[发明专利]模型训练方法、数据、图像质量评估方法及相关装置

权利要求书

1.一种图像处理模型的训练方法，其特征在于，包括：

获得所述图像处理模型的训练样本，所述训练样本未携带图像质量标签；

使用所述训练样本对所述图像处理模型进行训练，在训练过程中：至少从限制图像特征向量的可行区域和鼓励图像特征向量的大模长的角度，衡量所述图像处理模型的输出结果与真实值的差距，并基于所述差距更新所述图像处理模型。

2.根据权利要求1所述的方法，其特征在于，所述使用所述训练样本对所述图像处理模型进行训练，在训练过程中：至少从限制图像特征向量的可行区域和鼓励图像特征向量的大模长的角度，衡量所述图像处理模型的输出结果与真实值的差距，并基于所述差距更新所述图像处理模型，包括：

根据预先设置的损失函数，使用所述训练样本对所述图像处理模型进行训练，在训练过程中：利用所述损失函数衡量所述图像处理模型的输出结果与真实值的差距，并基于所述差距更新所述图像处理模型；所述预先设置的损失函数的自变量包括：用于限制图像特征向量的可行区域的类间间隔函数及用于鼓励大模长的模长损失函数，所述类间间隔函数及所述模长损失函数的自变量均为图像特征向量的模长。

3.一种图像质量评估方法，其特征在于，包括：

将待评估图像输入至由权利要求1或2所述的图像处理模型的训练方法训练好的图像处理模型中，其中，所述待评估图像未携带图像质量标签；

获得由训练好的所述图像处理模型提取的所述待评估图像的目标图像特征向量；

根据所述目标图像特征向量的模长，评估所述待评估图像的质量。

4.一种数据处理模型的训练方法，其特征在于，包括：

获得所述数据处理模型的训练样本，所述训练样本未携带数据质量标签；

使用所述训练样本对所述数据处理模型进行训练，在训练过程中：至少从限制数据特征向量的可行区域和鼓励数据特征向量的大模长的角度，衡量所述数据处理模型的输出结果与真实值的差距，并基于所述差距更新所述数据处理模型。

5.一种数据质量评估方法，其特征在于，包括：

将待评估数据输入至由权利要求4所述的数据处理模型的训练方法训练好的数据处理模型中，其中，所述待评估数据未携带数据质量标签；

获得由训练好的所述数据处理模型提取的所述待评估数据的目标数据特征向量；

根据所述目标数据特征向量的模长，评估所述待评估数据的质量。

6.一种图像处理模型，其特征在于，所述图像处理模型由权利要求1或2所述的图像处理模型的训练方法训练得到。

7.一种图像处理模型的训练装置，其特征在于，包括：第一获得单元和第一训练单元，其中：

所述第一获得单元，被配置为执行：获得所述图像处理模型的训练样本，所述训练样本未携带图像质量标签；

所述第一训练单元，被配置为执行：使用所述训练样本对所述图像处理模型进行训练，在训练过程中：至少从限制图像特征向量的可行区域和鼓励图像特征向量的大模长的角度，衡量所述图像处理模型的输出结果与真实值的差距，并基于所述差距更新所述图像处理模型。

8.一种图像质量评估装置，其特征在于，包括：第一输入单元、第二获得单元和第一评估单元，其中：

所述第一输入单元，被配置为执行：将待评估图像输入至由权利要求1或2所述的图像处理模型的训练方法训练好的图像处理模型中，其中，所述待评估图像未携带图像质量标签；

所述第二获得单元，被配置为执行：获得由训练好的所述图像处理模型提取的所述待评估图像的目标图像特征向量；

所述第一评估单元，被配置为执行：根据所述目标图像特征向量的模长，评估所述待评估图像的质量。