一種圖像質(zhì)量分的確定方法及裝置的制造方法
【技術領域】
[0001] 本發(fā)明涉及圖像技術領域，特別涉及一種圖像質(zhì)量分的確定方法及裝置。
[0002]
【背景技術】
[0003] 圖像質(zhì)量判斷需要利用到較多的機器學習、圖像處理、人工智能等技術。然而機器 學習等技術需要對現(xiàn)有數(shù)據(jù)進行學習，從而預測未知數(shù)據(jù)。在傳統(tǒng)方法中，一幅圖片會被人 工標注為"好"、"中"、"差"三個tag(標簽）。然后利用機器學習來學習這些數(shù)據(jù)，總結(jié)統(tǒng)計規(guī) 律。
[0004] 然而，上述的技術方案忽略了兩個重要問題：1、不同標注人員的標準不一致。有的 覺得好的圖片，別人不一定覺得好;2、人判斷的標準是相對的，不是絕對的，通過一張圖，可 能不知道這張圖是不是質(zhì)量好，但是通過兩張圖進行對比，就知道哪張質(zhì)量更好;3、圖片質(zhì) 量是一個連續(xù)值，并非只有好、中、差三檔，把圖片都歸為這三檔會損失較多的信息。

【發(fā)明內(nèi)容】

[0005] 鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上 述問題的一種圖像質(zhì)量分的確定方法及裝置。
[0006] 本發(fā)明提供一種圖像質(zhì)量分的確定方法，包括：
[0007] 從圖像樣本庫中隨機選取兩幅圖像，分別確定所述兩幅圖像的標注次數(shù)以及所述 兩幅圖像的質(zhì)量分；
[0008] 當所述兩幅圖像的標注次數(shù)均小于第一預設值，或者所述兩幅圖像的質(zhì)量分的差 值小于或者等于第二預設值時，接收對所述兩幅圖像的標注操作；
[0009] 根據(jù)所述標注操作分別調(diào)整所述兩幅圖像的質(zhì)量分并記錄所述兩幅圖像進行標 注操作后的標注次數(shù)；
[0010] 當所述圖像樣本庫中的每一幅圖像的標注次數(shù)大于或者等于第三預設值時，結(jié) 束;其中所述第三預設值大于所述第一預設值。
[0011] 在一個實施例中，所述方法還可包括：
[0012] 當所述兩幅圖像的標注次數(shù)均大于或者等于第一預設值，并且所述兩幅圖像的質(zhì) 量分的差值大于第二預設值時，放棄本次隨機選擇結(jié)果，從所述圖像樣本庫中重新隨機選 取兩幅圖像。
[0013] 在一個實施例中，所述方法還可包括：
[0014] 當所述兩幅圖像中的任一副圖像的標注次數(shù)大于或者等于第三預設值時，放棄本 次隨機選擇結(jié)果，從所述圖像樣本庫中重新隨機選取兩幅圖像。
[0015] 在一個實施例中，所述根據(jù)所述標注操作分別調(diào)整所述兩幅圖像的質(zhì)量分，可包 括：
[0016] 根據(jù)所述標注操作分別確定所述兩幅圖像的真實得分SA;
[0017] 分別確定所述兩幅圖像在標注操作前的質(zhì)量分；
[0018] 根據(jù)下列公式確定所述兩幅圖像中第一幅圖像相對第二幅圖像的勝率Ea以及第 二幅圖像相對第一幅圖像的勝率Eb :
[0019]
[0020]
[0021]其中，所述Ra為第一幅圖像在所述標注操作前的質(zhì)量分，所述Rb為第二幅圖像在所 述標注操作前的質(zhì)量分，
[0022]根據(jù)下列公式分別確定所述兩幅圖像中第一幅圖像標注操作后的質(zhì)量分R/和第 二幅圖像標注操作后的質(zhì)量分f B
[0023] R/ =Ra+K(Sa-Ea)
[0024] R/b = Rb+K(Sb-Eb)
[0025] 其中，K為常數(shù)。
[0026] 在一個實施例中，所述方法還可包括：
[0027] 確定所述圖像樣本庫中的圖像進行最后一次標注后分別對應的質(zhì)量分，
[0028] 根據(jù)所述圖像以及所述圖像分別對應的質(zhì)量分構(gòu)造訓練集；
[0029] 根據(jù)所述訓練集訓練深度學習模型。
[0030] 在一個實施例中，所述方法還可包括：
[0031] 將待評估圖像輸入所述深度學習模型；
[0032] 輸出所述待評估圖像的質(zhì)量分。
[0033] 本發(fā)明還提供一種圖像質(zhì)量分的確定裝置，包括：
[0034]第一確定模塊，用于從圖像樣本庫中隨機選取兩幅圖像，分別確定所述兩幅圖像 的標注次數(shù)以及所述兩幅圖像的質(zhì)量分；
[0035] 接收模塊，用于當所述兩幅圖像的標注次數(shù)均小于第一預設值，或者所述兩幅圖 像的質(zhì)量分的差值小于或者等于第二預設值時，接收對所述兩幅圖像的標注操作；
[0036] 調(diào)整與記錄模塊，用于根據(jù)所述標注操作分別調(diào)整所述兩幅圖像的質(zhì)量分并記錄 所述兩幅圖像進行標注操作后的標注次數(shù)；
[0037] 結(jié)束模塊，用于當所述圖像樣本庫中的每一幅圖像的標注次數(shù)大于或者等于第三 預設值時，結(jié)束;其中所述第三預設值大于所述第一預設值。
[0038] 在一個實施例中，所述裝置還可包括：
[0039] 第一重新選取模塊，用于當所述兩幅圖像的標注次數(shù)均大于或者等于第一預設 值，并且所述兩幅圖像的質(zhì)量分的差值大于第二預設值時，放棄本次隨機選擇結(jié)果，從所述 圖像樣本庫中重新隨機選取兩幅圖像。
[0040] 在一個實施例中，所述裝置還可包括：
[0041] 第二重新選取模塊，用于當所述兩幅圖像中的任一副圖像的標注次數(shù)大于或者等 于第三預設值時，放棄本次隨機選擇結(jié)果，從所述圖像樣本庫中重新隨機選取兩幅圖像。
[0042] 在一個實施例中，所述調(diào)整與記錄模塊，可包括：
[0043] 第一確定子模塊，用于根據(jù)所述標注操作分別確定所述兩幅圖像的真實得分Sa;
[0044] 第二確定子模塊，用于分別確定所述兩幅圖像在標注操作前的質(zhì)量分；
[0045] 第三確定子模塊，用于根據(jù)下列公式確定所述兩幅圖像中第一幅圖像相對第二幅 圖像的勝率Ea以及第二幅圖像相對第一幅圖像的勝率Eb:
[0046]
[0047]
[0048] 其中，所述Ra為第一幅圖像在所述標注操作前的質(zhì)量分，所述Rb為第二幅圖像在所 述標注操作前的質(zhì)量分，
[0049] 第四確定子模塊，用于根據(jù)下列公式分別確定所述兩幅圖像中第一幅圖像標注操 作后的質(zhì)量分R/和第二幅圖像標注操作后的質(zhì)量分f B
[0050] R/ =Ra+K(Sa-Ea)
[0051] R/b = Rb+K(Sb-Eb)
[0052] 其中，K為常數(shù)。
[0053] 在一個實施例中，所述裝置還可包括：
[0054]第二確定模塊，用于確定所述圖像樣本庫中的圖像進行最后一次標注后分別對應 的質(zhì)量分，
[0055]構(gòu)造模塊，用于根據(jù)所述圖像以及所述圖像分別對應的質(zhì)量分構(gòu)造訓練集；
[0056]訓練模塊，用于根據(jù)所述訓練集訓練深度學習模型。
[0057] 在一個實施例中，所述裝置還可包括：
[0058]輸入模塊，用于將待評估圖像輸入所述深度學習模型；
[0059] 輸出模塊，用于輸出所述待評估圖像的質(zhì)量分。
[0060] 本發(fā)明的實施例提供的技術方案可以包括以下有益效果：
[0061] 本發(fā)明實施例的上述技術方案，通過對圖像樣本庫中的圖像的標注進行優(yōu)化，從 而簡化了標注次數(shù)，同時由于圖像對應的質(zhì)量分是一個連續(xù)的值，并非簡單的將圖像質(zhì)量 分為幾檔，因此使標注出的圖像質(zhì)量更加準確。
[0062] 本發(fā)明的其它特征和優(yōu)點將在隨后的說明書中闡述，并且，部分地從說明書中變 得顯而易見，或者通過實施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點可通過在所寫的說明 書、權利要求書、以及附圖中所特別指出的結(jié)構(gòu)來實現(xiàn)和獲得。
[0063] 下面通過附圖和實施例，對本發(fā)明的技術方案做進一步的詳細描述。
【附圖說明】
[0064]附圖用來提供對本發(fā)明的進一步理解，并且構(gòu)成說明書的一部分，與本發(fā)明的實 施例一起用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的限制。在附圖中：
[0065] 圖1為本發(fā)明實施例中一種圖像質(zhì)量分的確定方法的流程圖；
[0066] 圖2為本發(fā)明實施例中另一種圖像質(zhì)量分的確定方法的流程圖；
[0067] 圖3為本發(fā)明實施例中另一種圖像質(zhì)量分的確定方法的流程圖；
[0068] 圖4為本發(fā)明實施例中另一種圖像質(zhì)量分的確定方法的流程圖；
[0069] 圖5為本發(fā)明實施例中另一種圖像質(zhì)量分的確定方法的流程圖；
[0070] 圖6為本發(fā)明實施例中一種圖像質(zhì)量分的確定裝置的框圖。
【具體實施方式】
[0071] 以下結(jié)合附圖對本發(fā)明的優(yōu)選實施例進行說明，應當理解，此處所描述的優(yōu)選實 施例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。
[0072] 圖1所示為本發(fā)明實施例中一種圖像質(zhì)量分的確定方法的流程圖，如圖1所示，包 括以下步驟S11-S13:
[0073] 步驟S11，從圖像樣本庫中隨機選取兩幅圖像，分別確定兩幅圖像的標注次