模糊度判断：史上最详细图像质量评价（IQA）-模型测试--第五节

本文链接：https://blog.csdn.net/xingjh1/article/details/126165496

这章节我会讲解的是我在工作上自己开发的项目，模糊度判断，该项目我是将图像质量评价论文–hypernet网络移植到mmclassification中进行图片质量评估，若有地方说错的我会第一时间纠正，如果觉得博主讲解的还可以的话点个赞，就是对我最大的鼓励~

本章节我们将进行的是模型的测试，我们准备了3张图片，将分别进行质量预测。

本人自己编写的image_demo.py为测试图片的图像质量已在github上提供。

from argparse import ArgumentParser
import numpy as np
import os
from mmcls.apis import inference_model, init_model, show_result_pyplot


def main():
    parser = ArgumentParser()
    parser.add_argument('--img', help='Image file')
    parser.add_argument('--config', help='Config file')
    parser.add_argument('--checkpoint', help='Checkpoint file')
    parser.add_argument('--file_path', help='image file')
    parser.add_argument('--output_path', help='image file')
    parser.add_argument(
        '--device', default='cuda:0', help='Device used for inference')
    args = parser.parse_args()

    # 从配置文件中建立网络和导入模型

    for root, dirs, files in os.walk(args.file_path):
        files.sort()
        for i in range(len(files)):
            model = init_model(args.config, args.checkpoint, device=args.device)
            result = inference_model(model, os.path.join(root,files[i]))
            image_name = files[i] + ' ' + '%.2f' % result + '\n'
            
            #这里会在该路径输出一个txt文件，方便查看图片对应的图片质量分值
            with open(os.path.join(args.file_path,'total.txt'),"a+") as f:
                f.write(image_name)
                
            print(f'|{files[i]}——Predicted quality score: %.2f|' % result)
            print('-' * 50)


if __name__ == '__main__':
    main()

在这里插入图片描述

第一张图片预测分值：26.89