选人脸图像与所述第一人脸图像之间的特征相似度；根据多个所述特征相似度，确定离散分布；将所述离散分布，作为所述候选人脸图像的同对象特征相似度分布。
[0007]在本公开的一个实施例中，所述根据所述候选人脸图像的图像特征以及第二人脸图像的图像特征，确定所述候选人脸图像的不同对象特征相似度分布，包括：根据所述候选人脸图像的图像特征以及所述第二人脸图像的图像特征，确定所述候选人脸图像与所述第二人脸图像之间的特征相似度；根据多个所述特征相似度，确定离散分布；将所述离散分布，作为所述候选人脸图像的不同对象特征相似度分布。
[0008]在本公开的一个实施例中，所述根据所述候选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布，确定所述候选人脸图像的图像质量分数，包括：根据所述候
选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布，确定所述同对象特征相似度分布与所述不同对象特征相似度分布之间的瓦瑟斯坦距离；将所述瓦瑟斯坦距离，作为所述候选人脸图像的图像质量分数。
[0009]在本公开的一个实施例中，在根据所述候选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布，确定所述候选人脸图像的图像质量分数之后，所述方法还包括：对多个所述候选人脸图像的图像质量分数进行归一化处理，得到处理后的图像质量分数；获取图像质量分数范围；确定多个所述候选人脸图像中的第一候选人脸图像；所述第一候选人脸图像的图像质量分数未位于所述图像质量分数范围内；对多个所述候选人脸图像中的所述第一候选人脸图像进行过滤处理。
[0010]在本公开的一个实施例中，所述方法还包括：获取用于所述图像特征的提取的人脸图像识别模型；所述人脸图像识别模型包括，特征提取网络以及识别网络；将所述人脸图像识别模型中的所述识别网络替换为初始的评估网络，得到所述初始的质量评估模型。
[0011]根据本公开实施例的第二方面，还提供一种图像质量评估方法，所述方法包括：获取当前人脸图像；获取质量评估模型；所述质量评估模型结合第一方面中的质量评估模型的训练方法训练得到；将所述当前人脸图像输入所述质量评估模型，获取所述当前人脸图像的质量评估结果。
[0012]根据本公开实施例的第三方面，还提供一种质量评估模型的训练装置，所述装置包括：第一获取模块，用于获取多个人脸图像集，以及所述人脸图像集中人脸图像的图像特征；所述人脸图像集中多个人脸图像所属的对象相同；不同人脸图像集中的人脸对象所属的对象不同；第一确定模块，用于针对每个候选人脸图像，根据所述候选人脸图像的图像特征以及第一人脸图像的图像特征，确定所述候选人脸图像的同对象特征相似度分布；所述第一人脸图像所属的人脸图像集，与所述候选人脸图像所属的人脸图像集相同；第二确定模块，用于根据所述候选人脸图像的图像特征以及第二人脸图像的图像特征，确定所述候选人脸图像的不同对象特征相似度分布；所述第二人脸图像所属的人脸图像集，与所述候选人脸图像所属的人脸图像集不同；第三确定模块，用于根据所述候选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布，确定所述候选人脸图像的图像质量分数；训练模块，用于根据多个候选人脸图像以及所述候选人脸图像的图像质量分数，对初始的质量评估模型进行训练处理，得到训练好的质量评估模型。
[0013]根据本公开实施例的第四方面，还提供一种图像质量评估装置，所述装置包括：第一获取模块，用于获取当前人脸图像；第二获取模块，用于获取质量评估模型；所述质量评估模型结合第一方面中的质量评估模型的训练方法训练得到；第三获取模块，用于将所述当前人脸图像输入所述质量评估模型，获取所述当前人脸图像的质量评估结果。
[0014]根据本公开实施例的第五方面，还提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为：实现如上所述的质量评估模型的训练方法的步骤；或者，实现如上所述的图像质量评估方法的步骤。
[0015]根据本公开实施例的第六方面，还提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由处理器执行时，使得处理器能够执行如上所述的质量评估模型的训练方法；或者，执行如上所述的图像质量评估方法。
[0016]本公开的实施例提供的技术方案至少带来以下有益效果：
[0017]通过获取多个人脸图像集，以及人脸图像集中人脸图像的图像特征；人脸图像集中多个人脸图像所属的对象相同；不同人脸图像集中的人脸对象所属的对象不同；针对每个候选人脸图像，根据候选人脸图像的图像特征以及第一人脸图像的图像特征，确定候选人脸图像的同对象特征相似度分布；第一人脸图像所属的人脸图像集，与候选人脸图像所属的人脸图像集相同；根据候选人脸图像的图像特征以及第二人脸图像的图像特征，确定候选人脸图像的不同对象特征相似度分布；第二人脸图像所属的人脸图像集，与候选人脸图像所属的人脸图像集不同；根据候选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布，确定候选人脸图像的图像质量分数；根据多个候选人脸图像以及候选人脸图像的图像质量分数，对初始的质量评估模型进行训练处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种质量评估模型的训练方法，其特征在于，所述方法包括：获取多个人脸图像集，以及所述人脸图像集中人脸图像的图像特征；所述人脸图像集中多个人脸图像所属的对象相同；不同人脸图像集中的人脸对象所属的对象不同；针对每个候选人脸图像，根据所述候选人脸图像的图像特征以及第一人脸图像的图像特征，确定所述候选人脸图像的同对象特征相似度分布；所述第一人脸图像所属的人脸图像集，与所述候选人脸图像所属的人脸图像集相同；根据所述候选人脸图像的图像特征以及第二人脸图像的图像特征，确定所述候选人脸图像的不同对象特征相似度分布；所述第二人脸图像所属的人脸图像集，与所述候选人脸图像所属的人脸图像集不同；根据所述候选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布，确定所述候选人脸图像的图像质量分数；根据多个候选人脸图像以及所述候选人脸图像的图像质量分数，对初始的质量评估模型进行训练处理，得到训练好的质量评估模型。2.根据权利要求1所述的方法，其特征在于，所述根据所述候选人脸图像的图像特征以及第一人脸图像的图像特征，确定所述候选人脸图像的同对象特征相似度分布，包括：根据所述候选人脸图像的图像特征以及所述第一人脸图像的图像特征，确定所述候选人脸图像与所述第一人脸图像之间的特征相似度；根据多个所述特征相似度，确定离散分布；将所述离散分布，作为所述候选人脸图像的同对象特征相似度分布。3.根据权利要求1所述的方法，其特征在于，所述根据所述候选人脸图像的图像特征以及第二人脸图像的图像特征，确定所述候选人脸图像的不同对象特征相似度分布，包括：根据所述候选人脸图像的图像特征以及所述第二人脸图像的图像特征，确定所述候选人脸图像与所述第二人脸图像之间的特征相似度；根据多个所述特征相似度，确定离散分布；将所述离散分布，作为所述候选人脸图像的不同对象特征相似度分布。4.根据权利要求1所述的方法，其特征在于，所述根据所述候选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布，确定所述候选人脸图像的图像质量分数，包括：根据所述候选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布，确定所述同对象特征相似度分布与所述不同对象特征相似度分布之间的瓦瑟斯坦距离；将所述瓦瑟斯坦距离，作为所述候选人脸图像的图像质量分数。5.根据权利要求1所述的方法，其特征在于，在根据所述候选人脸图像的同对象特征相似度分布以及不同对象特征相似度分布，确定所述候选人脸图像的图像质量分数之后，所述方法还包括：对多个所述候选人脸图像的图像质量分数进行归一化处理，得到处理后的图像质量分数；获取图像质量分数范围；确定多个所述候选人脸图像中的第一候选人脸图像；所述第一候选人脸图...

【专利技术属性】
技术研发人员：陈坤鹏，邓巍，周代国，
申请(专利权)人：北京小米移动软件有限公司北京小米松果电子有限公司，
类型：发明
国别省市：