论文笔记（4）：排序图像质量评价 RankIQA

RankIQA: Learning from Rankings for No-reference Image Quality Assessment
github: https://github.com/xialeiliu/RankIQA

Part 1:

Definition： 无参考图像质量评价（NR-IQA）的目的是对于给定的一幅图像，不使用Ground Truth（GT）图像得到其评价分数。
Problem： 对于大样本集，通过人工标注得到图像主观分数需要花费很大的代价，因此训练一个深的CNN网络是非常困难的。
Observation & Motivation： 通过对图像进行不同程度的退化，能够得到不同质量的图像。
classic method ： 直接计算CNN输出分数和GT图像分数的误差。
Paper method：

1. 使用不同等级的退化因子对GT图像进行退化得到大量的ranked images.
2. 使用ranked images 训练双生网络，得到ranking score.
3. 将在ranked images上训练好的网络在具有label的样本集上进行fine-tune.

Part 2 method:

1. 使用pairwise ranking hinge loss训练双生网络：