[發明專利]用于預測圖像清晰度的神經網絡、訓練方法及預測方法

在審

• 申請號: 202110298042.8
• 申請日: 2021-03-19
• 公開（公告）號: CN112926496A
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 安占福
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 北京正理專利代理有限公司 11257
• 代理人: 李遠思

1.一種用于預測圖像清晰度的神經網絡訓練方法，其特征在于，包括：

獲取圖像集及所述圖像集中部分圖像的清晰度標簽，得到帶有清晰度標簽的圖像樣本及除圖像樣本之外的待擴充圖像；

提取所述圖像集中至少部分圖像的清晰度特征，根據提取的清晰度特征得到待擴充圖像中的至少部分圖像的清晰度標簽，對所述待擴充圖像中的至少部分圖像的清晰度標簽進行校正以擴充圖像樣本并利用圖像樣本訓練用于預測圖像清晰度的神經網絡，得到訓練后的神經網絡。

2.根據權利要求1所述的方法，其特征在于，所述提取所述圖像集中至少部分圖像的清晰度特征，根據提取的清晰度特征得到待擴充圖像中的至少部分圖像的清晰度標簽，對所述待擴充圖像中的至少部分圖像的清晰度標簽進行校正以擴充圖像樣本并利用圖像樣本訓練用于預測圖像清晰度的神經網絡，得到訓練后的神經網絡包括：

根據圖像樣本訓練所述神經網絡；

利用訓練得到的神經網絡提取所述待擴充圖像中的部分圖像的清晰度特征以對所述待擴充圖像中的部分圖像進行清晰度預測，得到所述待擴充圖像中的部分圖像的清晰度標簽；

判斷所述待擴充圖像中的部分圖像的清晰度標簽中需要校正的數量占比是否大于預設閾值：若大于，則進行校正并根據校正后的所述待擴充圖像中的部分圖像擴充圖像樣本，轉入所述根據圖像樣本訓練所述神經網絡；若小于等于，則結束訓練，得到訓練后的神經網絡。

3.根據權利要求2所述的方法，其特征在于，每次利用訓練得到的神經網絡進行清晰度預測的圖像的數量遞增。

4.根據權利要求1所述的方法，其特征在于，所述圖像集包括多組圖像，每組中的圖像包含相同目標；所述獲取所述圖像集中部分圖像的清晰度標簽包括：獲取每組圖像中清晰度最高的圖像的清晰度標簽，得到帶有清晰度標簽的圖像樣本。

5.根據權利要求4所述的方法，其特征在于，所述提取所述圖像集中至少部分圖像的清晰度特征，根據提取的清晰度特征得到待擴充圖像中的至少部分圖像的清晰度標簽，對所述待擴充圖像中的至少部分圖像的清晰度標簽進行校正以擴充圖像樣本并利用圖像樣本訓練用于預測圖像清晰度的神經網絡，得到訓練后的神經網絡包括：

提取所述圖像集中各圖像的清晰度特征；

計算各圖像樣本的清晰度特征與圖像樣本所屬組中其他圖像的清晰度特征之間的相似度；

根據所述相似度得到作為待擴充圖像的每組中其他圖像的清晰度標簽，并對所述待擴充圖像的清晰度標簽進行校正以擴充圖像樣本；

利用擴充后的圖像樣本訓練用于預測圖像清晰度的神經網絡，得到訓練后的神經網絡。

6.根據權利要求5所述的方法，其特征在于，在所述提取所述圖像集中各圖像的清晰度特征之前，還包括：

檢測所述圖像集中各圖像的目標特征點，并根據所述目標特征點對每組圖像中的各圖像進行目標對齊。