[發(fā)明專利]圖像質(zhì)量檢測方法、裝置、設(shè)備及存儲介質(zhì)在審
| 申請?zhí)枺?/td> | 202011511551.6 | 申請日: | 2020-12-18 |
| 公開(公告)號: | CN112561891A | 公開(公告)日: | 2021-03-26 |
| 發(fā)明(設(shè)計)人: | 韓浩瀚 | 申請(專利權(quán))人: | 深圳賽安特技術(shù)服務(wù)有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06K9/62;G06N3/04;G06N3/08;G06N20/00 |
| 代理公司: | 深圳市賽恩倍吉知識產(chǎn)權(quán)代理有限公司 44334 | 代理人: | 遲珊珊 |
| 地址: | 518000 廣東省深圳市前海深港合作區(qū)前*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 圖像 質(zhì)量 檢測 方法 裝置 設(shè)備 存儲 介質(zhì) | ||
1.一種圖像質(zhì)量檢測方法,其特征在于,所述圖像質(zhì)量檢測方法包括:
響應(yīng)于圖像質(zhì)量檢測指令,解析所述圖像質(zhì)量檢測指令,得到解析結(jié)果,并根據(jù)所述解析結(jié)果獲取初始模型;
采用張量范數(shù)特征構(gòu)建目標(biāo)神經(jīng)元;
識別所述初始模型中的線性單元,并以所述目標(biāo)神經(jīng)元替換所述線性單元,得到中間模型;
獲取訓(xùn)練數(shù)據(jù),并以所述訓(xùn)練數(shù)據(jù)對所述中間模型進(jìn)行訓(xùn)練,得到圖像質(zhì)量檢測模型;
當(dāng)接收到待檢測圖像時,對所述待檢測圖像進(jìn)行特征截取,得到目標(biāo)圖像;
將所述目標(biāo)圖像輸入至所述圖像質(zhì)量檢測模型,并獲取所述圖像質(zhì)量檢測模型的輸出數(shù)據(jù)作為所述待檢測圖像的圖像質(zhì)量檢測結(jié)果。
2.如權(quán)利要求1所述的圖像質(zhì)量檢測方法,其特征在于,所述解析所述圖像質(zhì)量檢測指令,得到解析結(jié)果,并根據(jù)所述解析結(jié)果獲取初始模型包括:
解析所述圖像質(zhì)量檢測指令的方法體,得到所述圖像質(zhì)量檢測指令所攜帶的信息;
獲取預(yù)設(shè)標(biāo)簽;
根據(jù)所述預(yù)設(shè)標(biāo)簽構(gòu)建正則表達(dá)式;
利用所述正則表達(dá)式在所述圖像質(zhì)量檢測指令所攜帶的信息中進(jìn)行遍歷,并將遍歷到的數(shù)據(jù)確定為所述初始模型的標(biāo)識;
根據(jù)所述初始模型的標(biāo)識獲取所述初始模型。
3.如權(quán)利要求1所述的圖像質(zhì)量檢測方法,其特征在于,所述方法還包括:
采用張量范數(shù)特征根據(jù)下述公式構(gòu)建目標(biāo)神經(jīng)元:
其中,x為輸入,為范數(shù)算子,f為激活函數(shù),y為所述目標(biāo)神經(jīng)元。
4.如權(quán)利要求1所述的圖像質(zhì)量檢測方法,其特征在于,所述獲取訓(xùn)練數(shù)據(jù)包括:
確定檢測的圖像類型;
采用網(wǎng)絡(luò)爬蟲技術(shù),基于所述圖像類型進(jìn)行數(shù)據(jù)的爬取,得到所述訓(xùn)練數(shù)據(jù);及/或
采用指定工具,根據(jù)所述圖像類型進(jìn)行視頻模擬,得到初始視頻,獲取所述初始視頻所包含的所有幀圖片,并對所述所有幀圖片進(jìn)行特征提取,得到所述訓(xùn)練數(shù)據(jù)。
5.如權(quán)利要求4所述的圖像質(zhì)量檢測方法,其特征在于,所述對所述所有幀圖片進(jìn)行特征截取,得到所述訓(xùn)練數(shù)據(jù)包括:
將所述所有幀圖片中的每張幀圖片輸入至YOLOv3網(wǎng)絡(luò)中進(jìn)行識別,得到每張幀圖片的目標(biāo)區(qū)域;
根據(jù)每張幀圖片的目標(biāo)區(qū)域截取對應(yīng)的每張幀圖片,得到每個子樣本;
整合得到的子樣本作為所述訓(xùn)練數(shù)據(jù)。
6.如權(quán)利要求1所述的圖像質(zhì)量檢測方法,其特征在于,所述以所述訓(xùn)練數(shù)據(jù)對所述中間模型進(jìn)行訓(xùn)練,得到圖像質(zhì)量檢測模型包括:
將所述訓(xùn)練數(shù)據(jù)按照預(yù)設(shè)比例進(jìn)行拆分,得到訓(xùn)練集及驗證集;
采用梯度下降及反向傳播算法,根據(jù)所述訓(xùn)練集訓(xùn)練所述中間模型;
當(dāng)所述中間模型的損失值達(dá)到收斂時,根據(jù)所述驗證集對所述中間模型進(jìn)行驗證;
當(dāng)所述中間模型通過驗證時,停止訓(xùn)練,得到所述圖像質(zhì)量檢測模型。
7.如權(quán)利要求1所述的圖像質(zhì)量檢測方法,其特征在于,在獲取所述圖像質(zhì)量檢測模型的輸出數(shù)據(jù)作為所述待檢測圖像的圖像質(zhì)量檢測結(jié)果后,所述方法還包括:
當(dāng)所述圖像質(zhì)量檢測結(jié)果為目標(biāo)結(jié)果時,確定所述待檢測圖像的采集設(shè)備;
連接至所述采集設(shè)備,并獲取所述采集設(shè)備的參數(shù)配置模式;
記錄所述采集設(shè)備的參數(shù)配置模式,并將所述參數(shù)配置模式發(fā)送至指定終端設(shè)備。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳賽安特技術(shù)服務(wù)有限公司,未經(jīng)深圳賽安特技術(shù)服務(wù)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202011511551.6/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 上一篇:一種活檢針及活檢裝置
- 下一篇:廣告投放方法、裝置及存儲介質(zhì)
- 彩色圖像和單色圖像的圖像處理
- 圖像編碼/圖像解碼方法以及圖像編碼/圖像解碼裝置
- 圖像處理裝置、圖像形成裝置、圖像讀取裝置、圖像處理方法
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像解密方法、圖像加密方法、圖像解密裝置、圖像加密裝置、圖像解密程序以及圖像加密程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序以及圖像解碼程序
- 圖像編碼方法、圖像解碼方法、圖像編碼裝置、圖像解碼裝置、圖像編碼程序、以及圖像解碼程序
- 圖像形成設(shè)備、圖像形成系統(tǒng)和圖像形成方法
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序
- 圖像編碼裝置、圖像編碼方法、圖像編碼程序、圖像解碼裝置、圖像解碼方法及圖像解碼程序





