[發明專利]模型訓練方法、數據、圖像質量評估方法及相關裝置

在審

• 申請號: 202110048324.2
• 申請日: 2021-01-14
• 公開（公告）號: CN112733743A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 孟強;趙士超;周峰
• 申請（專利權）人: 北京愛筆科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/00
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 張建

1.一種圖像處理模型的訓練方法，其特征在于，包括：

獲得所述圖像處理模型的訓練樣本，所述訓練樣本未攜帶圖像質量標簽；

使用所述訓練樣本對所述圖像處理模型進行訓練，在訓練過程中：至少從限制圖像特征向量的可行區域和鼓勵圖像特征向量的大模長的角度，衡量所述圖像處理模型的輸出結果與真實值的差距，并基于所述差距更新所述圖像處理模型。

2.根據權利要求1所述的方法，其特征在于，所述使用所述訓練樣本對所述圖像處理模型進行訓練，在訓練過程中：至少從限制圖像特征向量的可行區域和鼓勵圖像特征向量的大模長的角度，衡量所述圖像處理模型的輸出結果與真實值的差距，并基于所述差距更新所述圖像處理模型，包括：

根據預先設置的損失函數，使用所述訓練樣本對所述圖像處理模型進行訓練，在訓練過程中：利用所述損失函數衡量所述圖像處理模型的輸出結果與真實值的差距，并基于所述差距更新所述圖像處理模型；所述預先設置的損失函數的自變量包括：用于限制圖像特征向量的可行區域的類間間隔函數及用于鼓勵大模長的模長損失函數，所述類間間隔函數及所述模長損失函數的自變量均為圖像特征向量的模長。

3.一種圖像質量評估方法，其特征在于，包括：

將待評估圖像輸入至由權利要求1或2所述的圖像處理模型的訓練方法訓練好的圖像處理模型中，其中，所述待評估圖像未攜帶圖像質量標簽；

獲得由訓練好的所述圖像處理模型提取的所述待評估圖像的目標圖像特征向量；

根據所述目標圖像特征向量的模長，評估所述待評估圖像的質量。

4.一種數據處理模型的訓練方法，其特征在于，包括：

獲得所述數據處理模型的訓練樣本，所述訓練樣本未攜帶數據質量標簽；

使用所述訓練樣本對所述數據處理模型進行訓練，在訓練過程中：至少從限制數據特征向量的可行區域和鼓勵數據特征向量的大模長的角度，衡量所述數據處理模型的輸出結果與真實值的差距，并基于所述差距更新所述數據處理模型。

5.一種數據質量評估方法，其特征在于，包括：

將待評估數據輸入至由權利要求4所述的數據處理模型的訓練方法訓練好的數據處理模型中，其中，所述待評估數據未攜帶數據質量標簽；

獲得由訓練好的所述數據處理模型提取的所述待評估數據的目標數據特征向量；

根據所述目標數據特征向量的模長，評估所述待評估數據的質量。

6.一種圖像處理模型，其特征在于，所述圖像處理模型由權利要求1或2所述的圖像處理模型的訓練方法訓練得到。

7.一種圖像處理模型的訓練裝置，其特征在于，包括：第一獲得單元和第一訓練單元，其中：

所述第一獲得單元，被配置為執行：獲得所述圖像處理模型的訓練樣本，所述訓練樣本未攜帶圖像質量標簽；

所述第一訓練單元，被配置為執行：使用所述訓練樣本對所述圖像處理模型進行訓練，在訓練過程中：至少從限制圖像特征向量的可行區域和鼓勵圖像特征向量的大模長的角度，衡量所述圖像處理模型的輸出結果與真實值的差距，并基于所述差距更新所述圖像處理模型。

8.一種圖像質量評估裝置，其特征在于，包括：第一輸入單元、第二獲得單元和第一評估單元，其中：

所述第一輸入單元，被配置為執行：將待評估圖像輸入至由權利要求1或2所述的圖像處理模型的訓練方法訓練好的圖像處理模型中，其中，所述待評估圖像未攜帶圖像質量標簽；

所述第二獲得單元，被配置為執行：獲得由訓練好的所述圖像處理模型提取的所述待評估圖像的目標圖像特征向量；

所述第一評估單元，被配置為執行：根據所述目標圖像特征向量的模長，評估所述待評估圖像的質量。