面向目标图像模糊评估的半监督排序方法
计算机视觉与模式识别
2022-07-14 v1
摘要
评估目标图像的模糊程度对于提升目标识别与检索性能具有根本重要性。主要挑战在于缺乏大量带可靠标签的图像以及有效的学习策略。当前数据集标注的质量等级有限且混乱。为克服此局限，我们提出标注成对图像之间的排序关系而非其质量等级，因为这对人类而言标注更容易，并据此建立了一个带可靠标签的大规模真实人脸图像模糊评估数据集。基于该数据集，我们提出一种仅以成对排序标签作为监督来获取模糊分数的方法。此外，为进一步提升性能，我们提出一种基于四元组排序一致性的自监督方法，以更有效地利用无标签数据。监督与自监督方法构成最终的半监督学习框架，可端到端训练。实验结果证明了我们方法的有效性。
引用
@article{arxiv.2207.06085,
title = {Semi-supervised Ranking for Object Image Blur Assessment},
author = {Qiang Li and Zhaoliang Yao and Jingjing Wang and Ye Tian and Pengju Yang and Di Xie and Shiliang Pu},
journal= {arXiv preprint arXiv:2207.06085},
year = {2022}
}
备注
The first two authors contributed equally to this work. Dataset is available at https://github.com/yzliangHIK2022/SSRanking-for-Object-BA. Accepted to ICIP 2022