System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种图像质量预测模型训练方法和装置制造方法及图纸_技高网

一种图像质量预测模型训练方法和装置制造方法及图纸

技术编号:40248830 阅读:10 留言:0更新日期:2024-02-02 22:43
本申请涉及图像识别技术领域,提供了一种图像质量预测模型训练方法和装置。该方法包括:获取目标图像训练样本集;获取该目标图像的质量分增强标签;将该目标图像和相应的该质量分增强标签输入至图像质量预测模型,获得图像质量预测结果;该图像质量预测模型包括主干网络和质量分类头;依据目标损失函数,迭代更新该图像质量预测模型的参数,直至达到预设的迭代终止条件,获得经训练的该图像质量预测模型。本申请通过数据增强生成图像质量分标签,可以对复杂场景的图像质量做出更合理定义,同时将质量分预测问题转化为分类问题,有助于提升图像识别等下游任务的准确率和通过率。

【技术实现步骤摘要】

本申请涉及图像识别,尤其涉及一种图像质量预测模型训练方法和装置


技术介绍

1、在活体认证或其他人脸认证任务中,为了保证后续活体认证/人脸识别的准确性,增强安全性能和用户多个网络分别进行质量合规判定,多个网络模型不利于边缘端的部署,会导致模型多、速度慢的问题,从而影响响应速度和用户体验。同时,由于各种质量不合规图像样本数量少,也给图像质量分预测的稳定收敛和准确性带来了挑战。

2、因此,如何设计图像质量预测模型,使其能够对图像质量进行综合判定,节省边缘端的推理时间,以便保证后续图像识别应用的准确度和提升用户体验,是需要解决的技术问题。


技术实现思路

1、有鉴于此,本申请实施例提供了一种图像质量预测模型训练方法、装置、电子设备及计算机可读存储介质,以解决现有技术对图像质量预测准确度不高的问题。

2、本申请实施例的第一方面,提供了一种图像质量预测模型训练方法,包括:

3、获取目标图像训练样本集;

4、获取所述目标图像的质量分增强标签;

5、将所述目标图像和相应的所述质量分增强标签输入至图像质量预测模型,获得图像质量预测结果;所述图像质量预测模型包括主干网络和质量分类头;

6、依据目标损失函数,迭代更新所述图像质量预测模型的参数,直至达到预设的迭代终止条件,获得经训练的所述图像质量预测模型。

7、本申请实施例的第二方面,提供了一种图像质量预测模型训练装置,所述装置包括:

8、训练集获取模块,被配置为获取目标图像训练样本集;

9、质量分增强标签获取模块,被配置为获取所述目标图像的质量分增强标签;

10、图像质量预测结果输出模块,被配置为将所述目标图像和相应的所述质量分增强标签输入至图像质量预测模型,获得图像质量预测结果;所述图像质量预测模型包括主干网络和质量分类单元;

11、图像质量预测模型训练模块,被配置为依据目标损失函数,迭代更新所述图像质量预测模型的参数,直至达到预设的迭代终止条件,获得经训练的所述图像质量预测模型。

12、本申请实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可在处理器上运行的计算机程序,该处理器执行计算机程序时实现第一方面所述方法的步骤。

13、本申请实施例的第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现第一方面所述方法的步骤。

14、本申请实施例与现有技术相比存在的有益效果至少包括:本申请实施例通过获取目标图像训练样本集;获取该目标图像的质量分增强标签;将该目标图像和相应的该质量分增强标签输入至图像质量预测模型,获得图像质量预测结果;该图像质量预测模型包括主干网络和质量分类头;依据目标损失函数,迭代更新该图像质量预测模型的参数,直至达到预设的迭代终止条件,获得经训练的该图像质量预测模型。本申请通过数据增强生成图像质量分标签,可以对复杂场景的图像质量做出更合理定义,同时将质量分预测问题转化为分类问题,有助于提升图像识别等下游任务的准确率和通过率。

本文档来自技高网...

【技术保护点】

1.一种图像质量预测模型训练方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,获取所述目标图像的质量分增强标签,包括:

3.根据权利要求2所述的方法,其特征在于,获得所述目标图像的原始质量分标签,包括:

4.根据权利要求2所述的方法,其特征在于,将所述目标图像和相应的所述质量分增强标签输入至图像质量预测模型,获得图像质量预测结果,包括:

5.根据权利要求4所述的方法,其特征在于,将所述目标图像和相应的所述质量分增强标签输入至图像质量预测模型,获得图像质量预测结果,还包括:依据所述图像质量分预测值和所述质量分增强标签,确定第一损失函数和/或第二损失函数;其中,所述第一损失函数为:

6.根据权利要求5所述的方法,其特征在于,将所述目标图像和相应的所述质量分增强标签输入至图像质量预测模型,获得图像质量预测结果,还包括:依据所述图像质量分预测值,确定第三损失函数为:

7.根据权利要求6所述的方法,其特征在于,依据所述第一损失函数、所述第二损失函数和所述第三损失函数,确定所述目标损失函数为:

<p>8.一种目标图像质量预测模型训练装置,其特征在于,所述装置包括:

9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并且可在所述处理器上运行的计算机程序,其特征在于,所述处理器在执行所述计算机程序时,实现如权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。

...

【技术特征摘要】

1.一种图像质量预测模型训练方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,获取所述目标图像的质量分增强标签,包括:

3.根据权利要求2所述的方法,其特征在于,获得所述目标图像的原始质量分标签,包括:

4.根据权利要求2所述的方法,其特征在于,将所述目标图像和相应的所述质量分增强标签输入至图像质量预测模型,获得图像质量预测结果,包括:

5.根据权利要求4所述的方法,其特征在于,将所述目标图像和相应的所述质量分增强标签输入至图像质量预测模型,获得图像质量预测结果,还包括:依据所述图像质量分预测值和所述质量分增强标签,确定第一损失函数和/或第二损失函数;其中,所述第一损失函数为:

6.根据权利要求5所述的方法,其特征在于,将所述目标...

【专利技术属性】
技术研发人员:王夏洪
申请(专利权)人:深圳须弥云图空间科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1