[發明專利]圖像質量確定方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010431640.3
• 申請日: 2020-05-20
• 公開（公告）號: CN113781379A
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 盧晶;程戰戰;鈕毅
• 申請（專利權）人: 上海高德威智能交通系統有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06N3/04;G06K9/62
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 謝冬寒

1.一種圖像質量確定方法，其特征在于，所述方法包括：

通過圖像識別模型，確定待確定質量參數的多個第一目標圖像的多個第一圖像特征；其中，一個第一目標圖像對應一個第一圖像特征，且所述多個第一目標圖像為同一類別的目標對象的圖像；

將所述多個第一圖像特征合成第二圖像特征；

根據所述多個第一圖像特征與所述第二圖像特征，確定所述多個第一目標圖像相較于參考圖像的相對質量參數，所述參考圖像為所述第二圖像特征對應的圖像。

2.根據權利要求1所述的方法，其特征在于，所述將所述多個第一圖像特征合成第二圖像特征，包括：

將所述多個第一圖像特征輸入初始神經網絡模型中，得到第三圖像特征，根據所述第三圖像特征，識別所述目標對象，得到所述目標對象的第一識別標注信息，將第一識別標注信息作為監督信息，訓練所述初始神經網絡模型，得到神經網絡模型；

將所述多個第一圖像特征輸入所述神經網絡模型，得到所述第二圖像特征。

3.根據權利要求2所述的方法，其特征在于，所述將所述多個第一圖像特征輸入所述神經網絡模型，得到所述第二圖像特征，包括：

將所述多個第一圖像特征輸入第一神經網絡模型中，通過所述第一神經網絡模型的多層全連接層，確定每個第一圖像特征對應的第四圖像特征，將每個第一圖像特征對應的第四圖像特征進行池化處理，得到所述第二圖像特征；或者，

將所述多個第一圖像特征輸入第二神經網絡模型中，通過所述第二神經網絡模型的注意力網絡層，確定每個第一圖像特征對應的每個第二參考圖像的第五圖像特征，將每個第二參考圖像的第五圖像特征進行池化處理，得到所述第二圖像特征。

4.根據權利要求1所述的方法，其特征在于，所述將所述多個第一圖像特征合成第二圖像特征之后，所述方法還包括：

根據所述多個第一目標圖像的質量參數，確定損失函數；

根據所述損失函數，訓練初始絕對質量評價模型，得到絕對質量評價模型；

當確定第二目標圖像的絕對質量參數時，將所述第二目標圖像輸入所述絕對質量評價模型，得到所述第二目標圖像的絕對質量參數。

5.根據權利要求4所述的方法，其特征在于，所述損失函數包括第一損失函數和第二損失函數；

所述根據所述多個第一目標圖像的相對質量參數，確定損失函數，包括：

根據每個第一目標圖像的相對質量參數和質量參數閾值之間的大小關系，確定第一損失函數；

根據每個第一目標圖像的相對質量參數之間的大小關系，確定第二損失函數。

6.根據權利要求5所述的方法，其特征在于，所述根據每個第一目標圖像的相對質量參數和質量參數閾值之間的大小關系，確定第一損失函數，包括：

根據所述多個第一目標圖像的相對質量參數與質量參數閾值之間的大小關系，確定每個第一目標圖像的第二識別標注信息，所述第一目標圖像的第二識別標注信息用于表示通過所述第一目標圖像進行目標對象的識別時的對錯信息；

根據所述每個第一目標圖像的第二識別標注信息和所述質量參數閾值，確定所述第一損失函數。

7.根據權利要求5所述的方法，其特征在于，所述根據每個第一目標圖像的相對質量參數之間的大小關系，確定第二損失函數，包括：

對于任意兩個第一目標圖像；根據所述兩個第一目標圖像的相對質量參數之間的大小關系，確定第三識別標注信息，所述第三識別標注信息用于表示所述兩個第一目標圖像的相對質量參數之間的大小關系；

根據所述第三識別標注信息，確定所述第二損失函數。

8.根據權利要求4所述的方法，其特征在于，所述根據所述損失函數，訓練初始絕對質量評價模型，得到絕對質量評價模型，包括：

獲取多個第三目標圖像，所述多個第三目標圖像為不同類別的目標對象的圖像；

將所述多個第三目標圖像輸入初始絕對質量評價模型，得到每個第三目標圖像的絕對質量參數；

根據每個第三目標圖像的絕對質量參數和所述損失函數，訓練所述初始絕對質量評價模型，得到所述絕對質量評價模型。