[发明专利]图像质量评分模型训练方法、装置、设备及存储介质

权利要求书

1.图像质量评分模型训练方法，所述图像质量评分模型训练方法应用于服务器，其特征在于，所述图像质量评分模型训练方法包括：

获取多张样本人脸图像以组成训练集，并对多张所述样本人脸图像分别标注综合质量评分；

根据每张所述样本人脸图像所标注的综合质量评分将多张所述样本人脸图像分为N个训练子集，每个所述训练子集中的样本人脸图像的综合质量评分的分值个数与所述训练集中多张样本人脸图像的综合质量评分的分值个数相同；其中，N为大于或等于1的整数；

基于N个所述训练子集训练获得所述图像质量评分模型。

2.根据权利要求1所述的图像质量评分模型训练方法，其特征在于，所述对多张所述样本人脸图像分别标注综合质量评分的步骤具体包括：

针对每张所述样本人脸图像，基于多个评价维度分别对所述样本人脸图像进行评价，以获取多个维度评分；

根据每张所述样本人脸图像的多个维度评分，标注每张所述样本人脸图像的综合质量评分。

3.根据权利要求2所述的图像质量评分模型训练方法，其特征在于，所述多个评价维度包括：人脸区域占所述样本人脸图像的比例、明亮度、清晰度、对比度、人脸姿态、人脸夸张表情及人脸遮挡。

4.根据权利要求3所述的图像质量评分模型训练方法，其特征在于，所述根据每张所述样本人脸图像所标注的综合质量评分将多张所述样本人脸图像分为N个训练子集的步骤具体包括：

根据每张所述样本人脸图像所标注的综合质量评分将多张所述样本人脸图像分为多个分值组，每个分值组中的多张样本人脸图像的综合质量评分相同；

从每个所述分值组中抽取一张或多张样本人脸图像以组成一训练子集，将多张所述样本人脸图像抽取分为N个训练子集。

5.根据权利要求4所述的图像质量评分模型训练方法，其特征在于，所述基于N个所述训练子集训练获得所述图像质量评分模型的步骤具体包括：

基于第一训练子集训练获得第一决策树模型；

根据第二训练子集对所述第一决策树模型进行矫正以得到第二决策树模型；

根据第i训练子集对第i-1决策树模型进行矫正以得到第i决策树模型；其中3≤i≤N，i为整数；

根据第N训练子集对第N-1决策树模型进行矫正以得到第N决策树模型，所述第N决策树模型为所述图像质量评分模型。

6.根据权利要求5所述的图像质量评分模型训练方法，其特征在于，所述根据第二训练子集对所述第一决策树模型进行矫正以得到第二决策树模型的步骤具体包括：

根据所述第一决策树模型分别获取所述第二训练子集中的多张样本人脸图像的图像质量预测分值；

依次判断多张所述样本人脸图像的预测分值与其所标注的综合质量评分的分值是否相同；

若否，则根据所述样本人脸图像的预测分值对其所标注的综合质量评分进行矫正，将矫正后的多张样本人脸图像加入所述第一训练子集以得到更新的第一训练子集；

对所述更新的第一训练子集训练以获得所述第二决策树模型。

7.图像质量评分模型训练装置，其特征在于，所述图像质量评分模型训练装置包括：

评分标注模块，用于获取多张样本人脸图像以组成训练集，并对多张所述样本人脸图像分别标注综合质量评分；

训练子集获取模块，用于根据每张所述样本人脸图像所标注的综合质量评分将多张所述样本人脸图像分为N个训练子集，每个所述训练子集中的样本人脸图像的综合质量评分的分值个数与所述训练集中多张样本人脸图像的综合质量评分的分值个数相同；其中，N为大于或等于1的整数；

模型训练模块，用于基于N个所述训练子集训练获得所述图像质量评分模型。

8.根据权利要求7所述的图像质量评分模型训练装置，其特征在于，所述评分标注模块包括：

维度评分单元，用于针对每张所述样本人脸图像，基于多个评价维度分别对所述样本人脸图像进行评价，以获取多个维度评分；

标注单元，用于根据每张所述样本人脸图像的多个维度评分，标注每张所述样本人脸图像的综合质量评分。