NIMA --Neural Image Assessment

唠点闲嗑：
首先，为什么会读这篇论文呢？是因为我最近在看一部分东西的时候，涉及到了AVA数据集，于是就搜索了下它的背景，然后找到了这篇论文Neural Image Assessment

背景
“这张图片美吗？”不同的人可能给出的答案是不同的，因为人们对于图像美丑的评判标准是不一样的，那么，如何让计算机来辨别一副图像的美呢，或者说应该制定个怎样的标准来让计算机判断一张图像的美？

图像质量与美学的量化问题一直是图像处理与计算机视觉领域中一个值得探讨的问题。从技术的角度来说，图像质量评估（Image Quality Assessment）主要与像素降级(degradation)相关，比如噪声、模糊、压缩失真等。而图像在美学层面的评估，则需要根据图片的语义等特征来判断。

通常情况下，图像的质量评估一般分为两种：

• 有参照(Full-Reference,FR)：PSNR(峰值信噪比)、SSIM(标准-结构相似度)等图像质量评分系统
• 无参照(No-Reference,NR)：需要依靠模型来进行评估
  但无论是哪种方式，都是为了得到的评分结果接近人类评分。

传统的基于深度卷积神经网络的图像质量评价方法中，一般都是先用一套经典图像数据库（如ImageNet等）训练系统，初始化权重，然后利用人工分类后的不同质量图像进行微调，进一步训练系统。这种方法大多会把图像分为两类：质量好的和质量不好的，使得应用具有局限性。

NIMA