[发明专利]图像模糊检测模型的训练方法、图像模糊检测方法及装置

说明书

本公开关于一种图像模糊检测模型的训练方法、图像模糊检测方法及装置。该图像模糊检测模型的训练方法包括：获取训练图像集，其中，训练图像集包括多个训练图像、每个训练图像标注的真实模糊分数；获取训练图像的清晰度掩膜、文字区域掩膜和主要内容区域掩膜；将训练图像、训练图像的清晰度掩膜、训练图像的文字区域掩膜和训练图像的主要内容区域掩膜输入到图像模糊检测模型中，获取估计模糊分数；基于所述估计模糊分数和所述训练图像标注的真实模糊分数确定所述图像模糊检测模型的损失函数；根据所述损失函数调整所述图像模糊检测模型的参数，对所述图像模糊检测模型进行训练。

技术领域

本公开涉及图像处理领域，尤其涉及一种图像模糊检测模型的训练方法、图像模糊检测方法及装置。

背景技术

模糊是一种非常普遍的视频图像失真类型，具体表现为画面中边缘纹理不清晰，严重影响视频图像用户的观赏体验。研究客观高效的模糊检测方法能够自动化检测视频图像的模糊程度，在生产阶段，可以辅助生产者生成高质量的视频图像内容，在消费阶段，可以帮助过滤低质视频内容或者对低质视频内容进行增强，从而在整体上保证了最终用户的观赏体验。

目前，相关模糊检测技术多适用于一次生产的图像，一次生成的图像即未处理过的图像，如通过摄像机拍摄的原始图片，但是，在短视频领域，用户大多会对一次生产的图像内容做二次生产，比如增加一些文字描述、增加一些背景特效等，如图1所示，这些文字和背景特效会严重干扰相关模糊检测技术对二次生产的图像的模糊程度的判断，甚至会导致完全无法准确检测二次生成的图像的模糊程度。

发明内容

本公开提供一种图像模糊检测模型的训练方法、图像模糊检测方法及装置，以至少解决相关技术中的模糊检测技术检测二次生成的图像的模糊程度不准确的问题。

根据本公开实施例的第一方面，提供一种图像模糊检测模型的训练方法，包括：获取训练图像集，其中，训练图像集包括多个训练图像、每个训练图像标注的真实模糊分数；根据训练图像集中的训练图像获取训练图像的清晰度掩膜、文字区域掩膜和主要内容区域掩膜，其中，清晰度掩膜表示训练图像的清晰程度，文字区域掩膜表示训练图像中文字区域的位置，主要内容区域掩膜表示训练图像中主要内容区域的位置；将训练图像、训练图像的清晰度掩膜、训练图像的文字区域掩膜和训练图像的主要内容区域掩膜输入到图像模糊检测模型中，获取估计模糊分数；基于估计模糊分数和训练图像标注的真实模糊分数确定图像模糊检测模型的损失函数；根据损失函数调整图像模糊检测模型的参数，对图像模糊检测模型进行训练。

可选地，基于估计模糊分数和训练图像标注的真实模糊分数确定图像模糊检测模型的损失函数包括：获取估计模糊分数和训练图像标注的真实模糊分数的均方误差；将均方误差确定为图像模糊检测模型的损失函数。

可选地，图像模糊检测模型包括第一特征提取层、第二特征提取层、池化层与回归层；其中，将训练图像、训练图像的清晰度掩膜、训练图像的文字区域掩膜和训练图像的主要内容区域掩膜输入到图像模糊检测模型中，获取估计模糊分数包括：将训练图像输入第一特征提取层，获取训练图像的第一特征，其中，所述第一特征提取层为所述图像模糊检测模型的前预定个数的卷积层；将第一特征与训练图像的清晰度掩膜、训练图像的文字区域掩膜相乘，获得处理后的第一特征；将处理后的第一特征输入第二特征提取层，获取训练图像的第二特征，其中，所述第二特征提取层为所述图像模糊检测模型的前预定个数的卷积层和所述池化层之间的卷积层；将第二特征与训练图像的主要内容区域掩膜相乘，获取处理后的第二特征；将处理后的第二特征输入池化层和回归层，得到训练图像的估计模糊分数。

可选地，将处理后的第二特征输入池化层和回归层，得到训练图像的估计模糊分数包括：将处理后的第二特征输入池化层进行全局平均池化，得到第三特征；将第三特征与放大因子相乘，获取第四特征，其中，放大因子为训练图像的主要内容区域掩膜中图像的整体面积与主要内容区域面积的比值；将第四特征输入回归层进行回归处理，得到训练图像的估计模糊分数。