面向智能手机相机照片无参考图像质量评估的多任务深度CNN模型
计算机视觉与模式识别
2020-08-28 v1 多媒体
摘要
智能手机是当今移动社交网络时代最成功的消费电子产品。智能手机的相机质量及其图像后处理能力是影响消费者购买决策的主导因素。然而，智能手机所拍摄照片的质量评估仍然是一项劳动密集型工作，且依赖于专业摄影师与专家。作为先前基于CNN的无参考图像质量评估(NR-IQA)方法的扩展，我们提出了一种以场景类型检测为辅助任务的多任务深度CNN模型。通过卷积层中共享的模型参数，所学特征图可变得更具场景相关性并提升性能。评估结果表明，相较于传统NR-IQA方法与单任务基于CNN的模型，所提方法在SROCC性能上有所提升。
引用
@article{arxiv.2008.11961,
title = {Multi-task deep CNN model for no-reference image quality assessment on smartphone camera photos},
author = {Chen-Hsiu Huang and Ja-Ling Wu},
journal= {arXiv preprint arXiv:2008.11961},
year = {2020}
}
备注
Proceedings of Computer Vision & Graphic Image Processing (CVGIP), Hsinchu, Taiwan, Aug. 16-18, 2020