图像质量评估IQA-CNN篇

1、Deep Convolutional Neural Models for Picture-Quality Prediction

一篇17年的survey，just so so……，有张图很具有代表性。

4种方式，浅显易懂。problems：数据太少，不足。1 images = local。2，用FR等生成local scores。

还有一张，几个结果对比。

主要提了LIVE Challenge数据集，预训练的Alex和res具有对真实图像的识别能力，所以在该数据集上表现最好，而对于合成的数据集反而需要很大的训练才行。 这是共识了吧，，我也不知道，反正我同意，但是在LIVE Challenge数据集上，普遍表现都不好吧。所以在real world中还有很大的提升空间。

 

2、Blind Image Quality Assessment Using A Deep Bilinear Convolutional Neural Network

这篇的出发点就是基于合成失真和真实失真不同。对两种情况做了两个网络，然后用bilinear pooling 结合。

1) synthetic distortions（S-CNN）

用PASCAL VOC 2012 数据集训练，输出39维的one-hot向量，39=7*5+2*2，采用的是分类的方式。

2）authentic distortions（VGG16）

用的是在ImageNet上预训练过的vgg16

3）bilinear pooling

emmmmm，一到公式本人就开始稀里糊涂。可能是这个双线性模式的基本公式吧，，不想贴了。

有一句话没看明白。It is worth noting that bilinear pooling is a global strategy and therefore DB-CNN accepts an input image of arbitrary size.因为双线性是全局模式所以可以使任意输入大小，那S-CNN的fc也过不去啊？？？？

这个结果，在LIVE Challenge上确实可以。

 

 

Ps：怎么把论文附在后面啊，，，，