图像质量差异评分方法、装置、存储介质以及电子设备.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113674276A(43)申请公布日2021.11.19(21)申请号202111225878.1(22)申请日2021.10.21(71)申请人北京金山云网络技术有限公司地址100085北京市海淀区西二旗中路33号院4号楼6层006号(72)发明人贺沁雯(74)专利代理机构北京华夏泰和知识产权代理有限公司11662代理人曾军(51)Int.Cl.G06T7/00(2017.01)权利要求书2页说明书10页附图4页(54)发明名称图像质量差异评分方法、装置、存储介质以及电子设备(57)摘要本发明公开了一种图像质量差异评分方法、装置、存储介质以及电子设备。该方法包括：获取待进行质量差异评分的第一图像和第二图像；提取第一图像的第一深度学习特征和第二图像的第二深度学习特征；获取第一深度学习特征和第二深度学习特征的特征差异；将第一深度学习特征、第二深度学习特征和特征差异组合成组合特征；将组合特征输入到目标质量差异评分模型中，得到第一图像和第二图像的质量差异评分。本发明解决了图像之间无法进行准确的质量差异评分的技术问题。CN113674276ACN113674276A权利要求书1/2页1.一种图像质量差异评分方法，其特征在于，包括：获取待进行质量差异评分的第一图像和第二图像；提取所述第一图像的第一深度学习特征和所述第二图像的第二深度学习特征；获取所述第一深度学习特征和所述第二深度学习特征的特征差异；将所述第一深度学习特征、所述第二深度学习特征和所述特征差异组合成组合特征；将所述组合特征输入到目标质量差异评分模型中，得到所述第一图像和所述第二图像的质量差异评分，其中，所述目标质量差异评分模型为使用训练样本训练的神经网络模型，所述训练样本包括多个训练图像对和每一个所述训练图像对的训练评分，每一个所述训练图像对包括第一训练图像和第二训练图像，所述训练评分为所述第一训练图像和所述第二训练图像之间的质量差异评分。2.根据权利要求1所述的方法，其特征在于，所述将所述第一深度学习特征、所述第二深度学习特征和所述特征差异组合成组合特征包括：将所述第一深度学习特征、所述第二深度学习特征和所述特征差异首尾拼接为所述组合特征。3.根据权利要求2所述的方法，其特征在于，在将所述第一深度学习特征、所述第二深度学习特征和所述特征差异首尾拼接为所述组合特征之前，所述方法还包括：将所述第二深度学习特征、所述组合特征的维度调整为所述第一深度学习特征的第一维度；或者将所述第一深度学习特征、所述组合特征的维度调整为所述第二深度学习特征的第二维度；或者将所述第一深度学习特征、所述第二深度学习特征的维度调整为所述组合特征的第三维度；或者将所述第一深度学习特征、所述第二深度学习特征、所述组合特征的维度调整为目标维度，其中，所述目标维度与所述第一维度、所述第二维度以及所述第三维度为不同的维度。4.根据权利要求1所述的方法，其特征在于，在将所述组合特征输入到目标质量差异评分模型中，得到所述第一图像和所述第二图像的质量差异评分之前，所述方法还包括：将所述训练图像对和所述训练图像对的所述训练评分输入到所述目标质量差异评分模型中；获取所述目标质量差异评分模型识别所述训练图像对预测出的预测质量差异评分；在所述预测质量差异评分和所述训练图像对的所述训练评分的差值大于第一阈值的情况下，调整所述目标质量差异评分模型的模型参数；使用所述训练样本训练所述目标质量差异评分模型，直到所述目标质量差异评分模型的识别准确度高于预设准确度。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述第一图像所在的第一视频和所述第二图像所在的第二视频之间的质量差异评分。6.据权利要求5所述的方法，其特征在于，所述确定所述第一图像所在的第一视频和所述第二图像所在的第二视频之间的视频质量差异评分包括：2CN113674276A权利要求书2/2页确定所述第一视频和所述第二视频的每一帧对应帧的所述质量差异评分；将每一帧对应帧的所述质量差异评分的加权求和平均结果确定为所述第一视频和所述第二视频的所述视频质量差异评分。7.据权利要求5所述的方法，其特征在于，所述确定所述第一图像所在的第一视频和所述第二图像所在的第二视频之间的视频质量差异评分包括：将所述第一视频与所述第二视频中，对应的视频帧作为视频帧对；确定每一对所述视频帧对的原始质量差异评分；根据所述原始质量差异评分，确定每一对所述视频帧对的目标质量差异评分；将每一对所述视频帧对的所述目标质量差异评分的平均值确定为所述视频质量差异评分。8.据权利要求7所述的方法，其特征在于，所述根据所述原始质量差异评分，确定每一对所述视频帧对的目标质量差异评分包括：将第一对所述视频帧对的所述原始质量差异评