关于深度学习在盲图像质量评价中的应用
计算机视觉与模式识别
2018-10-03 v5
摘要
在这项工作中，我们研究了深度学习用于失真通用盲图像质量评价。我们报告了不同的设计选择，从使用从预训练卷积神经网络（CNN）提取的特征作为通用图像描述，到使用从为图像质量任务微调的CNN提取的特征。我们的最佳方案名为DeepBIQ，通过对原始图像多个子区域上预测的分数进行平均池化来估计图像质量。每个子区域的分数使用支持向量回归（SVR）机计算，其输入为使用为基于类别的图像质量评价微调的CNN提取的特征。在LIVE In the Wild Image Quality Challenge Database和LIVE Image Quality Assessment Database上的实验结果表明，DeepBIQ优于所比较的最先进方法，与人类主观分数的线性相关系数（LCC）分别接近0.91和0.98。此外，在大多数情况下，DeepBIQ的质量分数预测比通用人类观察者的预测更接近平均观察者。
引用
@article{arxiv.1602.05531,
title = {On the Use of Deep Learning for Blind Image Quality Assessment},
author = {Simone Bianco and Luigi Celona and Paolo Napoletano and Raimondo Schettini},
journal= {arXiv preprint arXiv:1602.05531},
year = {2018}
}