[發明專利]圖像模糊檢測模型的訓練方法、圖像模糊檢測方法及裝置

有效

• 申請號: 202110297735.5
• 申請日: 2021-03-19
• 公開（公告）號: CN113066024B
• 公開（公告）日: 2023-03-10
• 發明（設計）人: 鞏佳超;戴宇榮;于冰
• 申請（專利權）人: 北京達佳互聯信息技術有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/00;G06F16/735
• 代理公司: 北京銘碩知識產權代理有限公司 11286
• 代理人: 王艷茹;蘇銀虹

1.一種圖像模糊檢測模型的訓練方法，其特征在于，包括：

獲取訓練圖像集，其中，所述訓練圖像集包括多個訓練圖像、每個訓練圖像標注的真實模糊分數；

獲取所述訓練圖像的清晰度掩膜、文字區域掩膜和主要內容區域掩膜，其中，所述清晰度掩膜表示所述訓練圖像的清晰程度，所述文字區域掩膜表示所述訓練圖像中文字區域的位置，所述主要內容區域掩膜表示所述訓練圖像中主要內容區域的位置；

將所述訓練圖像、所述訓練圖像的清晰度掩膜、所述訓練圖像的文字區域掩膜和所述訓練圖像的主要內容區域掩膜輸入到圖像模糊檢測模型中，獲取估計模糊分數；

基于所述估計模糊分數和所述訓練圖像標注的真實模糊分數確定所述圖像模糊檢測模型的損失函數；

根據所述損失函數調整所述圖像模糊檢測模型的參數，對所述圖像模糊檢測模型進行訓練；

其中，所述圖像模糊檢測模型包括第一特征提取層、第二特征提取層、池化層與回歸層；所述將所述訓練圖像、所述訓練圖像的清晰度掩膜、所述訓練圖像的文字區域掩膜和所述訓練圖像的主要內容區域掩膜輸入到圖像模糊檢測模型中，獲取估計模糊分數包括：

將訓練圖像輸入所述第一特征提取層，獲取所述訓練圖像的第一特征，其中，所述第一特征提取層為所述圖像模糊檢測模型的前預定個數的卷積層；

將所述第一特征與所述訓練圖像的清晰度掩膜、所述訓練圖像的文字區域掩膜相乘，獲得處理后的第一特征；

將處理后的第一特征輸入所述第二特征提取層，獲取所述訓練圖像的第二特征，其中，所述第二特征提取層為所述圖像模糊檢測模型的前預定個數的卷積層和所述池化層之間的卷積層；

將所述第二特征與所述訓練圖像的主要內容區域掩膜相乘，獲取處理后的第二特征；

將處理后的第二特征輸入所述池化層和所述回歸層，得到所述訓練圖像的估計模糊分數。

2.如權利要求1所述的訓練方法，其特征在于，所述基于所述估計模糊分數和所述訓練圖像標注的真實模糊分數確定所述圖像模糊檢測模型的損失函數包括：

獲取所述估計模糊分數和所述訓練圖像標注的真實模糊分數的均方誤差；

將所述均方誤差確定為所述圖像模糊檢測模型的損失函數。

3.如權利要求1所述的訓練方法，其特征在于，所述將處理后的第二特征輸入所述池化層和所述回歸層，得到所述訓練圖像的估計模糊分數包括：

將處理后的第二特征輸入所述池化層進行全局平均池化，得到第三特征；

將第三特征與放大因子相乘，獲取第四特征，其中，所述放大因子為所述訓練圖像的主要內容區域掩膜中圖像的整體面積與主要內容區域面積的比值；

將所述第四特征輸入所述回歸層進行回歸處理，得到所述訓練圖像的估計模糊分數。

4.如權利要求1所述的訓練方法，其特征在于，在獲取訓練圖像集之后，還包括：

對所述訓練圖像集進行增廣處理，得到最終的訓練圖像集。