基于多任务无参考图像质量评价模型研究

摘要：

基于深度学习的无参考图像质量评价(NRIQA)模型常见2种结构,即单任务(Single-task)结构和多任务(Multi-task)结构.为了探讨在没有预训练情况下多任务结构对模型准确率影响,对比分析了基于MEON调整后的多任务模型及单任务模型在无参考图像质量评价任务上的性能优劣,其中多任务模型在图像质量评价数据库LIVE、TID2013上分别取得了0.882、0.871的准确率,表现出同等甚至优于单任务模型的性能.在此基础上,多任务模型的子任务输出维度实验表明在NRIQA研究中,子任务能够根据需求和目标在相关数据集上预训练,再结合质量评价任务微调,具有可迁移学习集成于其他任务中的优点.

关键词：深度学习、无参考图像质量评价、单任务模型、多任务模型

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2019-11-29（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：7-12,17