CN113837965A - 图像清晰度识别方法、装置、电子设备及存储介质 - Google Patents
图像清晰度识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113837965A CN113837965A CN202111131311.8A CN202111131311A CN113837965A CN 113837965 A CN113837965 A CN 113837965A CN 202111131311 A CN202111131311 A CN 202111131311A CN 113837965 A CN113837965 A CN 113837965A
- Authority
- CN
- China
- Prior art keywords
- layer
- network
- definition
- sample image
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000000605 extraction Methods 0.000 claims abstract description 38
- 238000012549 training Methods 0.000 claims description 47
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000013135 deep learning Methods 0.000 abstract description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000595489 Hypochaeris Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/002—Image coding using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种基于深度学习的图像清晰度识别方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。具体实现方案为：获取目标图像，将目标图像输入预先训练的清晰度识别网络，得到清晰度识别结果；清晰度识别网络包括：特征提取层、交叉注意力层、编码器层和输出层；特征提取层用于提取目标图像的低级语义特征和高级语义特征；交叉注意力层用于基于低级语义特征和高级语义特征进行交叉注意力运算；编码器层用于对拼接特征进行编码，得到编码特征；输出层用于基于编码特征，计算清晰度得分。能够使网络学习到低级语义特征和高级语义特征之间的关系，得到更为准确的清晰度识别结果。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及计算机视觉和深度学习技术领域。
背景技术
在视频、图像的推荐搜索业务中，为了提升用户的使用体验，需要尽可能多的推送优质资源，尽可能少的推送低质资源。资源的质量涉及到很多方面，而清晰度是最为直观的特征之一。因此，如何将海量的视频、图像资源按照清晰度特征准确分类成为了推荐、搜索业务中需要迫切解决的问题。
发明内容
本公开提供了一种图像清晰度识别方法、装置、电子设备及存储介质。
根据本公开的一方面，提供了一种图像清晰度识别方法，包括：
获取目标图像，将所述目标图像输入预先训练的清晰度识别网络，得到清晰度识别结果；
其中，所述清晰度识别网络包括：特征提取层、交叉注意力层、编码器层和输出层；
所述特征提取层用于提取所述目标图像的低级语义特征和高级语义特征；
所述交叉注意力层用于基于所述低级语义特征和高级语义特征进行交叉注意力运算，并将运算得到的第一特征和第二特征拼接，得到拼接特征；
所述编码器层用于对所述拼接特征进行编码，得到编码特征；
所述输出层用于基于所述编码特征，计算清晰度得分。
根据本公开的另一方面，提供了一种清晰度识别网络训练方法，包括：
获取第一样本图像、所述第一样本图像的第一清晰度标签和初始网络，所述第一样本图像是预先生成的失真图像；所述初始网络包括特征提取层、交叉注意力层、编码器层和输出层；
基于所述第一样本图像以及所述第一清晰度标签对所述初始网络进行预训练，得到预训练网络。
根据本公开的另一方面，提供了一种图像清晰度识别装置，包括：
获取模块，用于获取目标图像，将所述目标图像输入预先训练的清晰度识别网络，得到清晰度识别结果；
其中，所述清晰度识别网络包括：特征提取层、交叉注意力层、编码器层和输出层；
所述特征提取层用于提取所述目标图像的低级语义特征和高级语义特征；
所述交叉注意力层用于基于所述低级语义特征和高级语义特征进行交叉注意力运算，并将运算得到的第一特征和第二特征拼接，得到拼接特征；
所述编码器层用于对所述拼接特征进行编码，得到编码特征；
所述输出层用于基于所述编码特征，计算清晰度得分。
根据本公开的另一方面，提供了一种清晰度识别网络训练装置，包括：
第一获取模块，用于获取第一样本图像、所述第一样本图像的第一清晰度标签和初始网络，所述第一样本图像是预先生成的失真图像；所述初始网络包括特征提取层、交叉注意力层、编码器层和输出层；
预训练模块，用于基于所述第一样本图像以及所述第一清晰度标签对所述初始网络进行预训练，得到预训练网络。
根据本公开的又一方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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图像清晰度识别方法。
根据本公开的又一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行图像清晰度识别方法。
根据本公开的又一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现图像清晰度识别方法。
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。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例提供的图像清晰度识别方法的一种流程示意图；
图2为本公开实施例提供的图像清晰度识别方法的一种示意图；
图3为本公开实施例提供的清晰度识别网络训练方法的一种流程示意图；
图4是用来实现本公开实施例的图像清晰度识别方法的装置的框图；
图5是用来实现本公开实施例的清晰度识别网络训练方法的装置的框图；
图6是用来实现本公开实施例的图像清晰度识别方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
传统的图像清晰度识别方案中，通常包括步骤：特征提取、特征选择和模型分类。
其中，特征提取表示：提取图像的亮度、分辨度、拉普拉斯变换等特征。
特征选择表示：利用上述提取到的特征，进行重复迭代实验，最终确定对清晰度分类有增益效果的特征。
模型分类表示：利用上述选择的特征，采用GBDT(Gradient Boosting DecisionTree，梯度提升决策树)、SVM(support vector machines，支持向量机)等传统机器学习对图像进行清晰度分类。
上述图像清晰度识别方案，处理流程复杂，无法实现端到端的清晰度识别，特征选取及调参过程复杂，对选取特征的依赖极高，可操作性差，且清晰度识别准确率较低。
为了解决上述技术问题，本公开提供了一种图像清晰度识别方法、装置、电子设备及存储介质。
本公开的一个实施例中，提供了一种图像清晰度识别方法，方法包括：
获取目标图像，将所述目标图像输入预先训练的清晰度识别模型，得到清晰度识别结果；其中，所述清晰度识别模型包括：特征提取层、交叉注意力层、编码器层和输出层；
所述特征提取层用于提取所述目标图像的低级语义特征和高级语义特征；
所述交叉注意力层用于基于所述低级语义特征和高级语义特征进行交叉注意力运算，并将运算得到的第一特征和第二特征拼接，得到拼接特征；
所述编码器层用于对所述拼接特征进行编码，得到编码特征；
所述输出层用于基于所述编码特征，计算清晰度得分。
可见，本公开实施例中，采用深度学习的清晰度识别模型实现了端到端的图像清晰度识别，无需人工选取特征，处理流程简单，并且对清晰度识别网络的结构进行了设计，重点设计在于特征提取层和交叉注意力层。其中特征提取层能够提取目标图像的低级语义特征和高级语义特征，交叉注意力层能够基于低级语义特征和高级语义特征进行交叉注意力运算，运算得到的第一特征和第二特征用于后续处理。由于进行了低级语义特征和高级语义特征的交叉注意力运算，使得网络能够学习到低级语义特征和高级语义特征之间的关系，提高了网络识别图像清晰度的准确度。
下面对本公开实施例提供的图像清晰度识别方法、装置、电子设备及存储介质分别进行详细介绍。
参见图1，图1为本公开实施例提供的图像清晰度识别方法的一种流程示意图，如图1所示，包括以下步骤：
S101：获取目标图像，将目标图像输入预先训练的清晰度识别网络，得到清晰度识别结果；其中，清晰度识别网络包括：特征提取层、交叉注意力层、编码器层和输出层；特征提取层用于提取目标图像的低级语义特征和高级语义特征；交叉注意力层用于基于低级语义特征和高级语义特征进行交叉注意力运算，并将运算得到的第一特征和第二特征拼接，得到拼接特征；编码器层用于对拼接特征进行编码，得到编码特征；输出层用于基于编码特征，计算清晰度得分。
本公开实施例中，目标图像是需要进行清晰度识别的图像。清晰度识别网络是深度学习网络，网络结构包括：特征提取层、交叉注意力层、编码器层和输出层。
特征提取层可以是卷积网络结构，例如ResNet50(Deep residual network，深度残差网络)中的卷积结构，用于提取图像特征。
卷积网络可以提取图像不同级别的特征，本公开实施例中，特征提取层包括下采样倍数较小的卷积结构和下采样倍数较大的卷积结构，下采样倍数较小的卷积结构可以提取图像的低级语义特征，例如纹理、边缘等；下采样倍数较大的卷积结构可以提取图像的高级语义特征，例如猫的耳朵形状等。随着下采样倍数的增加，提取到的特征图(feature-map)的宽高尺寸缩小，数量增加。
本公开实施例中，交叉注意力层可以联合低级语义特征和高级语义特征进行交叉注意力运算。其中，交叉注意力运算是与自注意力运算(self-attention)相对的，交叉注意力运算与自注意力运算的区别在于：
自注意力运算是基于单个特征生成查询向量(query)、键向量(key)和值向量(value)，然后采用相关运算计算输出向量，输出向量被输入网络的后续层级。网络中设置自注意力运算的作用是：使网络学习到不同位置的特征之间的关系，提高网络识别能力。
例如，相关运算可以为缩放点积运算：
其中，H表示输出向量，V表示值向量，KT表示键向量的转置，Q表示查询向量，D表示特征向量的维度。
而本公开实施例中，交叉注意力运算是基于两个不同层级的特征(低级语义特征和高级语义特征)分别生成查询向量、键向量和值向量，然后基于低级语义特征的查询向量、高级语义特征的键向量、低级语义特征的值向量进行交叉运算；相应的，基于高级语义特征的查询向量、低级语义特征的键向量、高级语义特征的值向量进行交叉运算。从而得到第一特征和第二特征，并将第一特征和第二特征拼接，拼接特征被输入网络的后续层级。
本公开实施例中，清晰度识别网络中设置交叉注意力层的作用是：使网络学习到低级语义特征和高级语义特征之间的关系，并将这种关系用于清晰度的评估。也就是说，网络能够学习到特定的低级语义特征位于特定的高级语义特征时所表征的清晰度指标。
举例来讲，低级语义特征中的毛茸状的纹理特征，如果出现在猫、狗等动物的身上，属于正常现象，即不影响图像的清晰度；如果毛茸状的纹理特征出现在人脸上，属于不正常现象，会严重影响图像的清晰度。该例中，低级语义特征中毛茸状的纹理特征位于动物身体等高级语义特征时，表征的清晰度指标正常；低级语义特征中毛茸状的纹理特征位于人脸等高级语义特征时，表征的清晰度指标较差。
也就是说，本公开实施例中，分别提取低级语义特征和高级语义特征，并通过交叉注意力层，基于低级语义特征和高级语义特征进行交叉运算，运算结果被输入网络的后续层级，能够使网络学习到低级语义特征和高级语义特征之间的关系，以及特定低级语义特征位于特定高级语义特征时所表征的清晰度指标，从而提高清晰度识别的网络训练效果。采用训练好的清晰度识别网络进行图像识别，能够得到更为准确的清晰度识别结果。
此外，本公开实施例中，编码器层用于对拼接特征进行编码，得到编码特征。输出层用于基于编码特征，计算清晰度得分。
可见，本公开实施例中，采用深度学习的清晰度识别模型实现了端到端的图像清晰度识别，无需人工选取特征，处理流程简单，并且对清晰度识别网络的结构进行了设计，重点设计在于特征提取层和交叉注意力层。其中特征提取层能够提取目标图像的低级语义特征和高级语义特征，交叉注意力层能够基于低级语义特征和高级语义特征进行交叉注意力运算，运算得到的第一特征和第二特征用于后续处理。由于进行了低级语义特征和高级语义特征的交叉注意力运算，使得网络能够学习到低级语义特征和高级语义特征之间的关系，提高了网络识别图像清晰度的准确度。
本公开的一个实施例中，在特征提取层和交叉注意力层之间，还包括：位置编码层、展平层、多层感知器。
本公开实施例中，二维的特征图通过展平层(flatten)，得到一维化的特征数据。由于一维化的特征数据无法体现特征图中上下特征的位置关系，因此在通过展平层之前，先通过位置编码(Position Embedding)，位置编码用于标注特征数据的原始位置。
由于低级语义特征和高级语义特征的特征图的数目不同，为了便于进行交叉注意力运算，可以将一维化的低级语义特征和一维化的高级语义特征分别输入多层感知器，多层感知器的参数是预先设定的，能够对一维化的低级语义特征和一维化的高级语义特征进行特征处理，输出数目相同的一维特征图的数据。
在本公开的一个实施例中，编码器层可以包括Transformer网络中的自注意力层和前馈神经网络层。
在本公开的一个实施例中，输出层可以包括：线性变换层和回归层，回归层可以是softmax回归。
线性变换层对编码器层输出的特征进行线性变换，然后回归层基于线性变化后的特征，计算清晰度得分。
为了便于理解，下面结合图2对本公开实施例中图像清晰度识别进行进一步说明。
如图2所示，目标图像(规格为：宽高为W，H，通道数为3)被输入清晰度识别网络，经过特征提取层，分别得到低级语义特征(规格为：宽高为W/8，H/8，特征图数目为512)和高级语义特征(规格为：宽高为W/16，H/16，特征图数目为1024)，随后进行位置编码(PositionEmbedding)，展平(Flatten)和多层感知器(MLP)，得到数目相同的一维化的特征图，随后基于低级语义特征的一维化特征图(规格为：H*W/64，特征图数目为D)和高级语义特征的一维化特征图(规格为：H*W/256，特征图数目为D)进行交叉注意力运算(CrossStageAttn)，对于运算得到的规格为H*W/64，D的特征，再次经过多层感知器进行特征处理，输出规格为H*W/256，D的特征，随后将两个规格为H*W/256，D的特征进行拼接，拼接特征依次经过编码器层和输出层，得到清晰度识别结果，即清晰度得分(Quality Score)。
本公开的一个实施例中，提供了一种清晰度识别网络训练方法。
参见图3，图3为本公开实施例提供的清晰度识别网络训练方法的一种流程示意图，包括：
S301：获取第一样本图像、第一样本图像的第一清晰度标签和初始网络，第一样本图像是预先生成的失真图像，初始网络包括特征提取层、交叉注意力层、编码器层和输出层。
本公开实施例中，第一样本图像是在预先收集的清晰图像基础上，添加不同类型、不同程度的失真得到的。添加的失真可以是噪声、模糊等。
在添加失真后，可以根据添加失真的程度确定样本图像的清晰度标签，清晰度标签可以是清晰度的分值。例如，添加的失真程度越高，则清晰度分值越低。
作为一个示例，可以从AVA公开数据集中随机抽取1万张高清图像，在其基础上添加噪声、模糊等失真，得到20万张合成的失真图像，作为第一样本图像。
S302：基于第一样本图像以及第一清晰度标签对初始网络进行预训练，得到预训练网络。
本公开实施例中，可以采用第一样本图像以及对应的第一清晰度标签，对初始网络进行预训练。
在进行预训练之前，可以对图像数据进行预处理，包括填充、缩放和/或裁剪等方式。
作为一个示例，对宽高比过大或过小的图像填充黑色边框，随后将图像缩放至特定尺寸(例如416*416)，再在图像上随机裁剪出特定尺寸(例如384*384)的图像，做归一化处理，作为训练样本。
在预训练过程中，将样本图像输入初始网络，基于初始网络的输出结果，以及样本图像对应的清晰度标签，调整初始网络中的网络参数，直到满足预训练的终止条件。
本公开的一个实施例中，在完成预训练网络后，为了提高网络对真实图片的识别准确度，提高网络的泛化能力，可以基于真实图像进行进一步微调。
具体的，获取第二样本图像，基于预训练网络，评估第二样本图像的清晰度等级；基于清晰度等级，从第二样本图像中筛选出特定清晰度等级的第三样本图像；基于第三样本图像和人工标注的第三样本图像的清晰度标签，对预训练网络进行微调，得到清晰度识别网络。
其中，第二样本图像是预先收集的真实图像，大部分为正常图像，即清晰度等级为正常，也就是说清晰度等级为清晰和模糊的图像数目较少，这造成数据分布不均衡，不便于网络的训练。
因此，本公开中，先基于预训练网络，评估第二样本图像的清晰度等级，清晰度等级可以包括模糊、正常和清晰。具体的，将第二样本图像输入预训练网络，得到第二样本图像的清晰度等级，随后从中筛选特定清晰度等级的第三样本图像。其中，特定清晰度等级可以是模糊和清晰这两个等级。
随后基于第三样本图像和人工标注的第三样本图像的清晰度标签，对预训练网络进行微调，得到清晰度识别网络。
其中，对预训练网络进行微调的方式可以参见相关技术，具体可以是：冻结预训练网络中前几层的参数，再次训练剩余的网络层。例如，只训练最后的编码层或softmax层的参数。
可见，本公开实施例中，通过预训练网络筛选出特定清晰度等级的图像作为真实样本图像，缓解了数据的不均衡问题，节省了大量人力和时间。通过特定清晰度等级的真实样本图像对预训练网络进行微调，能够进一步提高网络对真实图片的清晰度识别的准确度，提高网络的泛化能力。
参见图4，图4是用来实现本公开实施例的图像清晰度识别的方法的装置的框图，装置可以包括：
获取模块401，用于获取目标图像，将所述目标图像输入预先训练的清晰度识别网络，得到清晰度识别结果；其中，所述清晰度识别网络包括：特征提取层、交叉注意力层、编码器层和输出层；所述特征提取层用于提取所述目标图像的低级语义特征和高级语义特征；所述交叉注意力层用于基于所述低级语义特征和高级语义特征进行交叉注意力运算，并将运算得到的第一特征和第二特征拼接，得到拼接特征；所述编码器层用于对所述拼接特征进行编码，得到编码特征；所述输出层用于基于所述编码特征，计算清晰度得分。
本公开的一个实施例中，所述特征提取层和交叉注意力层之间，还包括：位置编码层、展平层、多层感知器。
本公开的一个实施例中，编码器层包括：Transformer网络中的自注意力层和前馈神经网络层。
本公开的一个实施例中，所述输出层包括：线性变换层和回归层。
可见，本公开实施例中，采用深度学习的清晰度识别模型实现了端到端的图像清晰度识别，无需人工选取特征，处理流程简单，并且对清晰度识别网络的结构进行了设计，重点设计在于特征提取层和交叉注意力层。其中特征提取层能够提取目标图像的低级语义特征和高级语义特征，交叉注意力层能够基于低级语义特征和高级语义特征进行交叉注意力运算，运算得到的第一特征和第二特征用于后续处理。由于进行了低级语义特征和高级语义特征的交叉注意力运算，使得网络能够学习到低级语义特征和高级语义特征之间的关系，提高了网络识别图像清晰度的准确度。
参见图5，图5是用来实现本公开实施例的清晰度识别网络训练方法的装置的框图，如图5所示，装置可以包括：
第一获取模块501，用于获取第一样本图像、所述第一样本图像的第一清晰度标签和初始网络，所述第一样本图像是预先生成的失真图像；所述初始网络包括特征提取层、交叉注意力层、编码器层和输出层；
预训练模块502，用于基于所述第一样本图像以及所述第一清晰度标签对所述初始网络进行预训练，得到预训练网络。
本公开的一个实施例中，还包括：
第二获取模块，用于第二样本图像；
评估模块，用于基于所述预训练网络，评估所述第二样本图像的清晰度等级；
筛选模块，用于基于所述清晰度等级，从所述第二样本图像中筛选出特定清晰度等级的第三样本图像；
微调模块，用于基于所述第三样本图像和人工标注的第三样本图像的清晰度标签，对所述预训练网络进行微调，得到清晰度识别网络。
可见，本公开实施例中，通过预训练网络筛选出特定清晰度等级的图像作为真实样本图像，缓解了数据的不均衡问题，节省了大量人力和时间。通过特定清晰度等级的真实样本图像对预训练网络进行微调，能够进一步提高网络对真实图片的清晰度识别的准确度，提高网络的泛化能力。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
本公开提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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图像清晰度识别方法。
本公开提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行图像清晰度识别方法。
本公开提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现图像清晰度识别方法。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如图像清晰度识别方法。例如，在一些实施例中，图像清晰度识别方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的图像清晰度识别方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像清晰度识别方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (15)
1.一种图像清晰度识别方法，包括：
获取目标图像，将所述目标图像输入预先训练的清晰度识别网络，得到清晰度识别结果；
其中，所述清晰度识别网络包括：特征提取层、交叉注意力层、编码器层和输出层；
所述特征提取层用于提取所述目标图像的低级语义特征和高级语义特征；
所述交叉注意力层用于基于所述低级语义特征和高级语义特征进行交叉注意力运算，并将运算得到的第一特征和第二特征拼接，得到拼接特征；
所述编码器层用于对所述拼接特征进行编码，得到编码特征；
所述输出层用于基于所述编码特征，计算清晰度得分。
2.根据权利要求1所述的方法，其中，
所述特征提取层和交叉注意力层之间，还包括：
位置编码层、展平层、多层感知器。
3.根据权利要求1所述的方法，其中，所述编码器层包括：
Transformer网络中的自注意力层和前馈神经网络层。
4.根据权利要求1所述的方法，其中，所述输出层包括：线性变换层和回归层。
5.一种清晰度识别网络训练方法，包括：
获取第一样本图像、所述第一样本图像的第一清晰度标签和初始网络，所述第一样本图像是预先生成的失真图像；所述初始网络包括特征提取层、交叉注意力层、编码器层和输出层；
基于所述第一样本图像以及所述第一清晰度标签对所述初始网络进行预训练，得到预训练网络。
6.根据权利要求5所述的方法，还包括：
获取第二样本图像；
基于所述预训练网络，评估所述第二样本图像的清晰度等级；
基于所述清晰度等级，从所述第二样本图像中筛选出特定清晰度等级的第三样本图像；
基于所述第三样本图像和人工标注的第三样本图像的清晰度标签，对所述预训练网络进行微调，得到清晰度识别网络。
7.一种图像清晰度识别装置，包括：
获取模块，用于获取目标图像，将所述目标图像输入预先训练的清晰度识别网络，得到清晰度识别结果；
其中，所述清晰度识别网络包括：特征提取层、交叉注意力层、编码器层和输出层；
所述特征提取层用于提取所述目标图像的低级语义特征和高级语义特征；
所述交叉注意力层用于基于所述低级语义特征和高级语义特征进行交叉注意力运算，并将运算得到的第一特征和第二特征拼接，得到拼接特征；
所述编码器层用于对所述拼接特征进行编码，得到编码特征；
所述输出层用于基于所述编码特征，计算清晰度得分。
8.根据权利要求7所述的装置，其中，
所述特征提取层和交叉注意力层之间，还包括：
位置编码层、展平层、多层感知器。
9.根据权利要求7所述的装置，其中，所述编码器层包括：
Transformer网络中的自注意力层和前馈神经网络层。
10.根据权利要求7所述的装置，其中，所述输出层包括：线性变换层和回归层。
11.一种清晰度识别网络训练装置，包括：
第一获取模块，用于获取第一样本图像、所述第一样本图像的第一清晰度标签和初始网络，所述第一样本图像是预先生成的失真图像；所述初始网络包括特征提取层、交叉注意力层、编码器层和输出层；
预训练模块，用于基于所述第一样本图像以及所述第一清晰度标签对所述初始网络进行预训练，得到预训练网络。
12.根据权利要求11所述的装置，还包括：
第二获取模块，用于第二样本图像；
评估模块，用于基于所述预训练网络，评估所述第二样本图像的清晰度等级；
筛选模块，用于基于所述清晰度等级，从所述第二样本图像中筛选出特定清晰度等级的第三样本图像；
微调模块，用于基于所述第三样本图像和人工标注的第三样本图像的清晰度标签，对所述预训练网络进行微调，得到清晰度识别网络。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令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权利要求1-6中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111131311.8A CN113837965B (zh) | 2021-09-26 | 2021-09-26 | 图像清晰度识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111131311.8A CN113837965B (zh) | 2021-09-26 | 2021-09-26 | 图像清晰度识别方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113837965A true CN113837965A (zh) | 2021-12-24 |
| CN113837965B CN113837965B (zh) | 2024-06-18 |
Family
ID=78970194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111131311.8A Active CN113837965B (zh) | 2021-09-26 | 2021-09-26 | 图像清晰度识别方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113837965B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115601620A (zh) * | 2022-10-24 | 2023-01-13 | 北京百度网讯科技有限公司（Cn） | 特征融合方法、装置、电子设备及计算机可读存储介质 |
| CN116188392A (zh) * | 2022-12-30 | 2023-05-30 | 阿里巴巴（中国）有限公司 | 图像处理方法、计算机可读存储介质以及计算机终端 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016029796A1 (zh) * | 2014-08-27 | 2016-03-03 | 阿里巴巴集团控股有限公司 | 识别视频图像中的商品和展示其信息的方法、装置及系统 |
| US20180137642A1 (en) * | 2016-11-15 | 2018-05-17 | Magic Leap, Inc. | Deep learning system for cuboid detection |
| US20190163747A1 (en) * | 2017-11-30 | 2019-05-30 | Samsung Electronics Co., Ltd. | Language model translation and training method and apparatus |
| CN109919080A (zh) * | 2019-03-05 | 2019-06-21 | 南京航空航天大学 | 多解码器全卷积神经网络及其相应的细观结构识别方法 |
| CN110210485A (zh) * | 2019-05-13 | 2019-09-06 | 常熟理工学院 | 基于注意力机制指导特征融合的图像语义分割方法 |
| CN111563507A (zh) * | 2020-04-14 | 2020-08-21 | 浙江科技学院 | 一种基于卷积神经网络的室内场景语义分割方法 |
| CN111753822A (zh) * | 2019-03-29 | 2020-10-09 | 北京市商汤科技开发有限公司 | 文本识别方法及装置、电子设备和存储介质 |
| CN111899263A (zh) * | 2020-07-14 | 2020-11-06 | 深圳大学 | 图像分割方法、装置、计算机设备及存储介质 |
| CN112016543A (zh) * | 2020-07-24 | 2020-12-01 | 华为技术有限公司 | 一种文本识别网络、神经网络训练的方法以及相关设备 |
| CN112116594A (zh) * | 2020-09-10 | 2020-12-22 | 福建省海峡智汇科技有限公司 | 一种基于语义分割的风飘异物识别方法和装置 |
| CN112464931A (zh) * | 2020-11-06 | 2021-03-09 | 马上消费金融股份有限公司 | 文本检测方法、模型训练方法及相关设备 |
| CN112949369A (zh) * | 2020-11-17 | 2021-06-11 | 杭州电子科技大学 | 一种基于人机协同的海量人脸图库检索方法 |
| CN112990219A (zh) * | 2021-03-25 | 2021-06-18 | 北京百度网讯科技有限公司 | 用于图像语义分割的方法和装置 |
| CN113165178A (zh) * | 2018-11-28 | 2021-07-23 | 谷歌有限责任公司 | 使用高级策略模型和经训练的低级策略模型进行机器人导航 |
| CN113436137A (zh) * | 2021-03-12 | 2021-09-24 | 北京世纪好未来教育科技有限公司 | 一种图像清晰度识别方法、装置、设备及介质 |
-
2021
- 2021-09-26 CN CN202111131311.8A patent/CN113837965B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016029796A1 (zh) * | 2014-08-27 | 2016-03-03 | 阿里巴巴集团控股有限公司 | 识别视频图像中的商品和展示其信息的方法、装置及系统 |
| US20180137642A1 (en) * | 2016-11-15 | 2018-05-17 | Magic Leap, Inc. | Deep learning system for cuboid detection |
| US20190163747A1 (en) * | 2017-11-30 | 2019-05-30 | Samsung Electronics Co., Ltd. | Language model translation and training method and apparatus |
| CN113165178A (zh) * | 2018-11-28 | 2021-07-23 | 谷歌有限责任公司 | 使用高级策略模型和经训练的低级策略模型进行机器人导航 |
| CN109919080A (zh) * | 2019-03-05 | 2019-06-21 | 南京航空航天大学 | 多解码器全卷积神经网络及其相应的细观结构识别方法 |
| CN111753822A (zh) * | 2019-03-29 | 2020-10-09 | 北京市商汤科技开发有限公司 | 文本识别方法及装置、电子设备和存储介质 |
| CN110210485A (zh) * | 2019-05-13 | 2019-09-06 | 常熟理工学院 | 基于注意力机制指导特征融合的图像语义分割方法 |
| CN111563507A (zh) * | 2020-04-14 | 2020-08-21 | 浙江科技学院 | 一种基于卷积神经网络的室内场景语义分割方法 |
| CN111899263A (zh) * | 2020-07-14 | 2020-11-06 | 深圳大学 | 图像分割方法、装置、计算机设备及存储介质 |
| CN112016543A (zh) * | 2020-07-24 | 2020-12-01 | 华为技术有限公司 | 一种文本识别网络、神经网络训练的方法以及相关设备 |
| CN112116594A (zh) * | 2020-09-10 | 2020-12-22 | 福建省海峡智汇科技有限公司 | 一种基于语义分割的风飘异物识别方法和装置 |
| CN112464931A (zh) * | 2020-11-06 | 2021-03-09 | 马上消费金融股份有限公司 | 文本检测方法、模型训练方法及相关设备 |
| CN112949369A (zh) * | 2020-11-17 | 2021-06-11 | 杭州电子科技大学 | 一种基于人机协同的海量人脸图库检索方法 |
| CN113436137A (zh) * | 2021-03-12 | 2021-09-24 | 北京世纪好未来教育科技有限公司 | 一种图像清晰度识别方法、装置、设备及介质 |
| CN112990219A (zh) * | 2021-03-25 | 2021-06-18 | 北京百度网讯科技有限公司 | 用于图像语义分割的方法和装置 |
Non-Patent Citations (2)
| Title |
|---|
| 席一帆;孙乐乐;何立明;吕悦;: "基于改进Deeplab V3+网络的语义分割", 计算机系统应用, no. 09, 15 September 2020 (2020-09-15) * |
| 王启发;王中卿;李寿山;周国栋;: "基于交叉注意力机制和新闻正文的评论情感分类", 计算机科学, no. 10 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115601620A (zh) * | 2022-10-24 | 2023-01-13 | 北京百度网讯科技有限公司（Cn） | 特征融合方法、装置、电子设备及计算机可读存储介质 |
| CN116188392A (zh) * | 2022-12-30 | 2023-05-30 | 阿里巴巴（中国）有限公司 | 图像处理方法、计算机可读存储介质以及计算机终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113837965B (zh) | 2024-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110163080B (zh) | 人脸关键点检测方法及装置、存储介质和电子设备 | |
| US20230081645A1 (en) | Detecting forged facial images using frequency domain information and local correlation | |
| CN113971751A (zh) | 训练特征提取模型、检测相似图像的方法和装置 | |
| CN111488985A (zh) | 深度神经网络模型压缩训练方法、装置、设备、介质 | |
| US20230162477A1 (en) | Method for training model based on knowledge distillation, and electronic device | |
| CN113379627A (zh) | 图像增强模型的训练方法和对图像进行增强的方法 | |
| CN113837965B (zh) | 图像清晰度识别方法、装置、电子设备及存储介质 | |
| US20220245764A1 (en) | Method for image super-resolution, device and storage medium | |
| CN112989995B (zh) | 文本检测方法、装置及电子设备 | |
| CN111881944A (zh) | 图像鉴别的方法、电子设备和计算机可读介质 | |
| CN113239807B (zh) | 训练票据识别模型和票据识别的方法和装置 | |
| US20230102804A1 (en) | Method of rectifying text image, training method, electronic device, and medium | |
| CN112561879A (zh) | 模糊度评价模型训练方法、图像模糊度评价方法及装置 | |
| US20220319141A1 (en) | Method for processing image, device and storage medium | |
| CN114429637B (zh) | 一种文档分类方法、装置、设备及存储介质 | |
| CN114913339B (zh) | 特征图提取模型的训练方法和装置 | |
| CN115578614A (zh) | 图像处理模型的训练方法、图像处理方法和装置 | |
| CN114005019B (zh) | 一种翻拍图像识别方法及其相关设备 | |
| CN114529750A (zh) | 图像分类方法、装置、设备及存储介质 | |
| CN114511862B (zh) | 表格识别方法、装置及电子设备 | |
| CN116363641A (zh) | 一种图像处理方法、装置及电子设备 | |
| CN116245769A (zh) | 图像处理方法、装置、设备以及存储介质 | |
| CN115019321A (zh) | 一种文本识别、模型训练方法、装置、设备及存储介质 | |
| CN114724144A (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
| CN114419327A (zh) | 图像检测方法和图像检测模型的训练方法、装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |