申请/专利权人:青海大学
申请日:2022-12-29
公开(公告)日:2024-04-09
公开(公告)号:CN116051482B
主分类号:G06T7/00
分类号:G06T7/00;G06V10/764;G06V10/774
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2023.05.19#实质审查的生效;2023.05.02#公开
摘要:本发明提供了一种基于多任务渐进学习的无参考图像质量评价方法,涉及图像处理技术领域。本发明通过预设的目标损失函数,调整质量等级分类模型和质量分数评价模型的模型参数,将训练完成的质量分数评价模型作为训练完成的无参考图像质量评价模型;基于训练图像在训练过程中的轮次,在训练过程中提升第一权重的数值和降低所述第二权重的数值。基于上述处理,使得该训练过程符合从易到难的学习规律,有效增强了质量分数评价模型的学习效果,进而提升了训练完成后的无参考图像质量评价模型的评价结果的准确性。
主权项:1.一种基于多任务渐进学习的无参考图像质量评价方法,其特征在于,所述方法包括:获取训练图像的第一图像特征;基于第一图像特征和初始质量等级分类模型获取预测质量等级,并基于第一图像特征和初始质量分数评价模型获取预测质量评分;基于预设的目标损失函数,调整所述初始质量等级分类模型和所述初始质量分数评价模型的模型参数,将训练完成的质量分数评价模型作为训练完成的无参考图像质量评价模型,所述无参考图像质量评价模型用于对无参考图像进行质量评价;其中,所述目标损失函数为第一损失函数和第二损失函数进行加权求和得到的;所述第一损失函数表示所述质量分数评价模型对应的损失函数,用于衡量真实质量评分与预测质量评分之间的损失;所述第二损失函数表示所述质量等级分类模型对应的损失函数,用于衡量真实质量等级与预测质量等级之间的损失;所述第一损失函数对应的权重,作为第一权重;所述第二损失函数对应的权重,作为第二权重;基于所述训练图像在训练过程中的轮次,在训练过程中提升所述第一权重的数值和降低所述第二权重的数值;所述基于所述训练图像在训练过程中的轮次,在训练过程中提升所述第一权重的数值和降低所述第二权重的数值的公式如下: λ2t=1-λ1t其中,t表示第t个训练轮次;T表示训练过程的最大轮次;λ1t表示第t个训练轮次时λ1的数值;λ2t表示第t个训练轮次时λ2的数值;ω表示一种平衡λ1、λ2的预设参数,且0<ω<1。
全文数据:
权利要求:
百度查询: 青海大学 一种基于多任务渐进学习的无参考图像质量评价方法
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。