条带噪声检测模型训练方法、条带噪声检测方法及装置与流程

本公开涉及人工智能，具体涉及计算机视觉、图像处理、深度学习、视频质检、智能推荐等。

背景技术：

1、随着互联网技术的飞速发展，海量视频资源、图片资源被上传到网络中，大大增加了推荐搜索技术的难度，为了有效满足和提升不同用户的搜索体验，我们需要为用户提供质量较高的资源。然而，由于用户上传的视频可能受到工频干扰、系统内部电压不平衡或传输问题等外因，或因监控摄像机长期外露、不间断的工作特点引起图像传感器校准偏差、内部电流不平衡以及系统噪声或振动等内因，导致视频中存在各类条带噪声问题。因此，如何从海量视频资源高效且准确地检测条带噪声问题，成为亟待解决的技术问题。

技术实现思路

1、本公开提供了一种条带噪声检测模型训练方法、条带噪声检测方法及装置。

2、根据本公开的第一方面，提供了一种条带噪声检测模型训练方法，包括：获取第一样本数据集，该第一样本数据集包括多个第一样本图像，每个第一样本图像包括至少一根条带噪声，每个第一样本图像被划分成多个网格；将第一样本图像输入到待训练模型，得到该待训练模型输出的第一样本图像上各网格对应的n个预测值，n个预测值至少用于预测第一样本图像的网格上是否存在条带噪声，n个预测值为待训练模型的n个通道对应的预测值，n为正整数；基于第一样本图像各网格对应的n个预测值和第一样本图像各网格对应的n个真值，对待训练模型进行训练，获得条带噪声检测模型。

3、根据本公开的第二方面，提供了一种条带噪声检测方法，包括：获取待检测图像；将该待检测图像输入条带噪声检测模型，得到该待检测图像的条带噪声检测结果，其中，该条带噪声检测模型是利用第一方面所述的方法训练的，该条带噪声检测结果包括该待检测图像上每个网格对应的n个预测值，该n个预测值至少用于预测该待检测图像的网格上是否存在条带噪声，该n个预测值为该条带噪声检测模型的n个通道对应的预测值，n为正整数。

4、根据本公开的第三方面，提供了一种条带噪声检测模型训练装置，包括：第一获取模块，用于获取第一样本数据集，该第一样本数据集包括多个第一样本图像，每个第一样本图像包括至少一根条带噪声，每个第一样本图像被划分成多个网格；第二获取模块，用于将第一样本图像输入到待训练模型，得到该待训练模型输出的第一样本图像上各网格对应的n个预测值，n个预测值至少用于预测第一样本图像的网格上是否存在条带噪声，n个预测值为待训练模型的n个通道对应的预测值，n为正整数；训练模块，用于基于第一样本图像各网格对应的n个预测值和第一样本图像各网格对应的n个真值，对待训练模型进行训练，获得条带噪声检测模型。

5、根据本公开的第四方面，提供了一种条带噪声检测装置，包括：第三获取模块，用于获取待检测图像；检测模块，用于将该待检测图像输入条带噪声检测模型，得到该待检测图像的条带噪声检测结果，其中，该条带噪声检测模型是利用第一方面所述的方法训练的，该条带噪声检测结果包括该待检测图像上每个网格对应的n个预测值，该n个预测值至少用于预测该待检测图像的网格上是否存在条带噪声，该n个预测值为该条带噪声检测模型的n个通道对应的预测值，n为正整数。

6、根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与该至少一个处理器通信连接的存储器；其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行第一方面提供的条带噪声检测模型训练方法和/或第二方面提供的条带噪声检测方法。

7、根据本公开的第六方面，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，该计算机指令用于使该计算机执行第一方面提供的条带噪声检测模型训练方法和/或第二方面提供的条带噪声检测方法。

8、根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行第一方面提供的条带噪声检测模型训练方法和/或第二方面提供的条带噪声检测方法。

9、根据本公开的技术方案，能高效且准确地检测出图像中的条带噪声问题。

10、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。

技术特征：

1.一种条带噪声检测模型训练方法，包括：

2.根据权利要求1所述的方法，其中，所述n个预测值包括：中心点坐标偏移量预测值、回归值、180个角度分别对应的概率预测值和所述中心点坐标偏移量预测值的置信度；

3.根据权利要求1所述的方法，还包括：

4.根据权利要求3所述的方法，其中，所述待训练模型的n个通道分为k组通道，每组通道包括185个通道；所述185个通道包括180个角度通道，1个回归值通道，1个置信度通道，1个条带噪声类别通道，1个中心点坐标x轴偏移量通道，1个中心点坐标y轴偏移量通道，所述180个角度通道用于预测180个角度各自对应的概率预测值。

5.根据权利要求1所述的方法，其中，所述获取第一样本数据集，包括：

6.根据权利要求1所述的方法，其中，所述获取第一样本数据集，包括：

7.根据权利要求6所述的方法，其中，所述按照预设合成方式合成图像中的倾斜条带噪声，包括：

8.根据权利要求7所述的方法，其中，所述基于所述偏移量的大小，获取逐行偏移点，包括：

9.根据权利要求7所述的方法，其中，所述基于所述偏移量的大小，获取逐行偏移点，还包括：

10.根据权利要求1至9任一项所述的方法，还包括：

11.一种条带噪声检测方法，包括：

12.根据权利要求11所述的方法，还包括：

13.根据权利要求11所述的方法，其中，所述n个预测值包括：

14.根据权利要求13所述的方法，还包括：

15.根据权利要求14所述的方法，其中，所述基于所述目标网格的所述中心点坐标偏移量预测值、所述回归值和所述180个角度分别对应的概率预测值，确定条带噪声的位置，包括：

16.一种条带噪声检测模型训练装置，包括：

17.一种条带噪声检测装置，包括：

18.一种电子设备，包括：

19.一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至15中任一项所述的方法。

20.一种计算机程序产品，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至15中任一项所述的方法。

技术总结
本公开提供了条带噪声检测模型训练方法、条带噪声检测方法及装置。本公开涉及人工智能技术领域，具体涉及计算机视觉、图像处理、深度学习、视频质检、智能推荐等技术领域。具体实现方案为：获取第一样本数据集，第一样本数据集包括多个第一样本图像；将第一样本图像输入到待训练模型，得到待训练模型输出的第一样本图像上各网格对应的N个预测值，N个预测值至少用于预测第一样本图像的网格上是否存在条带噪声，N个预测值为待训练模型的N个通道对应的预测值；基于第一样本图像各网格对应的N个预测值和第一样本图像各网格对应的N个真值，对待训练模型进行训练，获得条带噪声检测模型。本公开能高效且准确地检测出图像中的条带噪声问题。

技术研发人员：李滨伯,崔东林
受保护的技术使用者：百度在线网络技术(北京)有限公司
技术研发日：
技术公布日：2024/1/12