[发明专利]图像质量评估模型的训练方法、资料上传处理方法及装置

权利要求书

1.一种图像质量评估模型的训练方法，包括：

对已训练的至少两个用于评估图像质量的单体模型进行集成学习，得到兼顾各单体模型的评估偏向的集成学习模型，其中，不同单体模型具有不同的图像质量的评估偏向；

基于所述集成学习模型对第一图像样本集的图像质量进行评估，并根据得到的所述第一图像样本集的图像质量评估结果，对所述第一图像样本集的样本图像进行标注；

基于标注后的所述第一图像样本集，训练目标图像质量评估模型，所述目标图像质量评估模型的通道数量少于所述集成学习模型的通道数量。

2.根据权利要求1所述的方法，

所述至少两个用于评估图像质量的单体模型中，不同单体模型是基于不同的第二图像样本集所训练得到的，其中，各第二图像样本集的图像样本包含有两个不同图像质量的图像，且标注有属于同一图像样本下的两个图像之间的图像质量差异。

3.根据权利要求2所述的方法，

所述至少两个用于评估图像质量的单体模型中，至少一者为回归模型。

4.根据权利要求2所述的方法，

所述各第二样本图像集中属于同一图像样本下的两个图像之间的图像质量差异是基于该两个图像之间的图像元素清晰度差异所确定得到的。

5.根据权利要求4所述的方法，

所述各第二样本图像集中属于同一图像样本下的两个图像之间的图像元素清晰度差异是基于下述方式确定得到的：

将所述第二样本图像集中属于同一图像样本下的两个图像输入至清晰度分类模型，得到该两个不同图像的图像元素清晰度，并基于该两个不同图像的图像元素清晰度，确定该两个不同图像之间的图像元素清晰度差异；其中，所述清晰度评估模型是基于已针对图像元素清晰度进行标注第三图像样本集所训练得到的。

6.根据权利要求1所述的方法，

所述目标图像质量评估模型为分类模型，所述第一图像样本集中的图像样本为单图像样本；

基于所述集成学习模型对第一图像样本集的图像质量进行评估，并根据第一图像样本集的图像质量评估结果，对所述第一图像样本集进行标注，包括：

基于所述集成学习模型对第一图像样本集的图像样本进行评估，得到所述第一图像样本集中每个图像样本的图像质量评估结果；

按照所述第一图像样本集中每个图像样本的图像质量评估结果，对所述第一图像样本集中每个图像样本标注相匹配的图像质量分类标签。

7.根据权利要求6所述的方法，

在基于标注后的所述第一图像样本集，训练目标图像质量评估模型后，所述方法还包括：

对所述第一图像样本集中低分数训练结果的第一样本图像重新标注图像质量分类标签，其中，低分数训练结果的样本图像是指训练结果与图像质量分类标签不一致的样本图像，和/或，训练结果的置信值未达到有效阈值的样本图像；

基于所述第一图像样本集和所述第一图像样本集重新标注的图像质量分类标签，训练所述目标图像质量评估模型。

8.根据权利要求6所述的方法，

所述目标图像质量评估模型为单分类器模型。

9.根据权利要求1至8任一项所述的方法，

所述至少两个用于评估图像质量的单体模型中，至少一者是基于另一者进行模型主干更换和/或模型剪枝后所得到的。

10.根据权利要求1至8任一项所述的方法，

在基于标注后的所述第一图像样本集，训练目标图像质量评估模型前，还包括：

分别从所述至少用于评估图像质量的两个单体模型中选取达到预设权重标准的特征向量，构建目标图像质量评估模型。