[发明专利]评估方法、模型训练方法、装置、介质及电子设备

说明书

本申请的实施例提供了一种评估方法、模型训练方法、装置、介质及电子设备。其中，图像质量的评估方法包括：获取需要评估质量的待处理图像；通过特征提取网络提取所述待处理图像的图像特征，所述特征提取网络包括顺次相连的多个特征提取单元，每个所述特征提取单元包括顺次相连的卷积块和空间注意力模块，所述空间注意力模块用于提取所述待处理图像在空间上的局部特征；基于所述图像特征，通过全连接层对所述图像特征进行映射处理，得到所述待处理图像的质量评分。本申请实施例的技术方案可以提高对图像质量评估的准确性。

技术领域

本申请涉及计算机及通信技术领域，具体而言，涉及一种评估方法、模型训练方法、装置、介质及电子设备。

背景技术

在图像的获取、处理、传输和记录的过程中，由于成像系统、处理方法、传输介质和记录设备等不完善，加之物体运动、噪声污染等原因，不可避免地带来某些图像失真和降质，这给人们认识客观世界、研究解决问题带来很大的困难。随着人工智能的发展，相关技术中提出了基于人工智能来实现对图像质量的评估，但是基于无参考的图像质量评估算法由于没有参考图像，使得图像的失真、降质等问题难以量化，这给质量评估带来了很大的挑战。

发明内容

本申请的实施例提供了一种评估方法、模型训练方法、装置、介质及电子设备，进而至少在一定程度上可以提高对图像质量评估的准确性。

本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。

根据本申请实施例的一个方面，提供了一种图像质量的评估方法，包括：获取需要评估质量的待处理图像；通过特征提取网络提取所述待处理图像的图像特征，所述特征提取网络包括顺次相连的多个特征提取单元，每个所述特征提取单元包括顺次相连的卷积块和空间注意力模块，所述空间注意力模块用于提取所述待处理图像在空间上的局部特征；基于所述图像特征，通过全连接层对所述图像特征进行映射处理，得到所述待处理图像的质量评分。

根据本申请实施例的一个方面，一种图像质量评估模型的训练方法，包括：获取包含有打分值的训练样本，所述打分值用于表征所述训练样本的图像质量；通过图像质量评估模型中包含的特征提取网络提取所述训练样本的图像特征，所述特征提取网络包括顺次相连的多个特征提取单元，每个所述特征提取单元包括顺次相连的卷积块和空间注意力模块，所述空间注意力模块用于提取所述训练样本在空间上的局部特征；基于所述训练样本的图像特征，通过所述图像质量评估模型中包含的全连接层对所述训练样本的图像特征进行映射处理，得到所述图像质量评估模型针对所述训练样本输出的预测评分；根据所述预测评分与所述训练样本的打分值之间的差异，调整所述图像质量评估模型的参数，以对所述图像质量评估模型进行训练。

根据本申请实施例的一个方面，提供了一种图像质量的评估装置，包括：第一获取单元，配置为获取需要评估质量的待处理图像；第一处理单元，配置为通过特征提取网络提取所述待处理图像的图像特征，所述特征提取网络包括顺次相连的多个特征提取单元，每个所述特征提取单元包括顺次相连的卷积块和空间注意力模块，所述空间注意力模块用于提取所述待处理图像在空间上的局部特征；第二处理单元，配置为基于所述图像特征，通过全连接层对所述图像特征进行映射处理，得到所述待处理图像的质量评分。

在本申请的一些实施例中，基于前述方案，所述空间注意力模块包括用于进行特征处理的主干分支和用于提取掩膜特征的掩膜分支；所述特征提取单元的处理过程，包括：将所述特征提取单元中卷积块的输出特征通过第一数量个残差单元进行处理之后分别输入至所述掩膜分支和所述主干分支；将所述掩膜分支输出的掩膜特征和所述主干分支的输出特征进行融合处理，得到融合结果；将所述融合结果通过第二数量个残差单元进行处理，得到所述空间注意力模块的输出特征。

在本申请的一些实施例中，基于前述方案，所述掩膜分支中包含有顺次相连的下采样单元、第三数量个残差单元、上采样单元、卷积单元和激活函数；其中，所述上采样单元用于将经过所述第三数量个残差单元处理后的特征图的大小恢复为输入到所述下采样单元的特征图的大小。