图像模糊度评价方法技术

本申请公开了一种图像模糊度评价方法

【技术实现步骤摘要】
图像模糊度评价方法、装置及电子设备、存储介质


[0001]本申请涉及图像处理
，尤其涉及一种图像模糊度评价方法
、
装置及电子设备
、
存储介质
。

技术介绍

[0002]对于机器学习模型的训练，数据样本的质量对训练结果具有重要影响，即较好质量
、
较多数量的数据通常可以获得较为准确的模型精度，而较低质量
、
较少数量的数据用于机器学习训练，会引起欠拟合
、
过拟合
、
泛化性低
、
难以收敛等多种问题
。
因此，在模型训练之初，对训练样本进行准确评估，并指导开发者调整训练样本可以极大程度地提高开发效率和模型精度，降低试错成本以及机器学习模型训练的技术门槛
。
[0003]训练样本多来源于监控相机的拍摄，在具体应用时由于光照
、
运动
、
图像传输介质
、
存储介质限制等因素会造成图像的全部或部分产生模糊，特别是采用/>Smart...

【技术保护点】

【技术特征摘要】
1.
一种图像模糊度评价方法，其特征在于，所述方法包括：获取图像处理任务类型以及所述图像处理任务类型对应的原始样本图像；根据所述图像处理任务类型，确定所述原始样本图像对应的目标区域图像，所述目标区域图像为所述原始样本图像中的局部图像或全局图像；利用预设图像模糊度评价策略对所述原始样本图像对应的目标区域图像进行模糊度评价，得到所述目标区域图像的模糊度；利用预设统计策略对所述目标区域图像的模糊度进行统计，得到最终的图像模糊度评价结果
。2.
根据权利要求1所述方法，其中，所述图像处理任务类型包括第一任务类型和第二任务类型，所述第一任务类型包括目标检测型任务
、
图像分割型任务和关键点检测型任务中的至少一种，所述第二任务类型包括图像分类型任务，所述根据所述图像处理任务类型，确定所述原始样本图像对应的目标区域图像包括：若所述图像处理任务类型为所述第一任务类型，则从所述原始样本图像中分割出目标所在的局部图像，作为所述目标区域图像；若所述图像处理任务类型为所述第二任务类型，则直接将所述原始样本图像作为所述目标区域图像
。3.
根据权利要求2所述方法，其中，所述从所述原始样本图像中分割出目标所在的局部图像，作为所述目标区域图像包括：若所述第一任务类型为所述目标检测型任务，则获取所述原始样本图像包含的目标的标注框信息，并从所述原始样本图像中提取出所述目标的标注框信息所对应的矩形区域，得到所述目标区域图像；若所述第一任务类型为所述图像分割型任务，则获取所述原始样本图像包含的目标的位置信息和轮廓信息，并根据所述目标的位置信息和轮廓信息确定所述目标对应的矩形区域，从所述原始样本图像中提取出所述矩形区域，得到所述目标区域图像；若所述第一任务类型为所述关键点检测型任务，则获取所述原始样本图像包含的目标的关键点的位置信息和类别信息，并根据所述目标的关键点的位置信息和类别信息确定所述目标对应的矩形区域，从所述原始样本图像中提取出所述矩形区域，得到所述目标区域图像
。4.
根据权利要求3所述方法，其中，所述从所述原始样本图像中分割出目标所在的局部图像，作为所述目标区域图像包括：若所述矩形区域的边界位于所述原始样本图像的边界外，则确定所述矩形区域与所述原始样本图像的交集区域；从所述原始样本图像中分割出所述矩形区域与所述原始样本图像的交集区域，得到所述目标区域图像
。5.
根据权利要求1所述方法，其中，所述利用预设图像模糊度评价策略对所述原始样本图像对应的目标区域图像进行模糊度评价，得到所述原始样本图像的模糊度包括：利用多个预设压缩率分别对所述目标区域图像进行压缩，得到多个压缩后的目标区域图像；将所述多个压缩后的目标区域图像的图像大小进行比较，并根据比较结果确定所述原
始样本图像的模糊度
。6.
根据权利要求5所述方法，其中，所述多个...

【专利技术属性】
技术研发人员：田光亚，朱勇，
申请(专利权)人：中科创达软件股份有限公司，
类型：发明
国别省市：