【技术实现步骤摘要】
本申请涉及图像处理，特别是涉及图像质量评估及图像质量评估模型训练方法及装置。
技术介绍
1、数字图像在采集、处理、传输或存储过程中通常会因为各种原因产生失真，而图像失真会不利于后续对图像的处理或应用。因此，对图像质量进行评估就显得十分重要。
2、随着计算机视觉技术的发展，基于深度学习模型的图像质量评估成为可能，然而深度学习模型需要使用大量的样本图像进行训练。为了减少样本图像的人工标注成本，相关技术中，通常采用基于对称的双分支结构来实现基于自监督对比学习的图像质量评价算法。然而，基于对称结构的自监督对比学习，首先需要人工构造正、负例对，先利用正、负例对对深度学习模型进行预训练，再利用人工标注图像质量的样本图像对深度学习模型进行后续训练，人工成本仍然较高。
技术实现思路
1、本申请实施例的目的在于提供一种图像质量评估及图像质量评估模型训练方法及装置，以减少图像质量评估模型训练过程中的人工成本。具体技术方案如下：
2、第一方面，本申请实施例提供了一种图像质量评估模型训练方...
【技术保护点】
1.一种图像质量评估模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取样本图像对，包括：
3.根据权利要求1所述的方法，其特征在于，所述第一图像块及第二图像块的尺寸为所述样本图像尺寸的1/16～1/4。
4.根据权利要求2所述的方法，其特征在于，两块不重叠的图像区域在所述样本图像中的距离的取值范围为所述预设图像块大小边长的1/2～2倍。
5.根据权利要求1所述的方法，其特征在于，所述协同训练模型包括第一特征提取网络、第一映射网络和预测网络，所述目标模型包括第二特征提取模型和第二映
【技术特征摘要】
1.一种图像质量评估模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取样本图像对，包括：
3.根据权利要求1所述的方法，其特征在于，所述第一图像块及第二图像块的尺寸为所述样本图像尺寸的1/16～1/4。
4.根据权利要求2所述的方法，其特征在于，两块不重叠的图像区域在所述样本图像中的距离的取值范围为所述预设图像块大小边长的1/2～2倍。
5.根据权利要求1所述的方法，其特征在于，所述协同训练模型包括第一特征提取网络、第一映射网络和预测网络，所述目标模型包括第二特征提取模型和第二映射网络。
6.根据权利要求1所述的方法，其特征在于，所述根据所述第一处理结果及所述第二处理结果的差异调整协同训练模型及目标模型的参数，包括：
7.根据权利要求6所述的方法，其特征在于...
【专利技术属性】
技术研发人员：李豪，
申请(专利权)人：上海高德威智能交通系统有限公司，
类型：发明
国别省市：
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。