(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210883110.1 (22)申请日 2022.07.26 (71)申请人 北京芯联心科技发展 有限公司 地址 100089 北京市海淀区中关村大街18 号12层121 1-55 (72)发明人 马骏　杨涛　杨钰群　杜天昊　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 张萌 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种图像质量评估模型训练方法、 装置、 设 备及介质 (57)摘要 本申请提供了一种图像质 量评估模型训练 方法、 装置、 设备及介质， 该方法包括： 将采集到 的包含目标对象的多个待选样本图像分为训练 样本集、 测试样本集和元训练集； 构建初始评估 模型； 将任一目标批次元训练集对应的独立模型 参数替换初始评估模型的初始模 型参数， 并使用 目标批次元训练集对该初始 评估模型进行训练， 得到各个批次元训练集对应调整后的过程模型 参数； 根据各个过程模型参数匹配的权值， 计算 得到目标模型参数， 并在满足预设的收敛条件 时， 使用测试样本集对包含目标模 型参数的目标 评估模型进行验证， 达到预设训练要求后， 完成 训练。 本申请方法在持续训练的过程中不会遗忘 较先进行训练的样本特征， 泛化能力强， 准确度 高。 权利要求书2页 说明书11页 附图3页 CN 115187569 A 2022.10.14 CN 115187569 A 1.一种图像质量评估 模型训练方法， 其特 征在于， 所述方法包括： 将采集到的包含目标对象的多个待选样本 图像分为训练样本集和测试样本集； 其中， 所述训练样本集包括随机数量批次的元训练集； 各个批次所述元训练集对应有独立模型参 数； 构建初始评估模型； 所述初始评估模型包含有初始模型参数， 用于对应图像的质量进 行预测， 得到质量预测分数； 将任一目标批次所述元训练集对应的独立模型参数替换所述初始评估模型的初始模 型参数， 并使用目标批次所述元训练集对该初始评估模型进行训练， 得到各个批次所述元 训练集对应调整后的过程模型参数； 根据各个所述过程模型参数匹配的权值， 计算得到目标模型参数， 并在满足预设的收 敛条件时， 使用测试样本集对包含所述 目标模型参数 的目标评估模型进行验证， 达到预设 训练要求后， 完成训练。 2.根据权利要求1所述的方法， 其特征在于， 所述待选样本图像还对应有主观意见分 数， 所述独立模型参数包括独立质量预测头参数； 所述方法还 包括： 将采集到的包含目标对象的多个待选样本图像和每个所述待选样本图像的主观意见 分数分为所述训练样本集和所述测试样本集； 构建包含初始特征提取器参数和初始质量预测头参数的初始评估模型和所述初始评 估模型对应关于主观意见分数与质量预测分数的损失函数； 基于各个批次所述元训练集、 该批次所述元训练集的所述独立质量预测头参数和损失 函数， 分别对包含所述初始特征提取器参数 的所述初始评估模型进行训练， 得到各个批次 所述元训练集对应调整后的过程质量预测头参数和所有批次所述元训练集训练得到的目 标特征提取器参数； 根据各个所述过程质量预测头参数匹配的权值， 计算得到目标质量预测头参数， 进而 得到包含目标特征提取器参数和目标质量预测头参数的目标评估 模型。 3.根据权利要求2所述的方法， 其特征在于， 通过以下方式得到所述训练样本集、 测试 样本集和元训练集： 根据所述目标对象的属性类型对所述待选样本图像和该待选样本图像的主观意见分 数进行分组， 得到多组待选样本集； 将所述待选样本集中的部分样本集作为所述训练样本集， 并将剩余部分样本集作为所 述测试样本集； 根据所述训练样本集中每张样本图像包含所述目标对象的清晰程度， 将所述训练样本 集分为多组所述元训练集。 4.根据权利要求2所述的方法， 其特征在于， 所述损失函数为所述主观意见分数和所述 质量预测分数之差绝对值的和。 5.根据权利要求2所述的方法， 其特征在于， 通过以下方式得到所述过程质量预测头参 数： 使用任一目标独立质量预测头参数替换所述初始评估模型中的所述初始质量预测头 参数， 得到过程评估 模型； 将与所述目标独立质量预测头参数对应目标批次所述元训练集输入到所述过程评估权　利　要　求　书 1/2 页 2 CN 115187569 A 2模型中， 得到所述过程评估 模型输出目标批次元训练集的质量预测分数； 根据目标批次元训练集的质量预测分数和损失函数， 得到所述过程质量预测头参数。 6.根据权利要求5所述的方法， 其特征在于， 所述根据目标批次元训练集的质量预测分 数和损失函数， 得到所述过程质量预测头参数， 包括： 根据目标批次元训练集的质量预测分数和所述损失函数， 计算得到目标批次元训练集 的质量预测损失值； 根据目标批次元训练集的质量预测损失值对所述目标独立质量预测头参数进行权值 更新， 得到所述过程质量预测头参数。 7.根据权利要求2所述的方法， 其特征在于， 通过以下方式设置目标批次所述元训练集 的独立质量预测头参数： 若所述目标批次为第 一批次， 所述目标批次所述元训练集的独立质量预测头参数为预 先设置的； 若所述目标批次为非第 一批次， 所述目标批次所述元训练集的独立质量预测头参数是 根据前一批次所述元训练集的独立质量预测头参数设置的。 8.一种图像质量评估 模型训练装置， 其特 征在于， 所述装置包括： 分类模块， 用于将采集到的包含目标对象的多个待选样本图像分为训练样本集和测试 样本集； 其中， 所述训练样 本集包括随机数量批次的元训练集； 各个批次所述元训练集对应 有独立模型参数； 构建模块， 用于构建初始评估模型； 所述初始评估模型包含有初始模型参数， 用于对应 图像的质量进行 预测， 得到质量预测分数； 训练模块， 用于将任一目标批次所述元训练集对应的独立模型参数替换所述初始评估 模型的初始模型参数， 并使用目标批次所述元训练集对该初始评估模型进行训练， 得到各 个批次所述元训练集对应调整后的过程模型参数； 完成模块， 用于根据 各个所述过程模型参数匹配的权值， 计算得到目标模型参数， 并在 满足预设的收敛条件时， 使用测试样本集对包含所述目标模型参数的目标评估模型进 行验 证， 达到预设训练要求后， 完成训练。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过总线 通信， 所述机器可读指令被所述处理器执行时执行如权利要求1至7任一所述的图像质量评 估模型训练方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 该计算机可读存储介质上存储有计算机程 序， 该计算机程序被处理器运行时执行如权利要求1至7任一所述的图像质量评估模型训练 方法的步骤。权　利　要　求　书 2/2 页 3 CN 115187569 A 3