NIMA模型

原理

• 分类器输出各个分数的概率值，与GT的打分计算loss
• loss采用EMDloss
• 这样意味着不是简单的二分类，也不是对得分进行回归，而是让模型去生成对输入图片的得分的分布，并且假设是高斯分布，这样就可以得到均值和方差，用均值作为输入图片美观度的得分
• 好处在于，这个分布模拟了许多人为这张图片打分后，打分的分布情况，这样得到的均值仿佛在统计意义上更加贴合人类的偏好，相比其他的方法也的确得到了更高的精度

模型结构

各种baseline CNN + FC + softmax
FC的输出维度由数据集打分的范围决定，例如1-10分则为10个分类

重点理解

文章的重点主要在于采用了这个EMD函数，之前没见过，需要理解一下

CDF是累计分布概率函数，所以能够体现出有序类别中的类间关系，[21]中已经证明对于这种从1-10打分的分类问题来说，EMD loss比CE loss的效果更好。

---

[21] L. Hou, C.-P. Yu, and D. Samaras, “Squared earth mover’s distancebased
loss for training deep neural networks,” arXiv preprint
arXiv:1611.05916, 2016. 2, 6