Blind Image Quality Assessment using Semi-supervised Rectifier Networks(泛读)

一.文献名字和作者

     Blind Image Quality Assessment using Semi-supervised Rectifier Networks， CVPR2014

   

二.阅读时间

    2014年10月9日

三.文献的贡献点

    文章主要介绍了基于半监督 rectifier网络的盲图像(没有理想图像作为参考)质量评价。在文章中个，作者采用人工特征作为基本的特征提取过程，同时，使用DBN拟合将输入的特征到图像质量之间的映射。

    为了解决有标签的训练样本过少的问题，作者提出了使用非监督预训练来使用没标签的样本，从而提高模型的效果。

    同时，作者也在最后的结论部分提出了文章的两个不足：1.使用了人工特征，虽然目前也能取得比较好的结果，但是，是否可以选择其他更好的特征，或者将这些特征进行融合，乃至创造新的特征(CNN自学习？)；2.作者只是做了增加无标签样本的实验，并没有增加其他的形变类型的实验，因此，无法探讨该模型是否可以拓展到其他形变类型上面。

     这个是我看到的CVPR2014上面第二篇使用DL去做盲图像质量评价的文章，不过这两篇文章的处理方法是不同的，但是，这两种方法都有很好的借鉴意义。

版权所有，欢迎转载，转载请注明出处，谢谢