[发明专利]数据集的构建方法、装置、电子设备及存储介质

权利要求书

1.一种数据集的构建方法，其特征在于，所述方法包括：

基于预设的多张原始图像构建模拟数据集；

基于所述模拟数据集从预设的多个候选特征算子集中确定目标特征算子集；

基于所述目标特征算子集对候选数据集进行特征提取，得到候选数据特征集；

利用预设的数据均衡策略对所述候选数据特征集进行均衡处理，并将均衡处理后的候选数据特征集中各候选数据特征对应的候选数据作为深度学习训练数据，得到深度学习训练数据集。

2.根据权利要求1所述的方法，其特征在于，所述基于所述模拟数据集从预设的多个候选特征算子集中确定目标特征算子集，包括：

基于预设的多个候选特征算子集分别对所述模拟数据集进行特征提取，得到多个模拟数据特征集；

利用所述数据均衡策略分别对多个所述模拟数据特征集进行均衡处理，并将均衡处理后的模拟数据特征集中各模拟数据特征对应的模拟数据作为模拟训练数据，得到多个模拟训练数据集；

利用多个所述模拟训练数据集分别对初始模型进行训练，得到多个图像质量评价模型；

确定多个所述图像质量评价模型的性能指标值，以根据多个所述性能指标值从多个所述候选特征算子集中确定目标特征算子集。

3.根据权利要求2所述的方法，其特征在于，所述确定多个所述图像质量评价模型的性能指标值，包括：

将预设的测试数据分别输入至多个所述图像质量评价模型，得到多个所述图像质量评价模型输出的所述测试数据的预测质量指标值；

基于所述测试数据的真实质量指标值和预测质量指标值确定多个所述图像质量评价模型的性能指标值。

4.根据权利要求2所述的方法，其特征在于，所述根据多个所述性能指标值从多个所述候选特征算子集中确定目标特征算子集，包括：

将性能指标值最高的图像质量评价模型对应的候选特征算子集确定为目标特征算子集。

5.根据权利要求3所述的方法，其特征在于，所述基于预设的多张原始图像构建模拟数据集，包括：

利用设定的多个图像失真模拟函数分别对多张原始图像进行失真模拟，得到多张失真模拟图像；

选取设定数量的所述失真模拟图像作为模拟数据归入模拟数据集。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

将多张所述失真模拟图像中，除所述模拟数据以外的其他失真模拟图像作为所述测试数据；以及，

针对每一所述失真模拟图像，以得到所述失真模拟图像时利用的图像失真模拟函数中的失真参数为关键字，查找预设的失真参数和失真强度值的对应关系，得到包含所述关键字的目标对应关系；

将所述目标对应关系中的失真强度值确定为所述失真模拟图像的真实质量指标值。

7.一种数据集的构建装置，其特征在于，所述装置包括：

模拟模块，用于基于预设的多张原始图像构建模拟数据集；

确定模块，用于基于所述模拟数据集从预设的多个候选特征算子集中确定目标特征算子集；

提取模块，用于基于所述目标特征算子集对候选数据集进行特征提取，得到候选数据特征集；

均衡模块，用于利用预设的数据均衡策略对所述候选数据特征集进行均衡处理，并将均衡处理后的候选数据特征集中各候选数据特征对应的候选数据作为深度学习训练数据，得到深度学习训练数据集。

8.根据权利要求7所述的装置，其特征在于，所述确定模块具体用于：

基于预设的多个候选特征算子集分别对所述模拟数据集进行特征提取，得到多个模拟数据特征集；

利用所述数据均衡策略分别对多个所述模拟数据特征集进行均衡处理，并将均衡处理后的模拟数据特征集中各模拟数据特征对应的模拟数据作为模拟训练数据，得到多个模拟训练数据集；

利用多个所述模拟训练数据集分别对初始模型进行训练，得到多个图像质量评价模型；

确定多个所述图像质量评价模型的性能指标值，以根据多个所述性能指标值从多个所述候选特征算子集中确定目标特征算子集。