DeepRN: A CONTENT PRESERVING DEEP ARCHITECTURE FOR BLIND IMAGE QUALITY ASSESSMENT
这是一篇发表在2018年ICME上的质量评价的论文,这篇论文还是很不错的,从创新上来说。这个工作还是针对自然图像上进行的,在三个库上进行了测试。这篇论文,我的理解概括如下:
1.采用之前在目标检测中使用的SPP层,解决了之前一直遇到的问题,图像库中图像大小不一致的问题。获得一样大小一样维度的特征图。
2.最后质量的预测采用了与目前的主流方法不一样的方法。通过预测其质量的分布。我们在建立库的时候,对于图像的MOS值是采取了取平均的方法,事实上很多人对于一张图的认识是不同,故该文假定5个等级的质量分数,分别预测不同等级质量的概率,最后采用了加权的方法进行融合。
当然该文第二个思想在之前的论文中也有体现,但是不同的是之前的论文是进行分类,用分类的概率表示其质量的分布,没有对真实的分布进行学习,但是这篇论文是使用深度学习进行学习其质量的分布,更加得合理。但是值得一提的是,实验部分不是很好,我感觉。首先没有做严格的对照实验,根据reference image 进行划分训练测试集。其次没有做tid2013或者tid2008上面的实验。