《一種改進的DIQaM_FR/NR圖像質量評價模型》是謝瑞,邵堃撰寫的一篇論文。
基本介紹
- 中文名：一種改進的DIQaM_FR/NR圖像質量評價模型
- 作者：謝瑞,邵堃
- 論文來源：計算機工程
- 發表時間：2019-10-20
- 分類號：TP391.41
論文摘要,引文格式,
論文摘要
圖像質量評價模型通過判定與人類視覺系統一致的圖像特徵達到評價圖像質量的目的。近些年隨著深度學習的發展，出現了很多基於深度學習的圖像質量評價模型，但是現有模型在小數據量環境下很容易出現過擬合問題。本文通過對DIQaM_FR/NR質量評價模型深入分析，提出了一種Res-DIQaM_FR/NR圖像質量評價模型,改進模型採用遷移學習方法利用預訓練的ResNet50網路替代原有的特徵提取層進行圖像特徵提取，使用全局平均池化層取代原模型中全連線層(FC-512)。改進後的模型在降低原模型複雜度的同時深化了原有網路結構。實驗表明，提出的模型即使在小數據量環境下也能夠較好地模擬人類視覺系統並能準確地評價圖像質量。
引文格式
[1]謝瑞,邵堃,霍星,Masud Parvej.一種改進的DIQaM_FR/NR圖像質量評價模型[J/OL].計算機工程:1-7[2019-10-20]
