[发明专利]一种图像模型训练方法、装置及电子设备、存储介质

说明书

本申请实施例公开了一种图像模型训练方法、装置及电子设备、存储介质，应用于人工智能技术领域，其中方法包括：获取图像处理模型，基于图像训练集对图像处理模型中质量模块和一个以上的处理模块进行联合训练，处理模块与质量模块对应的图像服务任务关联；依照联合训练得到的质量模块确定图像质量评分模型。在训练过程中可以借助与图像服务任务对象关联的处理模块对质量模块的图片质量训练进行辅助监督，并基于联合训练得到的质量模块得到最终的图像质量评分模型，有利于提高图像质量评分模型进行图像质量评分的准确度。本申请涉及区块链技术，如可将图像质量评分模型存储至区块链中，以用于图像质量评分等场景。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种图像模型训练方法、装置及电子设备、存储介质。

背景技术

图像处理是一种采用计算机对图像进行分析，以达到所需结果的技术；在图像处理技术领域中，图像的质量得分预测是一个尤其重要的研究课题。随着神经网络模型的研究推进，通过模型对图像进行质量得分预测从而得到图像的质量得分的方法逐渐受到了广泛认可。由此可见，如何通过模型训练得到性能完善的模型对后续图像质量得分预测的准确性尤其重要。

发明内容

本申请实施例提供了一种图像模型训练方法、装置及电子设备、存储介质，有利于提高图像质量评分模型进行图像质量评分的准确度。

一方面，本申请实施例提供了一种图像模型训练方法，所述方法包括：

获取图像处理模型，所述图像处理模型包括：骨干网络、质量模块、以及一个以上的处理模块，所述处理模块与所述质量模块对应的图像服务任务关联；

基于图像训练集对所述质量模块和所述一个以上的处理模块进行联合训练；

依照所述联合训练得到的质量模块确定图像质量评分模型，所述图像质量评分模型用于确定输入图像的质量得分。

在一个实施例中，所述一个以上的处理模块包括：人脸识别模块和活体检测模块，所述联合训练包括第一联合训练和第二联合训练，所述图像训练集包括第一图像训练集和第二图像训练集，所述基于图像训练集对所述质量模块和一个以上的所述处理模块进行联合训练的具体实施方式为：

依照第一训练图像集对人脸识别模块和质量模块进行第一联合训练；

依照第二训练图像集对活体检测模块和质量模块进行第二联合训练。

在一个实施例中，所述第一训练图像集包括多个用户各自对应的人脸训练图像，每个用户对应的人脸训练图像包括第一类质量的人脸训练图像和第二类质量的人脸训练图像，所述依照第一训练图像集对人脸识别模块和质量模块进行第一联合训练的具体实施方式为：

从第一训练图像集中获取第一目标用户对应的目标人脸训练图像；其中，所述第一目标用户为多个用户中的任一用户；

将所述目标人脸训练图像输入所述图像处理模型，通过所述骨干网络提取所述目标人脸训练图像的图像特征，得到所述目标人脸训练图像的第一初始特征图；

将所述第一初始特征图输入所述人脸识别模块和所述质量模块，通过所述人脸识别模块提取识别特征图，并根据所述识别特征图对所述目标人脸训练图像进行人脸识别，依照人脸识别结果确定所述人脸识别模块的损失函数的值loss1；

调用所述质量模块确定所述目标人脸训练图像的质量得分，并根据所述质量得分对所述识别特征图进行加权处理，得到共享特征图；

基于所述共享特征图计算所述质量模块的损失函数的值loss2；

按照减小第一目标损失值的方向，更新所述图像处理模型中除所述活体检测模块以外模块的网络参数，所述第一目标损失值为所述loss1和所述loss2之和；