一种统一的无参考图像视频质量评价模型及其最优初始化方法技术

一种统一的无参考图像视频质量评价模型及其最优初始化方法，模型包括特征提取器和质量回归器，其中，特征提取器包括图像分类网络和全局空间平均池化层；质量回归器则是由第一线性层、层归一化层、两层结构的门控循环单元、层归一化层、第二线性层和全局时间平均池化层依次组成；模型最优初始化方法包括：特征提取器的初始化：在图像分类任务上训练好的分类网络的参数被用来初始化模型特征提取器对应层的参数；质量回归器的初始化：图像质量回归器的参数初始化采用随机初始化的方式，而视频质量初始化则是采用训练好的图像质量器的参数进行初始化。本发明专利技术模型可以满足在没有或无法获得对应原始图像和视频的情况下评估图像和视频质量的现实需求。视频质量的现实需求。视频质量的现实需求。

【技术实现步骤摘要】
一种统一的无参考图像视频质量评价模型及其最优初始化方法


[0001]本专利技术涉及计算机视觉领域，特别地，涉及一种统一的无参考图像视频质量评价模型及其最优初始化方法。

技术介绍

[0002]在互联网上，图片和视频是最为流行的视觉数据载体。随着移动设备的流行和互联网的发展，非专业用户可以轻易地拍摄照片和视频以记录和分享生活。存在的主要问题是：这些非专业用户拍摄的照片和视频可能存在多种失真类型，如低曝光条件带来的噪点问题等，因此需要设计一定的方案来检测此类失真；同时，处理存储图片和视频的系统保持采集数据质量的性能需要相关的指标进行评估，该指标的评估结果可以指导此类系统的设计和优化。目前，工业界多采用主观实验的方式来评估所得照片和视频的质量。解决上述问题的难度是然而主观实验需要大量人员的参与，使得开展主观实验的成本高且评估效率低。
[0003]解决上述问题的意义为：通过设计可在机器上执行的客观评价模型，可以解决前述主观实验所存在的问题。在没有原始图像和视频作为参考的情况下，质量评价模型多采用基于深度学习的方法，现有的大多数无参考质量评价模型更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种统一的无参考图像和视频质量评价模型，其特征在于，包括特征提取器和质量回归器，其中，所述特征提取器包括去除分类层的图像分类网络和全局空间平均池化层；所述质量回归器由第一线性层、层归一化层，两层结构的门控循环单元、层归一化层，第二线性层和全局时间平均池化层依次组成。2.根据权利要求1所述的统一的无参考图像和视频质量评价模型，其特征在于，所述第一线性层用于减小输入特征的维度，所述门控循环单元用于在时序上处理输入特征，所述第二线性层用于对视频帧质量的回归，所述全局时间平均池化用于池化上一层回归所得各帧的质量分数。3.根据权利要求1所述的统一的无参考图像和视频质量评价模型的最优初始化...

【专利技术属性】
技术研发人员：高伟，李鼎权，李浩辉，李革，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：