一种改进的DIQaM_FR/NR图像质量评价模型

摘要：

图像质量评价模型通过提取并分析与人类视觉系统相一致的图像特征来达到评价图像质量的目的.随着深度学习技术的发展,很多基于深度学习的图像质量评价模型相继出现,但是多数模型在小数据量环境下容易出现过拟合问题.为此,通过对DIQaM_FR/NR模型进行改进,建立一种Res-DIQaM_FR/NR图像质量评价模型.采用迁移学习方法,利用预训练的ResNet50网络替代DIQaM_FR/NR的特征提取层以进行图像特征提取,使用全局平均池化层取代DIQaM_FR/NR中的全连接层FC-512从而对提取的特征进行回归学习.实验结果表明,该模型在降低DIQaM_FR/NR模型复杂度的同时能够深化其网络结构,在小数据量环境下也能较好地模拟人类视觉系统并准确评价图像质量.

关键词：图像质量评价、特征提取、迁移学习、深度学习、ResNet50网络

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;科技部国家国际合作专项

在线出版日期：2020-09-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：258-263,270