用于无参考图像质量评价的多池化 Inception 特征
计算机视觉与模式识别
2020-12-02 v1
摘要
图像质量评价（IQA）是从自动视频流传输到显示技术广泛应用中的重要环节。此外，图像质量的度量需要对图像内容与特征进行均衡考察。我们提出的方法通过将全局平均池化（GAP）层附加到基于 ImageNet 数据库预训练的卷积神经网络（CNN）的多个 Inception 模块上来提取视觉特征。与以往方法不同，我们不从输入图像中取图像块，而是将输入图像作为整体送入预训练 CNN 主体以提取与分辨率无关的多级深度特征。因此，我们的方法可轻松推广到任意输入图像尺寸和预训练 CNN。据此，我们针对 CNN 基础架构及不同深度特征的有效性给出了详细的参数研究。我们证明，我们最佳方案——称为 MultiGAP-NRIQA——能够在三个基准 IQA 数据库上提供 SOTA 结果。此外，这些结果也通过使用 LIVE In the Wild Image Quality Challenge 数据库的跨数据库测试得到证实。
引用
@article{arxiv.2011.05139,
title = {Multi-pooled Inception features for no-reference image quality assessment},
author = {Domonkos Varga},
journal= {arXiv preprint arXiv:2011.05139},
year = {2020}
}