[发明专利]图片筛选方法、系统、设备及存储介质

权利要求书

1.一种图片筛选方法，其特征在于，包括以下步骤：

获取待测图片；

利用目标单任务网络模型计算所述待测图片的第一质量分值，其中，所述目标单任务网络模型为基于目标多任务网络模型训练得到的，所述目标多任务网络模型为利用第一样本图像和每一所述第一样本图像在至少一预设属性类下的标签值训练得到的；

根据所述第一质量分值对所述待测图片进行筛选；

所述目标单任务网络模型为基于目标多任务网络模型训练得到的，包括：

利用目标多任务网络模型对预设样本集图片进行打分，得到目标质量分值；并将所述预设样本集图片及所述预设样本集图片对应的目标质量分值作为单任务网络模型的训练集，使用所述单任务网络模型计算所述预设样本集图片对应的预测质量分值，并将所述预测质量分值与对应的目标质量分值作为损失函数的输入，计算预测损失，如此循环完成所述单任务网络模型的训练过程得到目标单任务网络模型。

2.如权利要求1所述的图片筛选方法，其特征在于，所述目标单任务网络模型为基于目标多任务网络模型训练得到的，包括：

利用目标多任务网络模型，计算每一第二样本图像对应的第二质量分值；

基于所述第二样本图像和第二质量分值，对预设单任务网络模型进行训练，得到目标单任务网络模型。

3.如权利要求1所述的图片筛选方法，其特征在于，所述目标多任务网络模型为利用第一样本图像和每一所述第一样本图像在至少一预设属性类下的标签值训练得到的，包括：

获取第一样本图像及每一所述第一样本图像在至少一预设属性类下的标签值；

获取多个第一标签文件，每一所述第一标签文件包含所述第一样本图像及其在一预设属性类下的标签值；

基于卷积神经网络构建预设多任务网络模型；

基于所述第一样本图像和所述第一标签文件，对所述预设多任务网络模型进行训练，得到目标多任务网络模型。

4.如权利要求2所述的图片筛选方法，其特征在于，所述利用目标多任务网络模型，计算每一第二样本图像对应的第二质量分值，包括：

利用目标多任务网络模型，计算每一第二样本图像分别在各个预设属性类下的概率值；

基于所述每一第二样本图像分别在各个预设属性类下的概率值，计算每一第二样本图像对应的第二质量分值。

5.如权利要求2所述的图片筛选方法，其特征在于，所述基于所述第二样本图像和第二质量分值，对预设单任务网络模型进行训练，得到目标单任务网络模型，包括：

获取第二标签文件，所述第二标签文件包含所述第二样本图像及其对应的第二质量分值；

基于所述第二样本图像及所述第二标签文件，训练预设单任务网络模型，得到目标单任务网络模型。

6.如权利要求1所述的图片筛选方法，其特征在于，每一所述第一样本图像具有一个标签值。

7.如权利要求1所述的图片筛选方法，其特征在于，所述根据所述第一质量分值对所述待测图片进行筛选，包括：

筛除所述第一质量分值小于第一预设阈值的待测图片，或者输出所述第一质量分值大于第二预设阈值的待测图片。