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:
- 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.
- 使用ranked images 训练双生网络,得到ranking score.
- 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:
-
使用pairwise ranking hinge loss训练双生网络: