申请/专利权人：深圳市捷易科技有限公司

申请日：2022-11-28

公开（公告）日：2024-03-19

公开（公告）号：CN115760822B

主分类号：G06T7/00

分类号：G06T7/00;G06V10/764;G06V10/774;G06N20/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.03.24#实质审查的生效;2023.03.07#公开

摘要：本申请涉及一种图像质量检测模型建立方法及系统，属于图像识别技术领域，其包括获取图像的质量评价结果，并将每个图像质量评价结果和对应的图像数据作为一个评价子任务；其中，所述图像的质量评价结果是由N个人员分别对K个图像进行评价得到的结果；基于每个评价子任务，对预设的元学习模型进行迭代训练，得到图像的客观评价模型；建立图像的主观评价模型；对客观评价模型和主观评价模型进行融合，得到图像质量检测模型。通过将客观评价模型和主观评价模型相融合得到图像质量检测模型，从而便于结合客观评价和主观评价对图像的质量进行检测。本申请具有便于对图像识别采集到的图像的质量进行检测的效果。

主权项：1.一种图像质量检测模型建立方法，其特征在于，包括：获取图像的质量评价结果，并将每个所述图像的质量评价结果和对应的图像数据作为一个评价子任务；其中，所述图像的质量评价结果是由N个人员分别对K个图像进行评价得到的结果；基于每个所述评价子任务，对预设的元学习模型进行迭代训练，得到图像的客观评价模型；将每个人员对应的K个评价子任务作为一个评价任务；其中，所述基于每个所述评价子任务，对预设的元学习模型进行迭代训练，得到图像的客观评价模型，具体包括：获取评价子任务的梯度；基于所有评价子任务的梯度，对所述评价任务进行筛选，并将筛选后的评价任务作为元学习模型的训练集；按照预设顺序，从训练集中选取评价任务对预设的元学习模型进行迭代训练，直至元学习模型的损失函数收敛，得到图像的客观评价模型；其中，所述基于所有评价子任务的梯度，对所述评价任务进行筛选，并将筛选后的评价任务作为元学习模型的训练集，具体包括：根据每个人员对应的所有评价子任务的梯度，得到每个人员评价任务的梯度矩阵；将N个人员中每个人员的梯度矩阵分别和N个人员中剩余人员的梯度矩阵进行相似度计算，得到每个人员的评价任务与剩余人员的评价任务之间的相似度因子；对所有人员的评价任务的相似度因子进行排序，筛选出排序靠前的相似度因子对应的M个人员；将M个人员的评价任务作为元学习模型的训练集；其中，建立图像的主观评价模型；所述建立图像的主观评价模型，具体包括：获取图像的相对评价以及绝对评价，所述相对评价以及绝对评价分别包括z个等级；根据相对评价的历史数据以及绝对评价的历史数据，生成相对评价-绝对评价的损失代价矩阵；合并相对评价以及绝对评价，并生成主观感知向量；对相对评价以及绝对评价进行KAPPA校验，判断KAPPA校验是否通过，若通过，则对主观感知向量进行归一化，得到图像的各个评价等级的比例；根据损失代价矩阵和评价等级的比例，生成主观评价模型；其中，所述根据损失代价矩阵和评价等级的比例，生成主观评价模型，具体包括：根据损失代价矩阵和评价等级的比例，计算评价类别代价向量Xi＝Dij·Pi；其中，Dij是损失代价矩阵，Pi是评价等级的比例，且P1+P2+…+Pz＝1，i和j均为大于等于1小于等于z的正整数；根据评价类别代价向量，生成主观评价模型；对所述客观评价模型和所述主观评价模型进行融合，得到图像质量检测模型。

全文数据：

权利要求：

百度查询： 深圳市捷易科技有限公司 一种图像质量检测模型建立方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD