(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210345355.9 (22)申请日 2022.03.31 (71)申请人 度小满科技 （北京） 有限公司 地址 100085 北京市海淀区西北旺路10号 院西区4号楼6层6 06 (72)发明人 要智敏　杨青　 (74)专利代理 机构 北京知帆远景知识产权代理 有限公司 1 1890 专利代理师 刘岩磊 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/774(2022.01) G06V 10/776(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 图像质量的确定方法、 装置、 终端及存储介 质 (57)摘要 本申请公开了一种图像质量的确定方法、 装 置、 终端及存储介质， 方法包括： 接收原始图像； 对原始图像进行预处理， 得到多个子图像； 利用 第一场景图像数据集和第二场景图像数据集对 初始孪生网络模 型进行训练， 确定目标孪生网络 模型； 基于多个子图像和目标孪生网络模型， 确 定原始图像的图像质量。 本发明的目标孪生网络 模型包括两个网络模型， 两个网络模 型通过互相 监督学习， 增强了两个网络对不同场景下图像数 据的泛化能力， 此外， 目标孪生网络模型可支持 不同尺寸的图像的质量检测。 当原始图像为任意 场景图像时， 目标孪生网络模型均能有效输出其 图像质量类型， 且不会因图像尺 寸问题影响图像 质量的确定， 提高了图像质量确定的准确性。 权利要求书3页 说明书11页 附图6页 CN 114926674 A 2022.08.19 CN 114926674 A 1.一种图像质量的确定方法， 其特 征在于， 包括： 接收原始图像； 对所述原 始图像进行 预处理， 得到多个子图像； 利用第一场景图像数据集和第 二场景图像数据集对初始孪生网络模型进行训练， 确定 目标孪生网络模型， 其中， 所述第一场景图像数据集包括第一场景图像对应的图像质量数 据； 基于所述多个子图像和所述目标孪生网络模型， 确定所述原 始图像的图像质量。 2.如权利要求1所述图像质量的确定方法， 其特征在于， 所述对所述原始图像进行预处 理， 得到多个子图像， 包括： 将所述原 始图像进行格式转换， 得到格式转换后的原 始图像； 利用预设滑窗对所述格式转换后的原 始图像进行滑窗处 理， 得到多个子图像。 3.如权利要求2所述图像质量的确定方法， 其特征在于， 所述利用第 一场景图像数据集 和第二场景图像数据集对初始孪生网络模型进行训练， 确定目标孪生网络模型， 包括： 将所述第一场景图像数据集和所述第二场景图像数据集进行融合， 得到融合数据集； 对所述融合数据集中的数据进行提取， 得到第 一融合数据集和第二融合数据集， 其中， 所述第一融合数据集中包含的第一场景图像数据的数量大于所述第二场景图像数据集中 的数据的数量， 所述第二融合数据集中包含的第二场景图像数据的数量大于所述第二场景 图像数据集中的数据的数量； 将所述第二场景图像数据集和所述第一融合数据集中的数据输入到所述初始孪生网 络模型中的第一网络中， 得到第一输出结果， 并同时将所述第二场景图像数据集和所述第 二融合数据集中的数据输入到所述初始孪生网络模型中的第二网络中， 得到第二输出结 果； 基于所述第一输出 结果、 所述第二输出 结果和预设损失函数， 确定目标孪生网络模型。 4.如权利要求3所述图像质量的确定方法， 其特征在于， 所述第 一输出结果包括所述第 二场景图像数据集对应的子第一输出结果和所述第一融合数据集对应的子第二输出结果， 所述第二输出结果包括第二场景图像数据集对应的子第三输出结果和所述第二融合数据 集对应的子第四输出 结果； 所述基于所述第 一输出结果、 所述第 二输出结果和预设函数， 确定目标孪生网络模型， 包括： 分别基于所述子第 一输出结果和所述子第 三输出结果， 确定子第五输出结果和子第六 输出结果； 利用所述预设损 失函数对所述子第一输出结果、 所述子第二输出结果、 所述子第三输 出结果、 所述子第四输出结果、 所述子第五输出结果和所述子第六输出结果进 行迭代更新， 得到初始拟合结果； 在所述初始拟合结果满足预设拟合结果的情况下， 将所述初始孪生网络模型作为所述 目标孪生网络模型。 5.如权利要求4所述图像质量的确定方法， 其特征在于， 所述分别基于所述子第 一输出 结果和所述子第三输出 结果， 确定 子第五输出 结果和子第六输出 结果， 包括： 分别选取所述子第一输出结果和所述子第三输出结果中分值最高的图像对应的图像权　利　要　求　书 1/3 页 2 CN 114926674 A 2质量类型， 得到第一图像质量类型和第二图像质量类型； 将所述第一图像质量类型、 所述第一图像质量类型对应的分值、 标签数据以及阈值作 为所述子第五输出 结果； 将所述第二图像质量类型、 所述第二图像质量类型对应的分值、 标签数据以及阈值作 为所述子第六输出 结果。 6.如权利要求5所述图像质量的确定方法， 其特征在于， 所述预设损失函数包括第 一损 失函数、 第二损失函数、 第三损失函数、 第四损失函数和第五损失函数， 所述初始拟合结果 包括第一拟合结果、 第二拟合结果、 第三拟合结果、 第四拟合结果和第五拟合结果； 所述利用所述预设损 失函数对所述子第一输出结果、 所述子第二输出结果、 所述子第 三输出结果、 所述子第四输出结果、 所述子第 五输出结果和所述子第六输出结果进行迭代 更新， 得到初始拟合结果， 包括： 将所述子第 二输出结果、 所述第 一图像质量类型以及所述第 一图像质量类型对应的标 签数据输入所述第一损失函数， 得到所述第一拟合结果； 将所述子第 三输出结果、 所述第 一图像质量类型以及所述第 一图像质量类型对应的分 值、 阈值输入所述第二损失函数， 得到所述第二拟合结果； 将所述子第 一输出结果、 所述第 二图像质量类型以及所述第 二图像质量类型对应的分 值、 阈值输入所述第三损失函数， 得到所述第三拟合结果； 将所述子第四输出结果、 所述第 二图像质量类型以及所述第 二图像质量类型对应的标 签数据输入所述第四损失函数， 得到所述第四拟合结果； 将所述子第 一输出结果和所述子第 三输出结果输入所述第五损失函数， 得到所述第五 拟合结果。 7.如权利要求6所述图像质量的确定方法， 其特征在于， 所述基于所述多个子图像和所 述目标孪生网络模型， 确定所述原 始图像的图像质量， 包括： 将所述多个子 图像输入所述目标孪生网络模型中的第一网络， 得到多个目标结果， 其 中， 所述多个子图像与所述多个目标 结果一一对应； 从所述多个目标结果中的每个目标结果中提取图像质量类型对应的分值， 得到多个子 图像中的每 个子图像对应的图像质量类型对应的分值； 将所述每个子图像对应的图像质量类型对应的分值与 预设标准分值进行比较， 确定所 述每个子图像对应的图像质量类型； 基于所述每 个子图像对应的图像质量类型， 确定所述原 始图像的图像质量。 8.如权利要求1 ‑7中任一项所述图像质量的确定方法， 其特征在于， 所述原始图像为 RGB图像。 9.一种图像质量的确定装置， 其特 征在于， 包括： 图像接收模块， 用于 接收原始图像； 图像预处 理模块， 用于对所述原 始图像进行 预处理， 得到多个子图像； 模型训练模块， 用于利用第 一场景图像数据集和第 二场景图像数据集对初始孪生网络 模型进行训练， 确定目标孪生网络模型， 其中， 所述第一场景图像数据集包括第一场景图像 对应的图像质量数据； 图像质量确定模块， 用于基于所述多个子 图像和所述目标孪生网络模型， 确定所述原权　利　要　求　书 2/3 页 3 CN 114926674 A 3