[发明专利]模型训练、质量确定方法、装置、电子设备及存储介质

说明书

本发明涉及一种模型训练、质量确定方法、装置、电子设备及存储介质，所述方法包括：获取第一数据集及多个不同的预设模型；利用多个预设模型分别预测第一数据集中每个第一数据对应的第一标签；针对每个预设模型，基于多个预设模型中除自身外的其它预设模型预测的第一标签及与第一标签对应的第一数据，构建预设模型对应的伪标签数据集；构建预设模型对应的第二数据集；利用第二数据集对预设模型进行训练，直至预设模型训练结束，得到多个质量确定模型，以用于确定图像数据的质量。本发明实施例通过多个预设模型之间协同学习，相互学习其它预设模型的优势，通过其它预设模型对应的伪标签数据集进行模型训练和自我提升，显著提升模型的泛化性和精度。

技术领域

本申请涉及计算机领域，尤其涉及一种模型训练、质量确定方法、装 置、电子设备及存储介质。

背景技术

随着多媒体技术的发展，网络数据呈现爆炸式增长，比如图片、视频、 文字等。图像或视频作为信息传播的主要载体，在图像或视频采集、编码、 传输等环节通常面临着很多质量损失。低质量图像或视频会严重降低人眼 视觉观感，因此，如何有效评估图像或视频质量具有非常重要的意义。

目前，一般使用无参考视频质量评估方法评估图像或视频质量，现有 无参考视频质量评估方法需要构建一个大规模数据集及对应主观评分标注 即可，现有基于深度学习的无参考质量评估方法主要是基于开源的已标注 的数据进行模型训练，然后将训练的模型运用到各种场景的视频或图像数 据中。

然而，为了对基于深度学习的无参考质量评估方法进行训练，需要构 建一个大规模数据集，由于视频或图像数据的多样性，现有开源已标注数 据集最大也仅为几千的规模，相比数据本身的多样性相差甚远，在该标注 数据集上训练的模型通常泛化性较差。因此，如何在有限的标注数据集下 提升模型泛化性成为当前亟需解决的问题。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本申请提 供了一种模型训练、质量确定方法、装置、电子设备及存储介质。

第一方面，本申请提供了一种模型训练方法，包括：

获取第一数据集及多个不同的预设模型，所述第一数据集包括多个第 一数据；

将所述第一数据集分别输入多个预设模型，利用多个所述预设模型分 别预测所述第一数据集中每个第一数据对应的第一标签；

针对每个所述预设模型，基于多个预设模型中除自身外的其它预设模 型预测的第一标签及与所述第一标签对应的第一数据，构建所述预设模型 对应的伪标签数据集；

根据所述伪标签数据集及用于预先训练所述预设模型的训练集构建所 述预设模型对应的第二数据集；

利用所述第二数据集对所述预设模型进行训练，直至所述预设模型训 练结束，得到多个质量确定模型，以用于确定图像数据的质量。

可选的，所述针对每个所述预设模型，基于多个预设模型中除自身外 的其它预设模型预测的第一标签及与所述第一标签对应的第一数据，构建 所述预设模型对应的伪标签数据集，包括：

针对每个所述预设模型，获取多个预设模型中除所述预设模型自身之 外的其它预设模型预测的第一标签；

将获取到的第一标签中满足预设条件的第一标签确定为伪标签；

将第一数据集中与所述伪标签对应的第一数据确定为伪标签数据；

基于所述伪标签及所述伪标签数据构建所述预设模型对应的伪标签数 据集。

可选的，所述将获取到的第一标签中满足预设条件的第一标签确定为 伪标签，包括：

按照预设算法及每个预设模型预测的第一标签计算每个预设模型对应 的参考标签；