基于CNN的RSRL探索建立适宜的图像美学评估模型：一项实证研究
计算机视觉与模式识别
2024-12-06 v2
摘要
为建立适宜的照片美学评估模型，本文引入反映 CNN 最终全连接层节点解耦程度的 D 度量。通过结合 F 度量与 D 度量得到 FD 度量，提出一种从基于 CNN 的重复自修订学习（RSRL）生成的多个照片分数预测模型中确定最优模型的算法。此外，定义并计算了模型的首注视视角（FFP）与评估兴趣区域（AIR）。实验结果表明，FD 度量对于从具有不同 CNN 结构的多个分数预测模型中建立适宜模型是有效的。而且，具有较高 FD 的 FD 确定最优模型，其 FFP 与 AIR 总是接近于人类欣赏照片时的审美感知。
引用
@article{arxiv.2106.03316,
title = {Exploring to establish an appropriate model for image aesthetic assessment via CNN-based RSRL: An empirical study},
author = {Ying Dai},
journal= {arXiv preprint arXiv:2106.03316},
year = {2024}
}