[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

本發明公開了模型訓練方法、數據、圖像質量評估方法及相關裝置，可以獲得圖像處理模型的訓練樣本，訓練樣本未攜帶圖像質量標簽，使用訓練樣本對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，衡量圖像處理模型的輸出結果與真實值的差距，并基于差距更新圖像處理模型。本發明可以利用訓練出的圖像處理模型對圖像進行質量評估，避免采用人工評估的方式對圖像進行質量評估，提高評估效率，避免評估準確率在圖像數量較多而人力不足時的下降，且圖像處理模型可以使用同一套客觀的評估方式對所有的圖像進行質量評估，可以避免人工評估過程中主觀評估或評估原則的變化導致的評估錯誤。

技術領域

本發明涉及數據處理領域，尤其涉及一種模型訓練方法、數據、圖像質量評估方法及相關裝置。

背景技術

隨著人工智能科學的發展，機器學習技術不斷提高。

人臉識別模型可以是一種機器學習模型，能自動檢測出某張圖像中的人臉，對檢測出的人臉進行臉部識別，確定人臉的身份信息。

人臉識別模型對于低質量的人臉圖像(即包含人臉的圖像)的臉部識別效果差。因此，在使用人臉識別模型對人臉圖像進行臉部識別前，需由技術人員人為的對人臉圖像進行質量評估，篩選出低質量的人臉圖像，禁止機器對低質量的人臉圖像進行臉部識別，減少對運算資源的無謂消耗。

但是，當圖像數量較多而人力不足時，人為進行的人臉質量評估的準確率可能會下降，導致低質量的人臉圖像進入到機器進行的臉部識別環節，從而導致對機器的資源利用率的降低。

發明內容

鑒于上述問題，本發明提供一種克服上述問題或者至少部分地解決上述問題的模型訓練方法、數據、圖像質量評估方法及相關裝置，技術方案如下：

一種圖像處理模型的訓練方法，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。

一種圖像質量評估方法，包括：

將待評估圖像輸入至由上述任一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。

一種數據處理模型的訓練方法，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。

一種數據質量評估方法，包括：

將待評估數據輸入至由上述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。

一種圖像處理模型，所述圖像處理模型由上述任一圖像處理模型的訓練方法訓練得到。

一種圖像處理模型的訓練裝置，包括：第一獲得單元和第一訓練單元，其中：