【技术实现步骤摘要】
本公开涉及图像处理，具体而言，涉及一种图像质量评估模型的训练方法、图像质量评估方法、图像质量评估模型的训练装置、图像质量评估装置、电子设备及计算机可读介质。
技术介绍
1、图像质量评估(image quality assessment，iqa)能够对输入图像在人眼中的感知质量进行自动化的评估。近些年来，基于深度学习的iqa算法取得了很好的成就。然而，基于深度学习的算法依赖大量的数据，但iqa任务的数据量相比一般的计算机视觉任务要小得多，限制了基于深度学习的算法的性能，影响模型的图像质量评估效果。
2、鉴于此，本领域亟需一种图像质量评估模型的训练方法以及图像质量评估方法，能够提升图像质量评估效果。
3、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开的目的在于提供一种图像质量评估模型的训练方法、图像质量评估模型的训练装置、电子设备及计算机可读介质，进而至少在一定程度上提升图像质量评估效果。
2、根据本公开的第一个方面，提供一种图像质量评估模型的训练方法，包括：
3、在当前训练批次内的每一个样本中，任意选择一个所述样本作为锚点样本，其中，每一个样本中包含一个用于训练的图像样本，以及所述图像样本对应的预先标注的图像质量评估分数，所述锚点样本为用于与其他样本进行对比的基础样本；
4、根据正样本分布函数和正样本约束项得到正
5、根据负样本分布函数和负样本约束项得到负样本选择函数，并根据所述负样本选择函数从所述当前训练批次中确定出所述锚点样本对应的多个负样本，其中，所述负样本与所述锚点样本的图像质量评估分数之间的差距在预设范围之外；
6、根据所述锚点样本、所述锚点样本对应的正样本以及负样本集合，构造所述锚点样本对应的样本三元组，并根据各个所述锚点样本对应的样本三元组对图像质量评估模型进行训练。
7、在本公开的一种示例性实施例中，所述根据正样本分布函数和正样本约束项得到正样本选择函数，包括：
8、根据正样本参数集和广义高斯分布函数得到指数形状的正样本分布函数；
9、根据包含所述锚点样本在内的各个样本所在的数据集以及预设约束参数得到所述正样本约束项；
10、根据所述正样本分布函数和所述正样本约束项的乘积得到所述正样本选择函数。
11、在本公开的一种示例性实施例中，所述根据所述正样本选择函数从所述当前训练批次中确定出所述锚点样本对应的正样本，包括：
12、将所述当前训练批次中除所述锚点样本以外的其他样本确定为候选正样本；
13、确定所述锚点样本与各个所述候选正样本之间分别对应的样本距离，并根据所述正样本选择函数确定各个所述候选正样本分别对应的正样本选择函数值；
14、在所述样本距离小于所述正样本选择函数值的所述候选正样本中，确定出所述锚点样本对应的正样本。
15、在本公开的一种示例性实施例中，所述根据负样本分布函数和负样本约束项得到负样本选择函数，包括：
16、根据负样本参数集和广义高斯分布函数得到正态形状的负样本分布函数；
17、根据包含所述锚点样本和所述正样本在内的各个样本所在的数据集以及预设约束参数得到所述负样本约束项；
18、根据所述负样本分布函数和所述负样本约束项的乘积得到所述负样本选择函数。
19、在本公开的一种示例性实施例中，所述根据所述负样本选择函数从所述当前训练批次中确定出所述锚点样本对应的多个负样本，包括：
20、将所述当前训练批次中除所述锚点样本和所述正样本以外的其他样本确定为候选负样本；
21、确定所述锚点样本与所述正样本之间的第一样本距离，以及所述锚点样本与各个所述候选负样本之间分别对应的第二样本距离，并根据所述第一样本距离和所述第二样本距离得到样本距离差；
22、根据所述负样本选择函数确定各个所述候选负样本分别对应的负样本选择函数值；
23、在所述样本距离差大于所述负样本选择函数值的所述候选负样本中，确定出所述锚点样本对应的多个负样本。
24、在本公开的一种示例性实施例中，所述根据各个所述锚点样本对应的样本三元组对图像质量评估模型进行训练，包括：
25、将各个所述锚点样本对应的样本三元组输入所述图像质量评估模型中，并根据所述图像质量评估模型的输出结果，计算所述图像质量评估模型的回归损失和度量学习损失；
26、根据所述回归损失和所述度量学习损失对所述图像质量评估模型的模型参数进行训练。
27、根据本公开的第二方面，提供一种图像质量评估方法，包括：
28、将目标图像输入图像质量评估模型中，其中，所述图像质量评估模型是通过上述图像质量评估模型的训练方法得到的；
29、根据所述图像质量评估模型的输出结果得到所述目标图像的图像质量评估结果。
30、根据本公开的第三方面，提供一种图像质量评估模型的训练装置，包括：
31、锚点样本确定模块，被配置为执行在当前训练批次内的每一个样本中，任意选择一个所述样本作为锚点样本，其中，每一个样本中包含一个用于训练的图像样本，以及所述图像样本对应的预先标注的图像质量评估分数，所述锚点样本为用于与其他样本进行对比的基础样本；
32、正样本确定模块，被配置为执行根据正样本分布函数和正样本约束项得到正样本选择函数，并根据所述正样本选择函数从所述当前训练批次中确定出所述锚点样本对应的正样本，其中，所述正样本与所述锚点样本的图像质量评估分数之间的差距在预设范围内，样本分布函数为用于描述样本分布特点的分布函数，样本约束项为用于对不同数据集中的样本选择条件进行约束的函数项，样本选择函数为用于判断样本是否满足正负样本选择条件的函数；
33、负样本确定模块，被配置为执行根据负样本分布函数和负样本约束项得到负样本选择函数，并根据所述负样本选择函数从所述当前训练批次中确定出所述锚点样本对应的多个负样本，其中，所述负样本与所述锚点样本的图像质量评估分数之间的差距在预设范围之外；
34、评估模型训练模块，被配置为执行根据所述锚点样本、所述锚点样本对应的正样本以及负样本集合，构造所述锚点样本对应的样本三元组，并根据各个所述锚点样本对应的样本三元组对图像质量评估模型进行训练。
35、在本公开的一种示例性实施例中，所述正样本确定模块包括：
3本文档来自技高网...
【技术保护点】
1.一种图像质量评估模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的图像质量评估模型的训练方法，其特征在于，所述根据正样本分布函数和正样本约束项得到正样本选择函数，包括：
3.根据权利要求2所述的图像质量评估模型的训练方法，其特征在于，所述根据所述正样本选择函数从所述当前训练批次中确定出所述锚点样本对应的正样本，包括：
4.根据权利要求1所述的图像质量评估模型的训练方法，其特征在于，所述根据负样本分布函数和负样本约束项得到负样本选择函数，包括：
5.根据权利要求4所述的图像质量评估模型的训练方法，其特征在于，所述根据所述负样本选择函数从所述当前训练批次中确定出所述锚点样本对应的多个负样本，包括：
6.根据权利要求1所述的图像质量评估模型的训练方法，其特征在于，所述根据各个所述锚点样本对应的样本三元组对图像质量评估模型进行训练，包括：
7.一种图像质量评估方法，其特征在于，包括：
8.一种图像质量评估模型的训练装置，其特征在于，包括：
9.一种图像质量评估装置，其特征在于，包
10.一种电子设备，其特征在于，包括：
11.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至6中任意一项所述的图像质量评估模型的训练方法或者权利要求7所述的图像质量评估方法。
12.一种计算机程序产品，包括计算机程序，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6中任意一项所述的图像质量评估模型的训练方法或者权利要求7所述的图像质量评估方法。
...【技术特征摘要】
1.一种图像质量评估模型的训练方法，其特征在于，包括：
2.根据权利要求1所述的图像质量评估模型的训练方法，其特征在于，所述根据正样本分布函数和正样本约束项得到正样本选择函数，包括：
3.根据权利要求2所述的图像质量评估模型的训练方法，其特征在于，所述根据所述正样本选择函数从所述当前训练批次中确定出所述锚点样本对应的正样本，包括：
4.根据权利要求1所述的图像质量评估模型的训练方法，其特征在于，所述根据负样本分布函数和负样本约束项得到负样本选择函数，包括：
5.根据权利要求4所述的图像质量评估模型的训练方法，其特征在于，所述根据所述负样本选择函数从所述当前训练批次中确定出所述锚点样本对应的多个负样本，包括：
6.根据权利要求1所述的图像质量评估模型的训练方法，其特征在于...
【专利技术属性】
技术研发人员：李马丁，孙明，周超，
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：
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。