基于元原型网络的无参考图像质量评价OA北大核心CSTPCD
No-reference image quality assessment based on meta prototype network
针对基于深度学习的模型因需要大量标注数据而选择在预训练模型上进行微调,导致面对新任务泛化性不足的问题,提出一种基于元原型网络的无参考图像质量评价算法.利用元原型网络提取相关任务中的元知识形成质量先验模型,在面对未知任务时快速泛化.首先,在不同失真的数据集上利用元学习方法获取各种失真的共享先验知识得到质量先验模型;接着,为了能够更好地捕获各种失真场景共享先验知识,利用元原型单元对图像特征进行重建,以获得更加丰富的先验知识,从而便于后续的质量分数预测…查看全部>>
The model based on deep learning requires a large amount of annotated data,so it is subjected to fine-tune on the pre-training model,which leads to insufficient generalization when facing new tasks.In view of this,a no-reference IQA(NR-IQA)algorithm based on meta prototype network is proposed.The meta prototype network is used to extract meta-knowledge in relevant tasks to form a quality prior model,which can quickly fulfill generalization when facing unknow…查看全部>>
邱文新;贾惠珍;王同罕
东华理工大学 信息工程学院,江西 南昌 330013东华理工大学 信息工程学院,江西 南昌 330013东华理工大学 信息工程学院,江西 南昌 330013
电子信息工程
无参考图像质量评价元学习元原型网络元原型单元质量先验模型共享先验知识
NR-IQAmeta-learningmeta prototype networkmeta prototype unitquality prior modelshared prior knowledge
《现代电子技术》 2024 (11)
45-50,6
国家自然科学基金项目(62266001)国家自然科学基金项目(62261001)
评论