本公开实施例涉及图像处理,尤其涉及一种图像质量偏序模型训练与应用方法、装置、设备及介质。
背景技术:
1、在很多面向广大用户的消费场景中,比如分类页等,可以对分类页面中的图像内容配置后进行排序显示,供用户导出使用。
2、目前,主要通过对图像进行人工打分给予图像相应的凭据意见得分来表征图像质量,但是随着业务体系的日渐庞大,图像类目与数量不断增加,通过人工配置很难做到定期更新。此外,很多图像质量不高,实际导出使用的次数也不高,但是图像排序靠前展示且点击率较高,导致很多优质图像无法得到较好的展现而错过被导出使用。因此,对类似分类页面中图像进行分析,以便将优质图像进行优化展示变得尤为重要。
技术实现思路
1、本公开实施例中提供了一种图像质量偏序模型训练与应用方法、装置、设备及介质,以实现对图像质量偏序过程进行优化,使得图像质量偏序分布均衡以及提高其覆盖范围。
2、第一方面,本公开实施例中提供了一种图像质量偏序模型训练方法,所述训练方法包括:
3、控制图像质量偏序模型执行图像质量判定训练任务与图像偏序约束训练任务;其中,所述图像偏序约束训练任务用于使图像质量偏序模型对训练所需样本图像的偏序关系进行学习;
4、依据所述图像质量判定训练任务与所述图像偏序约束训练任务,对所述图像质量偏序模型进行参数调整,以得到收敛的图像质量偏序模型。
5、第二方面,本公开实施例中还提供了一种图像质量偏序模型应用方法,所述图像质量偏序模型采用本公开实施例中任一所述的图像质量偏序模型训练方法获得,所述应用方法包括:
6、将待处理图像输入到训练完成的图像质量偏序模型中输出得到待处理图像的图像质量;
7、依据所述待处理图像的图像质量对所述待处理图像执行图像偏序操作。
8、第三方面,本公开实施例中还提供了一种图像质量偏序模型训练装置,所述训练装置包括:
9、任务控制模块,用于控制图像质量偏序模型执行图像质量判定训练任务与图像偏序约束训练任务;其中,所述图像偏序约束训练任务用于使图像质量偏序模型对训练所需样本图像的偏序关系进行学习;
10、模型训练模块,用于依据所述图像质量判定训练任务与所述图像偏序约束训练任务,对所述图像质量偏序模型进行参数调整,以得到收敛的图像质量偏序模型。
11、第四方面,本公开实施例中还提供了一种图像质量偏序模型应用装置,所述图像质量偏序模型采用本公开实施例中任一所述的图像质量偏序模型训练方法获得,所述应用装置包括:
12、图像质量确定模块,用于将待处理图像输入到训练完成的图像质量偏序模型中输出得到待处理图像的图像质量;
13、图像偏序处理模块,用于依据所述待处理图像的图像质量对所述待处理图像执行图像偏序操作。
14、第五方面,本公开实施例中还提供了一种电子设备,所述电子设备包括:
15、至少一个处理器;以及
16、与所述至少一个处理器通信连接的存储器;其中,
17、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述实施例中任一项所述的图像质量偏序模型训练方法或图像质量偏序模型应用方法。
18、第六方面,本公开实施例中还提供了一种计算机可读介质,所述计算机可读介质存储有计算机指令,所述计算机指令用于使处理器执行时实现上述实施例中任一项所述的图像质量偏序模型训练方法或图像质量偏序模型应用方法。
19、本公开实施例的技术方案,进入模型训练阶段后,控制图像质量偏序模型执行图像质量判定训练任务与图像偏序约束训练任务,通过图像偏序约束训练任务控制图像质量偏序模型对训练所需样本图像的偏序关系进行学习,依据图像质量判定训练任务与图像偏序约束训练任务对图像质量偏序模型进行参数调整得到收敛的图像质量偏序模型。本公开方案,通过图像偏序约束训练任务来学习图像之间的偏序关系实现偏序约束,解决了模型预测结果分布集中的问题,以使模型其输出的图像质量的分布更加均衡,覆盖范围更广,大幅度提高图像质量偏序效果。
20、应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
1.一种图像质量偏序模型训练方法,其特征在于,所述训练方法包括:
2.根据权利要求1所述的方法,其特征在于,所述图像质量偏序模型以图像导出点击比作为图像质量判定的衡量指标进行模型训练。
3.根据权利要求1所述的方法,其特征在于,控制图像质量偏序模型执行图像质量判定训练任务与图像偏序约束训练任务,包括:
4.根据权利要求3所述的方法,其特征在于,从训练集中确定图像质量偏序模型训练所需的样本图像对,包括:
5.根据权利要求4所述的方法,其特征在于,所述预设图像质量差异关系包括基准图像与参考图像之间的图像导出点击比差值大于预设倍数的训练集标准差,所述训练集标准差基于训练集中各个样本图像的图像导出点击比标准差确定。
6.根据权利要求4所述的方法,其特征在于,所述训练集中样本图像的图像点击次数大于预设阈值,且训练集中各个样本图像按图像导出点击比大小排序后图像质量分布均匀。
7.根据权利要求3所述的方法,其特征在于,基于图像质量预测操作确定图像质量判定训练任务的损失信息与图像偏序约束训练任务的损失信息,包括:
8.根据权利要求1所述的方法,其特征在于,依据所述图像质量判定训练任务与所述图像偏序约束训练任务,对图像质量偏序模型进行参数调整,包括:
9.一种图像质量偏序模型应用方法,其特征在于,所述图像质量偏序模型采用上述权利要求1-8中任一所述的图像质量偏序模型训练方法获得,所述应用方法包括:
10.一种图像质量偏序模型训练装置,其特征在于,所述训练装置包括:
11.一种图像质量偏序模型应用装置,其特征在于,所述图像质量偏序模型采用上述权利要求1-8中任一所述的图像质量偏序模型训练方法获得,所述应用装置包括:
12.一种电子设备,其特征在于,所述电子设备包括:
13.一种计算机可读介质,其特征在于,所述计算机可读介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的图像质量偏序模型训练方法或权利要求9所述的图像质量偏序模型应用方法。