[发明专利]图像的评估方法、训练图像模型方法、装置、设备和介质

权利要求书

1.一种图像的评估方法，其特征在于，包括：

获取待评估图像，所述待评估图像是红绿蓝三通道图像；

在由完整物品图像训练得到的分类识别模型中，输入所述待评估图像；

获取所述分类识别模型输出向量中所述待评估图像所属类别的元素，基于所述元素，评估所述待评估图像的物品完整程度分数。

2.根据权利要求1所述图像的评估方法，其特征在于，所述分类识别模型包括：

顺序连接的第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第一全连接层、第二全连接层和第三全连接层，所述第三全连接层的维度等于待评估图像类别数量。

3.根据权利要求2所述图像的评估方法，其特征在于，所述第一卷积层的卷积核数量是5；所述第二卷积层的卷积核数量是5；

所述第一最大池化层的池化核数量是2，所述第二最大池化层的池化核数量是2。

4.根据权利要求1所述图像的评估方法，其特征在于，所述方法还包括：

按照完整物品图像所包含物品类别，标记所述完整物品图像所属类别；

将所述完整物品图像输入分类训练模型中，获取所述分类训练模型输出向量；

根据所述分类训练模型输出向量中所述完整物品图像所属类别的元素，按照对数损失函数计算所述完整物品图像的损失值；

所述损失值小于预设损失值，则将所述分类训练模型作为所述分类识别模型；

所述损失值大于或等于预设损失值，则将所述完整物品图像再次输入所述分类训练模型。

5.根据权利要求1所述图像的评估方法，其特征在于，所述方法还包括：

按照完整物品图像所包含物品类别，标记所述完整物品图像所属类别；

在包括所述完整物品图像的集合中，随机选择完整物品图像输入分类训练模型，获取所述分类训练模型输出向量；

按照对数损失函数确定梯度方向，在所述梯度方向上以预设学习率训练所述分类训练模型，并根据所述分类训练模型输出向量中所述完整物品图像所属类别的元素，按照所述对数损失函数计算所述完整物品图像的损失值；

所述完整物品图像的损失值小于预设损失值，则再次随机选择完整物品图像输入所述分类训练模型；

所述完整物品图像的损失值大于或等于预设损失值，则将所述完整物品图像再次输入所述分类训练模型。

6.一种训练图像模型方法，其特征在于，包括：

按照完整物品图像所包含物品类别，标记所述完整物品图像所属类别；

将所述完整物品图像输入分类训练模型中，获取所述分类训练模型输出向量；

根据所述分类训练模型输出向量中所述完整物品图像所属类别的元素，按照对数损失函数计算所述完整物品图像的损失值；

基于所述损失值训练所述分类训练模型，将完成训练的分类训练模型作为分类识别模型。

7.一种图像的评估装置，其特征在于，包括：

获取模块，用于获取待评估图像，所述待评估图像是红绿蓝三通道图像；

输入模块，在由完整物品图像训练得到的分类识别模型中，输入所述待评估图像；

评估模块，获取所述分类识别模型输出向量中所述待评估图像所属类别的元素，基于所述元素，评估所述待评估图像的物品完整程度分数。

8.一种训练图像模型装置，其特征在于，包括：

标记模块，用于按照完整物品图像所包含物品类别，标记所述完整物品图像所属类别；

输出模块，用于将所述完整物品图像输入分类训练模型中，获取所述分类训练模型输出向量；

计算模块，用于根据所述分类训练模型输出向量中所述完整物品图像所属类别的元素，按照对数损失函数计算所述完整物品图像的损失值；

控制模块，用于基于所述损失值训练所述分类训练模型，将完成训练的分类训练模型作为分类识别模型。