[发明专利]模型优化、质量检测方法、装置、设备及存储介质

权利要求书

1.一种模型优化方法，其特征在于，所述方法包括：

获取基于卷积神经网络训练获得的初始模型；

基于所述初始模型中卷积层的通道对初始模型预测结果的影响程度，对所述初始模型中卷积层的通道进行筛选，获得目标模型，所述目标模型中卷积层的通道数量少于所述初始模型中卷积层的通道数量；所述卷积层的通道是卷积核的输入通道，每个通道内进行卷积运算。

2.根据权利要求1所述的方法，其特征在于，所述基于所述初始模型中卷积层的通道对初始模型预测结果的影响程度，对所述初始模型中卷积层的通道进行筛选，获得目标模型，包括：

针对每层卷积层，基于预设的优化目标函数，在保证卷积层的输出值的误差在允许误差范围内时，通过调整通道的权重值，使部分通道的权重值为0，获得卷积层每个通道的权重值；

基于通道的权重值对所述卷积层的通道进行筛选；

在对所有卷积层执行完通道筛选操作后，获得目标模型。

3.根据权利要求2所述的方法，其特征在于，所述优化目标函数如下：

subject to||β||0≤c′

其中，Xi表示进行第i个通道的卷积运算时输入的特征图的值；Wi表示进行第i个通道的卷积运算时输入的卷积核的值；Y表示所述卷积层的输出值，βi表示第i个通道的权重值；c表示所述卷积层的实际通道个数；c'表示所述卷积层的期望通道个数；c'＜c；N表示进行优化目标函数运算时所使用所述卷积层内特征图的个数。

4.根据权利要求3所述的方法，其特征在于，所述基于通道的权重值对所述卷积层的通道进行筛选，包括：

若βi＝0，删除第i个通道，以禁止第i个通道的卷积运算；

若βi≠0，利用βi与Wi的乘积更新Wi。

5.一种图像质量检测方法，其特征在于，所述方法包括：

获取待检测图像；

将所述待检测图像输入目标质量检测模型，获得所述待检测图像的质量检测结果；

其中，所述目标质量检测模型基于权利要求1至4任一项所述模型优化方法对初始模型优化获得，所述初始模型是基于卷积神经网络训练获得的质量检测模型。

6.根据权利要求5所述的方法，其特征在于，所述质量检测结果为所述待检测图像的质量等级；

所述初始模型为：基于预构建的训练样本集对卷积神经网络进行训练获得的用于预测图像质量等级的模型，所述训练样本集包括带标签的样本图像，所述标签表示所述样本图像的质量等级。

7.一种模型优化装置，其特征在于，所述装置包括：

模型获取模块，被配置为获取基于卷积神经网络训练获得的初始模型；

模型优化模块，被配置为基于所述初始模型中卷积层的通道对初始模型预测结果的影响程度，对所述初始模型中卷积层的通道进行筛选，获得目标模型，所述目标模型中卷积层的通道数量少于所述初始模型中卷积层的通道数量；所述卷积层的通道是卷积核的输入通道，每个通道内进行卷积运算。