CN114638999B 图像质量评估模型的训练方法、资料上传处理方法及装置 （支付宝(杭州)信息技术有限公司）

A,2015.01.28A,2021.04.16A,2021.06.08A,2021.12.21本说明书提供一种图像质量评估模型的训并根据得到的所述第一图像样本集的图像质量估模型的通道数量少于所述集成学习模型的通2对已训练的至少两个用于评估图像质量的单体模型进行集成学习，得到同的单体模型是基于不同的图像指标维度的特征向量构建得基于所述集成学习模型对第一图像样本集的图像质量进行基于标注后的所述第一图像样本集，训练目标图像质量评估模于各个所述单体模型中的达到预设权重标准的特征向量所构建得到。所述至少两个用于评估图像质量的单体模型中，不同单体模型是所述各第二图像样本集中属于同一图像样本下的两个图像之间的图像质量差异是基所述各第二图像样本集中属于同一图像样本下的两个图像之间的图像元素清晰度差将所述第二图像样本集中属于同一图像样本下的两个图像输入至所述目标图像质量评估模型为分类模型，所述第一图像样本集中基于所述集成学习模型对第一图像样本集的图像质量进行评估基于所述集成学习模型对第一图像样本集的图像样本进行评估按照所述第一图像样本集中每个图像样本的图像质量评估结果，对所在基于标注后的所述第一图像样本集，训练目标图像质量对所述第一图像样本集中低分数训练结果的第一样本图像重新标注图像质量分类标3基于所述第一图像样本集和所述第一图像样本集重新标所述至少两个用于评估图像质量的单体模型中，至少一者是基于另一者分别从所述至少用于评估图像质量的两个单体模型中选取达到预设权重标准的特征将所述图像资料输入至目标图像质量评估模型，得到所述目标图像述目标图像质量评估模型是基于各个所述单体模型中的达到预设权重标准的特征向量所所述上传资料可执行的操作包括受理所述上传资料和退回所述上集成学习模块，对已训练的至少两个用于评估图像质量的样本标注模块，基于所述集成学习模型对第一图像样本集的图像质量评估模型是基于各个所述单体模型中的达到预设权重标准的特征向量所构建得到。对已训练的至少两个用于评估图像质量的单体模型进行集成学习，得到同的单体模型是基于不同的图像指标维度的特征向量构建得基于所述集成学习模型对第一图像样本集的图像质量进行4基于标注后的所述第一图像样本集，训练目标图像质量评估模于各个所述单体模型中的达到预设权重标准的特征向量所构建得到。对已训练的至少两个用于评估图像质量的单体模型进行集成学习，得到同的单体模型是基于不同的图像指标维度的特征向量构建得基于所述集成学习模型对第一图像样本集的图像质量进行基于标注后的所述第一图像样本集，训练目标图像质量评估模于各个所述单体模型中的达到预设权重标准的特征向量所构建得到。资料评估模块，将所述图像资料输入至目标图像质量评估模型，资料处理模块，基于所述图像资料的图像质量评估结果将所述图像资料输入至目标图像质量评估模型，得到所述目标图像述目标图像质量评估模型是基于各个所述单体模型中的达到预设权重标准的特征向量所所述上传资料可执行的操作包括受理所述上传资料和退回所述上5将所述图像资料输入至目标图像质量评估模型，得到所述目标图像述目标图像质量评估模型是基于各个所述单体模型中的达到预设权重标准的特征向量所所述上传资料可执行的操作包括受理所述上传资料和退回所述上6[0015]集成学习模块，对已训练的至少两个用于评估图像质量的单体模型进行集成学[0016]样本标注模块，基于所述集成学习模型对第一图像样本7所述目标图像质量评估模型的通道数量少于所述集成学习模型89元素占比和图像对比度的特征向量构建出另一种单同的用于评估图像质量的单体模型中，至少一者是基于另一者进行模型主干更换和/或模能够基于图像特征(自变量)分析对图像质量(因变量)型在有监督训练所使用的损失函数只需根据训练结果中两个图像的图像质量评分差异是[0066]本说明书实施例借助目标图像质量评估模型来评估用户上传的图像资料的图像像质量好坏，将用户上传的图像资料区分出受理或不受理的两个类目即可(更多的类目同标图像质量评估模型的计算逻辑通道的数量和输入/输出的特征向量的维数等方面要少于目标图像质量评估模型在模型结构上得到了针对图像质量具有不同的评估偏向的单体模型，并将各单体模型融合成一个集成学习模[0081]利用bootstrap方法，可以对按照上文所介绍的适用于训练回归模型的样本图像[0091]具体流程如前文所述，使用集成学习模型对第二图像样本集的样本图像进行标[0093]本阶段采用fine-tuning的主动学习方式，对阶段三训练完成的目标图像质量评[0109]集成学习模块310，对已训练的至少两个用于评估图像质量的单体模型进行集成[0110]样本标注模块320，基于所述集成学习模型对第一图像样本集的图像质量进行评样本集标注有属于同一图像样本下的两个图像之间的图像质属于同一图像样本下的两个图像之间的图像元素清晰度差异是基于下述方式确定得到的：样本为单图像样本；本发明实施例的样本标注模块320具体基于所述集成学习模型对第一样本集中每个图像样本标注相匹配的图像质量分[0127]显然，本说明书实施例的资料上传处理装置可以作为上述图2所示方法的执行主[0129]处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(IndustryStandardArchitecture，工业标准体系结构)总线、PCI(Peripheral可以是通用处理器，包括中央处理器(CentralProcessingUnit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DigitalSignalProcessor，