[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

说明书

本发明实施例提供了一种图像数据集的获取方法、装置、电子设备及存储介质，方法包括：从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，获取各个目标质量数值；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。可见，应用本发明实施例，从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，减小了非目标对象所在的图像区域对图像质量评价的影响，进一步基于质量评价模型，获取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，获得的目标图像数据集质量较高。

技术领域

本发明涉及图像分类技术领域，特别是涉及一种图像数据集的获取方法、装置、电子设备及存储介质。

背景技术

目前，随着人工智能的发展，图像分类作为人工智能的一个重要领域，已被广泛应用。在相关技术的图像分类中，可以先针对各个目标对象，获取各个目标对象的图像数据集，用各个目标对象的图像数据集对神经网络模型训练，训练好的神经网络模型作为分类模型。再将待分类的图像输入分类模型，获得分类模型输出的分类结果。这样，就实现图像分类。

在相关技术的图像分类的过程中，如果分类模型本身不够准确，那么分类的效果就会有偏差。导致分类模型本身不够准确的原因，主要是：对神经网络模型进行训练的图像数据集中图像的图像质量不够高。因此，想要分类模型更准确，就需要保证图像数据集中图像的图像质量。

目前，相关技术中，为了保证图像数据集中图像的图像质量，针对某目标对象，获得包含该目标对象的图像数据集的方式，通常是先采集大量的包含目标对象的原始图像，再根据分辨率的大小，选择出分辨率较大的，也就是比较清晰的原始图像，加入到该目标对象的图像数据集中。

例如：如果目标对象是汽车，就是先采集大量的包含车辆的原始图像，再根据分辨率的大小，选择出比较清晰的原始图像，加入到车辆的图像数据集中。

然而，本申请发明人在实践中发现，这种仅根据分辨率的大小来选择原始图像加入到目标图像数据集来获得目标图像数据集的方式，最终获得的目标图像数据集中图像的图像质量仍有待提高。

发明内容

本发明实施例的目的在于提供一种图像数据集的获取方法、装置、电子设备及存储介质，以提高目标图像数据集中图像的图像质量。具体技术方案如下：

第一方面，本发明实施例提供了一种图像数据集的获取的方法，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。

可选的，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。