【技术实现步骤摘要】
基于主动学习的少样本无参考图像质量评价算法
[0001]本专利技术属于图像质量评价
，具体地说，是一种基于主动学习的少样本无参考图像质量评价算法
。
技术介绍
[0002]由于图像质量评价算法在图像采集
、
传输
、
处理
、
显示等多个领域都有着重要的作用，因而受到了广泛的关注
。
图像质量评价根据是否需要参考图像可以分为全参考
、
半参考
、
无参考图像质量评价
。
其中常见的
SSIM/PSNR
等算法属于全参考图像质量评价算法，全
(
半
)
参考图像质量评价算法，在评价给定图像的质量的时候，需要高质量的无失真图像
(
或无失真图像的部分信息
)。
而很多场景下无失真图像
(
或无失真图像的部分信息
)
难以获得，因此全
(
半
)
参考图像质量评价算...
【技术保护点】
【技术特征摘要】 【专利技术属性】
样本：在第二轮中选择难度在
2/3
区域的
N2样本：
5.
根据权利要求4所述的基于主动学习的少样本无参考图像质量评价算法，其特征在于，所述步骤二中从图像内容角度选择样本，包括以下流程：计算所有图像和蒸馏图像欧式距离，将整个数据集蒸馏为少量的模拟图像之后，在
CLIP
图像编码器的特征空间中计算所有图像和蒸馏图像之间的欧氏距离，并对距离进行排序：其中，
D
表示蒸馏得到的图像集，
U
是原始的无标签图像数据集，
v'
技术研发人员：宋天舒，程德强，寇旗旗，李雷达，陈亮亮，江鹤，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。