《Query-dependent Aesthetic Model with Deep Learning for Photo Quality Assessment》 论文学习笔记

论文提出了一种“上下文相关”的美学质量评价模型，与以前所不同在于

1）放弃手写特征

2）不适用统一模型评价所有图片

3）不依赖其他辅助信息，不针对特定类别

网络设计：

网络有三个卷积层，俩个全连接层，设计的十分简单，但效果要比复杂的网络还好，原因在于两点：

1）卷积核较大，输入尺寸较大，较好的展现了图像的局部整体信息。

2）全连接层接第二层卷积层，得以保留部分全局信息。

究其原因在于美学评价更为抽象。

流程：

首先提取图像的视觉特征与文本特征，接下来去训练集召回相关图片组成“上下文相关”训练集，然后训练美学模型，最后得到结果。

效率：

论文声明效率可达每张小于0.01秒，在1核，3.4GHz的CPU上，内存4gb，无GPU。