基于CNN的图像质量评价11.27

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。