(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210783367.X (22)申请日 2022.07.05 (65)同一申请的已公布的文献号 申请公布号 CN 114863224 A (43)申请公布日 2022.08.05 (73)专利权人 深圳比特微电子科技有限公司 地址 518051 广东省深圳市南 山区粤海街 道高新南六道航盛科技大厦801 (72)发明人 艾国　凌明　杨作兴　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 刘祥景 (51)Int.Cl. G06V 10/774(2022.01) G06V 10/74(2022.01) G06V 10/82(2022.01)G06N 20/00(2019.01) (56)对比文件 US 2021042580 A1,2021.02.1 1 DE 102018126 664 A1,2019.0 5.02 CN 113642479 A,2021.1 1.12 CN 113591767 A,2021.1 1.02 CN 112989869 A,2021.0 6.18 杜媛.基于图像质量分析与分割算子的图像 特征点匹配算法. 《电子测量 技术》 .2018,第40卷 (第8期), Qingbo Wu等.Bl ind image quality assessment based o n multic hannel feature fusion and label transfer. 《IE EE Transacti ons on Circuits and System s for Video Tec hnology》 .2015,第26卷(第3期), 审查员 刘利 (54)发明名称 训练方法、 图像质量检测方法、 装置和介质 (57)摘要 本申请实施例提供了一种训练方法、 图像质 量检测方法、 装置和介质， 其中的训练方法具体 包括： 确定包含目标的标准图像； 确定所述标准 图像对应的测试图像； 利用目标识别模型， 确定 所述标准图像与所述测试图像 之间的匹配度； 根 据所述匹配度， 确定所述测试图像的标签； 根据 所述测试图像及测试图像的标签， 对质量检测模 型进行训练； 所述质量检测模型用于确定所述测 试图像对应的质量得分； 在所述质量检测模型的 训练过程中， 根据所述标签与所述质量得分确定 损失信息， 并根据所述损失信息对 所述质量检测 模型的参数进行更新。 本申请实施例可以节省测 试图像的标注成本， 且能够提高质量检测模型的 准确度等 性能。 权利要求书3页 说明书17页 附图5页 CN 114863224 B 2022.10.11 CN 114863224 B 1.一种训练方法， 其特征在于， 用于训练的质量检测模型包括： 特征提取单元和质量得 分确定单元； 所述特征提取单元用于对测试图像进行特征提取； 所述质量得分确定单元用 于根据所述特 征提取单元输出的图像特 征， 确定所述测试图像的质量得分； 所述方法包括： 根据目标识别的训练图像集， 对所述特征提取单元进行预训练； 在完成所述预训练后， 得到所述特征提取单元的第一参数的第一目标值； 所述特征提取单元之后连接有目标识别 单元； 所述 目标识别单元用于根据所述特征提取单元输出 的图像特征， 确定对应的目标识 别结果； 在预训练过程中， 根据所述训练图像集的标签与所述目标识别结果确定误差信息， 并根据所述 误差信息对所述特 征提取单元的第一 参数进行 更新； 确定包含目标的标准图像； 确定所述标准图像对应的测试图像； 利用目标识别模型， 确定所述标准图像与所述测试图像之间的匹配度； 根据所述匹配度， 确定所述测试图像的标签； 根据所述测试图像及测试图像的标签， 在所述第 一目标值的基础上对质量检测模型进 行训练； 所述质量检测模型用于确定所述测试图像对应的质量得分； 在所述质量检测模型 的训练过程中， 根据所述标签与所述质量得分确定损失信息， 并根据所述损失信息对所述 质量检测模型的参数进行 更新。 2.根据权利要求1所述的方法， 其特征在于， 所述确定所述标准图像对应的测试图像， 包括： 对所述标准图像进行 预设处理， 以得到所述标准图像对应的测试图像； 或者 根据目标图像库中的图像标签， 从目标图像库中获取 所述标准图像对应的测试图像； 其中， 所述预设处理包括如下处理中的至少一种： 姿态处理、 表情处理、 亮度处理、 清晰 度处理和完整性处 理。 3.根据权利要求1所述的方法， 其特 征在于， 所述确定包 含目标的标准图像， 包括： 根据选择 特征， 从目标图像库中选择 标准图像； 所述选择特征包括如下特征中的至少一种： 场景特征、 亮度特征、 对比度特征、 清晰度 特征、 完整性特征、 阴影特征、 曝光特征、 眼镜特征、 化妆特征、 遮挡特征、 变换特征、 图像类 型特征和编辑特 征。 4.一种图像质量检测方法， 其特 征在于， 所述方法包括： 接收待识别图像； 利用质量检测模型， 确定所述待识别图像对应的质量得分； 其中， 所述质量检测模型包括： 特征提取单元和质量得分确定单元； 所述特征提取单元 用于对测试图像进行特征提取； 所述质量得分确定单元用于根据所述特征提取单元输出的 图像特征， 确定所述测试图像的质量得分； 所述质量检测模型的训练过程包括： 根据目标识 别的训练图像集， 对 所述特征提取单元进 行预训练； 在完成所述预训练后， 得到所述特征提 取单元的第一参数 的第一目标值； 所述特征提取单元之后连接有目标识别单元； 所述 目标 识别单元用于根据所述特征提取单元输出 的图像特征， 确定对应的目标识别结果； 在预训 练过程中， 根据所述训练图像集的标签与所述 目标识别结果确定误差信息， 并根据所述误 差信息对所述特征提取单元 的第一参数进行更新； 确定包含目标 的标准图像； 确定所述标 准图像对应的测试图像； 利用目标识别模型， 确定所述标准图像与所述测试图像之间的匹权　利　要　求　书 1/3 页 2 CN 114863224 B 2配度； 根据所述匹配度， 确定所述测试图像的标签； 根据所述测试图像及测试图像的标签， 在所述第一目标值的基础上对质量检测模型进行训练； 所述质量检测模型用于确定所述测 试图像对应的质量得分； 在所述质量检测模型 的训练过程中， 根据所述标签与所述质量得 分确定损失信息， 并根据所述损失信息对所述质量检测模型的参数进行 更新。 5.根据权利要求 4所述的方法， 其特 征在于， 所述方法还 包括： 在所述待识别图像对应的质量得分超过得分阈值的情况下， 向目标识别模型发送所述 待识别图像， 以使所述目标识别模型对所述待识别图像进行目标识别。 6.一种训练装置， 其特征在于， 用于训练的质量检测模型包括： 特征提取单元和质量得 分确定单元； 所述特征提取单元用于对测试图像进行特征提取； 所述质量得分确定单元用 于根据所述特 征提取单元输出的图像特 征， 确定所述测试图像的质量得分； 所述装置包括： 预训练模块， 用于根据目标识别的训练图像集， 对所述特征提取单元进行预训练； 在完 成所述预训练后， 得到所述特征提取单元 的第一参数 的第一目标值； 所述特征提取单元之 后连接有目标识别单元； 所述 目标识别单元用于根据所述特征提取单元输出 的图像特征， 确定对应的目标识别结果； 在预训练过程中， 根据所述训练图像集的标签与所述 目标识别 结果确定误差信息， 并根据所述 误差信息对所述特 征提取单元的第一 参数进行 更新； 标准图像确定模块， 用于确定包 含目标的标准图像； 测试图像确定模块， 用于确定所述标准图像对应的测试图像； 匹配度确定模块， 用于利用目标识别模型， 确定所述标准图像与所述测试图像之间的 匹配度； 标签确定模块， 用于根据所述匹配度， 确定所述测试图像的标签； 训练模块， 用于根据所述测试图像及测试图像的标签， 在所述第一目标值的基础上对 质量检测模型进行训练； 所述质量检测模型用于确定所述测试图像对应的质量得分； 在所 述质量检测模型 的训练过程中， 根据所述标签与所述质量得分确定损失信息， 并根据所述 损失信息对所述质量检测模型的参数进行 更新。 7.一种图像质量检测装置， 其特 征在于， 所述装置包括： 接收模块， 用于 接收待识别图像； 质量检测模块， 用于利用质量检测模型， 确定所述待识别图像对应的质量得分； 其中， 所述质量检测模型包括： 特征提取单元和质量得分确定单元； 所述特征提取单元 用于对测试图像进行特征提取； 所述质量得分确定单元用于根据所述特征提取单元输出的 图像特征， 确定所述测试图像的质量得分； 所述质量检测模型的训练过程包括： 根据目标识 别的训练图像集， 对 所述特征提取单元进 行预训练； 在完成所述预训练后， 得到所述特征提 取单元的第一参数 的第一目标值； 所述特征提取单元之后连接有目标识别单元； 所述 目标 识别单元用于根据所述特征提取单元输出 的图像特征， 确定对应的目标识别结果； 在预训 练过程中， 根据所述训练图像集的标签与所述 目标识别结果确定误差信息， 并根据所述误 差信息对所述特征提取单元 的第一参数进行更新； 确定包含目标 的标准图像； 确定所述标 准图像对应的测试图像； 利用目标识别模型， 确定所述标准图像与所述测试图像之间的匹 配度； 根据所述匹