参考
https://www.cnblogs.com/skyfsm/p/8051705.html
*********************看了1个多月的资料,我准备开始进行尝试使用tensorflow对视频质量进行判断***************
第一步:选择网络模型
我认为判断一路图像好或者坏,其实就是一个分类算法,一幅图像要么是好,要么坏,没有第三种选择吧。
所以我需要找一个图像分类的网络模型,现在计划使用lenet-5的网络模型进行评估视频质量诊断,两个卷积层+全连接
先试一下效果吧。
先从黑屏开始下手,由简入深。
准备样本:先准备黑屏图片数据,再做尺寸统一化,目前计划采用480*270 主要考虑到1080P的图像除以4,图像变形小点。
那先做图片处理,把黑屏样本转成分辨率为480*270的图片
写了一个批处理的脚本,实现分辨率的转换
import cv2 as cv
import os
picpath = 'C:/Users/shenwei/Desktop/videoquality/black/'
picsavepath = 'C:/Users/shenwei/Desktop/videoquality/blackstandard/'
for root, dirs, files in os.walk(picpath):
i =0
for file in files:
i = i+1
picpp = root +file
image = cv.imread(picpp)
image = cv.resize(image,(480,270),interpolation = cv.INTER_NEAREST)
newpath = picsavepath+'%d.jpg' % i
cv.imwrite(newpath,image)
print(newpath)
效果如下:
一共20张图片,不过感觉远远不够,我认为至少要准备100张,这里决定对图像进行一下颠倒翻转等操作。