[发明专利]一种图像质量评价方法、装置、设备及存储介质

权利要求书

1.一种图像质量评价方法，其特征在于，所述方法包括：

获取待评价图像；

将所述待评价图像输入图像质量评价模型，得到所述待评价图像的质量评分；所述图像质量评价模型是基于第一训练样本集和第二训练样本集对第一初始模型训练之后得到的；所述第一训练样本集包括多个样本子集，所述第一训练样本集中的任一个样本子集包括P个训练样本，P为大于或等于2的整数，对于所述P个训练样本中的第一训练样本，所述第一训练样本包括带有质量评分标签的第一训练图像、以及所述第一训练图像对应的排序标签；所述排序标签用于表征所述P个训练样本的质量评分标签之间的大小关系；所述第二训练样本集包括多个样本子集，所述第二训练样本集中的任一个样本子集包括Q个训练样本，Q为大于或等于2的整数，对于所述Q个训练样本中的第二训练样本，所述第二训练样本包括带有排序伪标签的第二训练图像；所述排序伪标签用于表征所述Q个训练样本的质量评分伪标签之间的大小关系。

2.根据权利要求1所述的方法，其特征在于，在所述获取待评价图像之前，所述方法包括：

获取所述第一训练样本集和所述第二训练样本集；

基于所述第一训练样本集和所述第二训练样本集，对第一初始模型进行训练，得到所述图像质量评价模型。

3.根据权利要求2所述的方法，其特征在于，针对所述第二训练样本集，所述获取所述第一训练样本集和所述第二训练样本集，包括：

获取多个带有质量评分标签的训练图像和多个不带有质量评分标签的训练图像；

基于所述多个带有质量评分标签的图像，对第二初始模型进行训练，得到教师模型；

利用所述教师模型对所述多个不带有质量评分标签的训练图像进行预测，获得所述多个不带有质量评分标签的训练图像中每个训练图像的质量评分伪标签；

将任意带有质量评分伪标签的Q个训练图像划分为一个初始样本子集，并根据所述Q个训练图像的质量评分伪标签之间的大小关系，确定所述Q个训练图像各自对应的排序伪标签；

获取多个初始样本子集，基于所述多个初始样本子集获取所述第二训练样本集。

4.根据权利要求3所述的方法，其特征在于，所述基于所述多个初始样本子集获取所述第二训练样本集，包括：

确定所述多个初始样本子集中的目标样本子集；所述目标样本子集中的任意两个训练图像的质量评分伪标签之间的差值大于第一评分阈值；所述第一评分阈值是根据所述质量评分标签与所述教师模型对带有质量评分标签的训练图像的预测值确定的；

基于所述目标样本子集，确定所述第二训练样本集。

5.根据权利要求4所述的方法，其特征在于，所述目标样本子集中的任意两个训练图像的质量评分伪标签之间的差值小于第二评分阈值；所述第二评分阈值大于所述第一评分阈值。

6.根据权利要求2所述的方法，其特征在于，针对所述第一训练样本集，所述获取所述第一训练样本集和所述第二训练样本集，包括：

获取多个带有质量评分标签的训练图像；

将任意带有质量评分标签的P个训练图像划分为一个样本子集，并根据所述P个训练图像的质量评分标签之间的大小关系，确定所述P个训练图像各自对应的排序标签；

基于多个包括P个训练图像的样本子集，确定所述第一训练样本集。

7.根据权利要求2-6任一项所述的方法，其特征在于，所述第一初始模型包括特征提取器、和排序分类器；

所述特征提取器，用于提取所述第一训练样本集中训练图像的语义特征和所述第二训练样本集中训练图像的语义特征；

所述排序分类器，用于根据所述第一训练样本集中任意一个样本子集中的P个训练图像的语义特征，预测所述P个训练图像的第一排序结果；所述第一排序结果用于表征所述P个训练图像之间的图像质量的高低关系；根据所述第二训练样本集中任意一个样本子集中的Q个训练图像的语义特征，预测所述Q个第二训练图像的第二排序结果；所述第二排序结果用于表征所述Q个第二训练图像之间的图像质量的高低关系。