图像质量评价(6)美学评估总结 |
您所在的位置:网站首页 › 评估维度居于评估模型的最上层 › 图像质量评价(6)美学评估总结 |
参考博客: https://blog.csdn.net/God_68/article/details/81534845 参考微信公众号: https://mp.weixin.qq.com/s?__biz=MzI4MjU4MzAyMg==&mid=2247483714&idx=1&sn=6ea19697fb803069b1726b19e65e60b3&chksm=eb968bc3dce102d5353af9b71cae1433b3e1d4b77d86369f58096de8239e9b1c307949fb7960&mpshare=1&scene=23&srcid=0730nEt1dCd4kt3B5vkmtt2E#rd
一、数据库和目前现状 目前图像美学评估:最好的数据集就是AVA,有25万+ 其他的即使加上也没什么效果,因此美学的如果要优化,就要标注数据集。 如果要特别好的话,需要标注类似于AVA的10个等级的数据,很难。
美学数据集: AVA(2012):255530幅,1-10分。每幅图被评分的人数范围为78-539,平均210。 200多篇论文引用 AADB(2016):8种美学因素(平衡、颜色和谐型、趣味、景深、光照、主体、三分、颜色丰富性)的二值分类评价(在单个美学因素上的“好”与“不好”)。因素评价太多简单。 PCCD(2017):评分+分布+多人语言评论,但太少4307幅 AROD(2018):38万幅,图像查看和点赞次数计算得到美学评分
二、美学评估算法 1、NIMA:google,2017 训练集:AVA 思路:将质量评价当前计算1-10类的分类分布
论文: https://arxiv.org/abs/1709.05424
github资源: (1)1个模型 非官方复现代码: https://github.com/titu1994/neural-image-assessment 最推荐:NasNet效果 https://github.com/tfriedel/neural-image-assessment nasnet,mobilenet (2)2个模型:美学,技术 https://github.com/idealo/image-quality-assessment/tree/master/models/MobileNet mobilenet
相关: https://blog.csdn.net/qq_22194315/article/details/82713283 NIMA解释 http://server.chinabyte.com/125/14395125.shtml?S=9rrf3v9huog https://cloud.tencent.com/developer/news/49602 https://blog.csdn.net/yH0VLDe8VG8ep9VGe/article/details/78849545 https://blog.csdn.net/qq_22194315/article/details/82713283 知乎链接: https://zhuanlan.zhihu.com/p/33194024
2、ILGNet:北京电子科技,2016 论文: http://jinxin.me/downloads/papers/019-WCSP2016a/ILGNet-Final.pdf github: https://github.com/BestiVictory/ILGnet caffe,模型大小:500M
主要思路:将质量评价当作分类,GoogleNet模型做fine-tune 增强数据集:AVA
三、我的思考: 美学我打算直接用,不打算做个性化了。 标数据是个很大的问题。
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |