[发明专利]图像数据集的获取方法、装置、电子设备及存储介质

权利要求书

1.一种图像数据集的获取方法，其特征在于，所述方法包括：

获得包含目标对象的原始图像数据集；所述原始图像数据集包含多个原始图像；

从所述原始图像数据集中的每个原始图像中，提取仅包含目标对象的目标对象区域图像；

将各个目标对象区域图像输入至质量评价模型，获取所述质量评价模型输出的各个目标对象区域图像的目标质量数值；所述质量评价模型为：用样本图像及其标注的图像质量数值，对预设的第一深度学习网络模型进行训练获得的；

将所述目标质量数值超过预设质量数值阈值的目标对象区域图像作为目标图像，构成包含目标对象的目标图像数据集。

2.根据权利要求1所述的方法，其特征在于，在所述将各个目标对象区域图像输入至质量评价模型，获取所述质量评价模型输出的各个目标对象区域图像的目标质量数值的步骤之前，还包括：

将每个目标对象区域图像进行图像变换处理，获得对应的目标变换图像；所述图像变换处理用于增加目标对象区域图像的数量和/或增大分辨率；

所述将所述各个目标对象区域图像输入至质量评价模型，获取所述质量评价模型输出的各个目标对象区域图像的目标质量数值的步骤，包括：

将获得的各个目标变换图像和各个目标对象区域图像，均作为目标对象区域图像输入至质量评价模型，获取所述质量评价模型输出的各个目标对象区域图像的目标质量数值。

3.根据权利要求1所述的方法，其特征在于，所述从所述原始图像数据集中的每个原始图像中，提取仅包含目标对象的目标对象区域图像的步骤，包括：

将所述原始图像数据集中的每个原始图像分别输入至预先训练好的图像识别网络模型，获取所述图像识别网络模型输出的多个图像，作为目标对象区域图像；所述图像识别网络模型为：预先用包含目标对象的原始样本图像，以及原始样本图像中的目标对象所在区域的图像作为的标注样本图像，对预设的第二深度学习网络模型进行训练获得的。

4.根据权利要求1所述的方法，其特征在于，所述从所述原始图像数据集中的每个原始图像中，提取仅包含目标对象的目标对象区域图像的步骤，包括：

将所述原始图像数据集中的每个原始图像分别输入至预先训练好的图像识别网络模型，获取所述图像识别网络模型输出的多个图像，作为待确定图像；所述图像识别网络模型为：预先用包含目标对象的原始样本图像，以及原始样本图像中的目标对象所在区域的图像作为的标注样本图像，对预设的第三深度学习网络模型进行训练获得的；

获取所述待确定图像中分辨率大于预设的分辨率阈值，和/或噪声强度值小于预设的噪声强度阈值的图像，作为目标对象区域图像。

5.根据权利要求4所述的方法，其特征在于，在所述获取所述待确定图像中分辨率大于预设的分辨率阈值，和/或噪声强度值小于预设的噪声强度阈值的图像，作为目标对象区域图像的步骤之后，还包括：

获取多个待确定图像中，去除目标对象区域图像的剩余图像的清晰度；

将清晰度大于预设的清晰度阈值的剩余图像，作为补充的目标对象区域图像；

所述将所述各个目标对象区域图像输入至质量评价模型，获取所述质量评价模型输出的各个目标对象区域图像的目标质量数值的步骤，包括：

将所述各个目标对象区域图像和各个补充的目标对象区域图像，输入至质量评价模型，获取所述质量评价模型输出的各个目标对象区域图像的目标质量数值。

6.根据权利要求2所述的方法，其特征在于，所述将每个目标对象区域图像进行图像变换处理，获得对应的目标变换图像的步骤，包括：

使用预设的图像数据增强算法，对每个目标对象区域图像进行多次数据增强处理，获得多个目标变换图像；和/或，

基于图像变换网络模型，增强或者抑制所述目标对象区域图像中不同的特征，获得所述目标对象区域图像对应的目标变换图像；和/或，

将每个目标对象区域图像输入至预设的超分辨率网络模型，获得所述预设的超分辨率网络模型输出的，分辨率高于目标对象区域图像的目标变换图像。