【技术实现步骤摘要】
本申请涉及计算机，具体而言，本申请涉及一种图像质量评价模型创建方法及图像质量评价方法、装置、电子设备及存储介质。
技术介绍
1、在图像处理和计算机视觉领域，图像质量评估(iqa)一直是一个重要且具有挑战性的任务。传统的图像质量评估方法主要依赖于数学模型，通过计算图像的质量或相似度分数来评价图像的质量。然而，这些方法存在明显的缺陷，无法全面、准确地反映图像质量的复杂性和多样性。
2、首先，图像质量受到多种因素的影响，包括噪声、色彩失真、伪影等。这些因素在图像中的表现形式和程度各不相同，无法通过简单的分数进行有效表达。例如，在两个图像中，虽然两者都存在一定的质量问题，但一个图像主要表现为噪声，而另外一个图像则存在色彩失真和伪影。传统的图像质量评估方法往往难以区分这些差异，导致评估结果不够准确。
3、其次，人类评价者在评估图像质量时，通常会经历一个复杂的推理过程。他们首先会识别图像中的失真类型，然后衡量这些失真对整体视觉质量的影响，最后根据这些信息得出评估结论。然而，现有的图像质量评估方法往往忽略了这一推理过程，仅仅比较两幅图像的质量分数，无法准确反映人类评价者的主观感受。
4、由上可知，如何提高对于图像质量评价过程中的准确率仍有待解决。
技术实现思路
1、本申请各提供了一种图像质量评价模型创建方法及图像质量评价方法、装置、电子设备及存储介质，可以解决相关技术中存在的对于图像质量评价过程中的准确率的问题。所述技术方案如下：
2、根据本申请的
3、根据本申请的一个方面，一种图像质量评价模型创建装置，包括：
4、退化模块，获取高质量训练图像，用于将所述高质量训练图像进行退化，获取对应的低质量训练图像以及对应的退化语义信息；
5、文本数据生成模块，基于所述退化语义信息与所述低质量训练图像结合提示词输入到人工智能进行描述，用于生成包含质量评价信息的文本数据；
6、训练模块，基于多次获取文本数据获取对应的文本训练数据集合，调取预训练模型作为质量评价基础模型，用于将所述文本训练数据集合输入到质量评价基础模型使用梯度下降法进行训练，直至收敛，确定对应的目标图像质量评价模型。
7、在一示例性实施例中，在所述基于所述退化语义信息与所述低质量训练图像结合提示词输入到人工智能进行描述，生成包含质量评价信息的文本数据的过程中，其中，文本数据包括质量描述文本数据、质量对比文本数据以及比较推理文本数据，在获取质量描述文本数据的过程，装置包括但不限于：
8、描述问卷调取模块，用于调取预设的对于图像进行质量描述的图像质量描述问卷，其中，所述图像质量问卷中包括对于图像的纹理、扭曲以及整体质量的描述；
9、质量评价选项确定模块，调取所述退化语义信息与所述低质量训练图像，标注员基于所述退化语义信息与所述低质量训练图像在图像质量描述问卷用于进行确定对应的质量评价选项，其中，质量评价选项有多个，分别对应所述低质量训练图像的纹理、扭曲以及整体质量进行描述，将多个所述质量评价选项确定为提示词；
10、质量描述文本生成模块，将所述低质量训练图像与所述提示词输入到人工智能用于生成对应的质量描述文本数据。
11、在一示例性实施例中，在获取质量对比文本数据的过程，装置包括但不限于：
12、对比问卷调取模块，用于调取预设的对于图像进行质量对比的图像质量对比问卷，其中，图像质量对比问卷为描述低质量训练图像与对比图像的质量对比结果描述；
13、质量对比结果确定模块，用于调取所述低质量训练图像，标注员基于所述低质量训练图像与对比图像对图像质量对比问卷进行填写，用于确定对应的图像质量对比结果；
14、质量对比文本生成模块，将所述图像质量对比结果输入到人工智能用于生成对应的质量对比文本数据。
15、在一示例性实施例中，在获取比较推理文本数据的过程，装置包括但不限于：
16、推理问卷调取模块，用于调取预设的对于图像进行质量推理的图像比较推理问卷，其中，图像比较推理问卷为描述低质量训练的质量总体情况；
17、比较推理结果确定模块，调取所述低质量训练图像与所述对比图像，标注员基于所述低质量训练图像与对比图像对图像比较推理问卷进行填写，用于确定对应的图像比较推理结果；
18、比较推理文本生成模块，将所述图像比较推理结果输入到人工智能用于生成对应的比较推理文本数据。
19、在一示例性实施例中，装置包括但不限于：
20、判断模块，调取比较推理文本数据，并用于判断比较推理文本数据是否作为文本数据的条件；
21、若满足，则将所述比较推理文本数据确定为本文数据；
22、若不满足，则对所述比较推理文本数据进行修改，并将修改后的比较推理文本数据确定为文本数据。
23、根据本申请的一个方面，一种图像质量评价方法，包括：获取目标低质量图像；调取目标图像质量评价模型，将所述目标低质量图像输入到目标图像质量评价模型中，获取对应的目标图像质量描述数据。
24、根据本申请的一个方面，一种图像质量评价装置，包括：
25、图像获取模块，用于获取目标低质量图像；
26、图像描述获取模块，调取目标图像质量评价模型，将所述目标低质量图像输入到目标图像质量评价模型中，用于获取对应的目标图像质量描述数据。
27、根据本申请的一个方面，一种电子设备，包括至少一个处理器以及至少一个存储器，其中，所述存储器上存储有计算机可读指令；所述计算机可读指令被一个或多个所述处理器执行，使得电子设备实现如上所述的图像质量评价模型创建方法及图像质量评价方法。
28、根据本申请的一个方面，一种存储介质，其上存储有计算机可读指令，所述计算机可读指令被一个或多个处理器执行，以实现如上所述的图像质量评价模型创建方法及图像质量评价方法。
29、根据本申请的一个方面，一种计算机程序产品，计算机程序产品包括计算机可读指令，计算机可读指令存储在存储介质中，电子设备的一个或多个处理器从存储介质读取计算机可读指令，加载并执行该计算机可读指令，使得电子设备实现如上所述的图像质量评价模型创建方法及图像质量评价方法。
30、本申请提供的技术方案带来的有益效果是：获取高质量训练图像，将所述高质量训练图像进行退化，获取对应的低质量训练图像以及对应的退化语义信息；基本文档来自技高网...
【技术保护点】
1.一种图像质量评价模型创建方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在所述基于所述退化语义信息与所述低质量训练图像结合提示词输入到人工智能进行描述，生成包含质量评价信息的文本数据的过程中，其中，文本数据包括质量描述文本数据、质量对比文本数据以及比较推理文本数据，在获取质量描述文本数据的过程，还包括：
3.如权利要求2所述的方法，其特征在于，在获取质量对比文本数据的过程，还包括：
4.如权利要求3所述的方法，其特征在于，在获取比较推理文本数据的过程，还包括：
5.如权利要求4所述的方法，其特征在于，在所述将所述图像比较推理结果输入到人工智能生成对应的比较推理文本数据的过程后，还包括：
6.一种图像质量评价方法，其特征在于，包括：
7.一种图像质量评价模型创建装置，其特征在于，包括：
8.一种图像质量评价装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：至少一个处理器以及至少一个存储器，其中，
10.一种存储介质，其上存储有计算机可读指令，
...【技术特征摘要】
1.一种图像质量评价模型创建方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，在所述基于所述退化语义信息与所述低质量训练图像结合提示词输入到人工智能进行描述，生成包含质量评价信息的文本数据的过程中，其中，文本数据包括质量描述文本数据、质量对比文本数据以及比较推理文本数据，在获取质量描述文本数据的过程，还包括：
3.如权利要求2所述的方法，其特征在于，在获取质量对比文本数据的过程，还包括：
4.如权利要求3所述的方法，其特征在于，在获取比较推理文本数据的过程，还包括：
5.如权利要求4所述的方法，...
【专利技术属性】
技术研发人员：尤志远，李哲远，顾津锦，薛天帆，尹榛菲，董超，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。