图像质量评价模型通过提取并分析与人类视觉系统相一致的图像特征来达到评价图像质量的目的。随着深度学习技术的发展,很多基于深度学习的图像质量评价模型相继出现,但是多数模型在小数据量环境下容易出现过拟合问题。为此,通过对 DIQAM_FR/NR模型进行改进,建立一种Res- DIQAM_FRNR图像质量评价模型。采用迁移学习方法,利用预训练的 Resnet50网络替代 DIQAM_FR/NR的特征提取层以进行图像特征提取,使用全局平均池化层取代 DIQAM_FR/NR中的全连接层rC-512从而对提取的特征进行回归学习。实验结果表明,该模型在降低υaM_瞅R/NR模型复杂度的同时能够深化其网络结枃,在小数据量环境下也能较好地模拟人类视觉系统并准确评价图像质量。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !