图像质量检测方法、装置、电子设备和存储介质与流程

本发明涉及图像，尤其涉及一种图像质量检测方法、装置、电子设备和存储介质。

背景技术：

1、随着生成式人工智能内容（artificial intelligence generated content，aigc）在电商素材生产链路中的大规模落地，针对线上商品原图加工得到的白底图、透底图、生成场景图等图像素材，需要在图像素材进入投放或上线之前完成自动化合规与质量审核。

2、相关技术中，通常基于获取的所有样本加工图像和对各样本加工图像进行标注的审核标签训练得到图像质检模型，再基于训练好的图像质检模型对加工图像进行质量检测。

3、但上述相关技术中，基于所有样本加工图像和各样本加工图像的审核标签训练图像质检模型，导致图像质检模型容易在简单样本上过拟合，对易混淆或模糊样本泛化能力有限，从而降低了图像质量检测的准确性。

技术实现思路

1、本发明提供一种图像质量检测方法、装置、电子设备和存储介质，用以解决现有技术中降低图像质量检测的准确性的缺陷。

2、本发明提供一种图像质量检测方法，包括如下步骤。

3、获取待检测信息，所述待检测信息包括原图像和加工图像，所述加工图像为对所述原图像进行加工得到的；

4、将所述待检测信息输入图像质检模型中，得到所述图像质检模型输出的针对所述加工图像的质量检测结果，所述图像质检模型是基于至少一个目标训练样本和各所述目标训练样本对应的审核标签训练得到的，所述目标训练样本包括至少一个目标档位对应的初始训练样本，所述目标档位为从所有档位中筛选的初始训练样本的标注正确率大于预设准确率、且非极端档位的档位，所述档位是基于所有初始训练样本各自对应的一致比例确定的，所述一致比例是基于所述初始训练样本的多个初始质量检测结果与所述初始训练样本对应的审核标签确定的。

5、根据本发明提供的一种图像质量检测方法，所述将所述待检测信息输入图像质检模型中，得到所述图像质检模型输出的针对所述加工图像的质量检测结果，包括：

6、将所述待检测信息和提示信息输入所述图像质检模型中，通过所述图像质检模型对所述待检测信息进行第一预设数量次的独立采样，得到各独立采样对应的初始质量检测结果，所述提示信息用于提示所述图像质检模型输出各审核维度的最终审核分析信息，所述初始质量检测结果包括初始综合审核结果和各所述审核维度的初始审核信息，所述初始审核信息包括初始审核结果和对应的初始审核分析信息；

7、对所有所述初始综合审核结果取众数，得到最终综合审核结果；

8、针对各所述审核维度，对所述审核维度的各初始审核结果取众数，得到所述审核维度的最终审核结果；

9、基于所述审核维度的各所述初始审核分析信息，确定所述审核维度的最终审核分析信息；

10、基于所述最终综合审核结果、各所述审核维度的最终审核结果和各所述审核维度的最终审核分析信息，确定所述质量检测结果。

11、根据本发明提供的一种图像质量检测方法，所述初始质量检测结果还包括置信度，所述置信度是基于与所述最终综合审核结果相同的所有初始综合审核结果的数量和所述第一预设数量的比值确定的；

12、所述基于所述最终综合审核结果、各所述审核维度的最终审核结果和各所述审核维度的最终审核分析信息，确定所述质量检测结果，包括：

13、基于所述最终综合审核结果、各所述审核维度的最终审核结果、各所述审核维度的最终审核分析信息和所述置信度，确定所述质量检测结果。

14、根据本发明提供的一种图像质量检测方法，所述基于所述审核维度的各所述初始审核分析信息，确定所述审核维度的最终审核分析信息，包括：

15、获取与所述最终审核结果相同的所有目标初始审核结果；

16、将所有所述目标初始审核结果各自对应的初始审核分析信息进行统计，得到最高频次对应的初始审核分析信息；

17、将所述最高频次对应的初始审核分析信息确定为所述最终审核分析信息。

18、根据本发明提供的一种图像质量检测方法，所述目标训练样本对应的审核标签包括综合审核标签和各审核维度的子审核标签；所述图像质检模型是基于如下方式训练得到的：

19、将所述目标训练样本输入第一初始图像质检模型中，得到所述第一初始图像质检模型输出的预测质量检测结果，所述预测质量检测结果包括预测综合审核结果和各所述审核维度的预测审核结果；

20、基于所述预测综合审核结果和所述目标训练样本对应的综合审核标签，构建综合审核奖励；

21、基于各所述审核维度的预测审核结果和各所述审核维度的子审核标签，确定维度审核奖励；

22、基于所述综合审核奖励和所述维度审核奖励，对所述第一初始图像质检模型的模型参数进行迭代调整，得到所述图像质检模型。

23、根据本发明提供的一种图像质量检测方法，所述基于各所述审核维度的预测审核结果和各所述审核维度的子审核标签，确定维度审核奖励，包括：

24、在所述目标训练样本对应的所有子审核标签中存在表征审核不通过的至少一个目标子审核标签的情况下，在所有所述审核维度的预测审核结果中筛选表征审核不通过的所有目标预测审核结果，并基于所有所述目标预测审核结果和所有所述目标子审核标签，确定所述维度审核奖励；

25、在所述目标训练样本对应的所有子审核标签中不存在表征审核不通过的目标子审核标签的情况下，基于所有所述目标预测审核结果的数量确定所述维度审核奖励。

26、根据本发明提供的一种图像质量检测方法，所述基于所述综合审核奖励和所述维度审核奖励，对所述第一初始图像质检模型的模型参数进行迭代调整，得到所述图像质检模型，包括：

27、基于所述预测质量检测结果的输出格式与预设输出格式，确定硬格式门控奖励；

28、基于所述综合审核奖励、所述维度审核奖励和所述硬格式门控奖励，对所述第一初始图像质检模型的模型参数进行迭代调整，得到所述图像质检模型。

29、根据本发明提供的一种图像质量检测方法，所述基于所述综合审核奖励、所述维度审核奖励和所述硬格式门控奖励，对所述第一初始图像质检模型的模型参数进行迭代调整，得到所述图像质检模型，包括：

30、基于所述预测质量检测结果的输出长度与预设输出长度范围，确定软长度奖励，所述预设输出长度范围与所述第一初始图像质检模型的输出长度范围相同；

31、基于所述综合审核奖励、所述维度审核奖励、所述硬格式门控奖励和所述软长度奖励，对所述第一初始图像质检模型的模型参数进行迭代调整，得到所述图像质检模型。

32、根据本发明提供的一种图像质量检测方法，所述方法还包括：

33、针对各所述初始训练样本，将所述初始训练样本输入第二初始图像质检模型中，通过所述第二初始图像质检模型对所述初始训练样本进行第二预设数量次的独立采样，得到各独立采样对应的所述初始质量检测结果；

34、基于各所述初始质量检测结果与所述初始训练样本对应的审核标签，确定所述初始训练样本对应的所述一致比例；

35、将所述初始训练样本对应所有所述一致比例离散化为多个所述档位；

36、针对各所述档位，确定所述档位对应的所有初始训练样本的标注准确率；

37、基于大于所述预设准确率的标注准确率对应的档位，确定所述目标档位；

38、将所述目标档位对应的初始训练样本确定为所述目标训练样本。

39、本发明还提供一种图像质量检测装置，包括：

40、获取单元，用于获取待检测信息，所述待检测信息包括原图像和加工图像，所述加工图像为对所述原图像进行加工得到的；

41、第一检测单元，用于将所述待检测信息输入图像质检模型中，得到所述图像质检模型输出的针对所述加工图像的质量检测结果，所述图像质检模型是基于至少一个目标训练样本和各所述目标训练样本对应的审核标签训练得到的，所述目标训练样本包括至少一个目标档位对应的初始训练样本，所述目标档位为从所有档位中筛选的初始训练样本的标注正确率大于预设准确率、且非极端档位的档位，所述档位是基于所有初始训练样本各自对应的一致比例确定的，所述一致比例是基于所述初始训练样本的多个初始质量检测结果与所述初始训练样本对应的审核标签确定的。

42、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述图像质量检测方法。

43、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述图像质量检测方法。

44、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述图像质量检测方法。

45、本发明提供的图像质量检测方法、装置、电子设备和存储介质，获取包括原图像和加工图像的待检测信息，将待检测信息输入图像质检模型中，得到图像质检模型输出的针对加工图像的质量检测结果，图像质检模型是基于至少一个目标训练样本和各目标训练样本对应的审核标签训练得到的，目标训练样本包括至少一个目标档位对应的初始训练样本，目标档位为从所有档位中筛选的初始训练样本的标注正确率大于预设准确率、且非极端档位的档位，档位是基于所有初始训练样本各自对应的一致比例确定的，一致比例是基于初始训练样本的多个初始质量检测结果与初始训练样本对应的审核标签确定的。可知，本发明基于一致比例对所有初始训练样本进行分档，仅将标注正确率大于预设准确率、且非极端档位的目标档位的初始训练样本作为参与训练的目标训练样本，自动剔除标注有误、模型完全不掌握和充分掌握的极端档位的初始训练样本，实现了难样本的挖掘，显著提升训练阶段的有效信息密度，从而提高了训练得到的图像质检模型的准确性，也就提高了图像质量检测的准确性。