【技术实现步骤摘要】
本专利技术涉及多模态媒体质量评价，具体地，涉及一种基于卷积神经网络剪枝的轻量化图像质量评价方法、系统、终端。
技术介绍
1、盲图像质量评估的目标是在图像处理的各个阶段(如图像采集、压缩和传输)评估没有参考图像的图像质量。在过去的几年里，由于深度神经网络具有强大的特征表示能力，深度神经网络在图像质量评价领域取得了显著的性能。
2、尽管这些基于dnn的模型在性能方面取得了巨大成功，但由于重量级架构所需的时间、功率和内存，模型推理是昂贵的，这使得它们很难部署在资源受限的设备上，并且在推理过程中需要大量的计算资源。
3、滤波器修剪是模型压缩领域中最流行的方法之一，它可以通过去除不重要的卷积通道来同时减少参数和浮点运算(flop)。比如，有部分研究者计算每个滤波器权重的l1范数，作为每个信道重要性的测量值；有部分研究者使用卷积层之后的批量归一化(bn)层的比例因子来测量通道重要性。尽管这些修剪方法之间存在显著差异，但大多数方法包括以下步骤：评估每个滤波器的重要性，修剪不重要的滤波器，并重新训练整个模型以恢复模型的性能。然而...
【技术保护点】
1.一种基于卷积神经网络剪枝的轻量化图像质量评价方法，其特征在于，包括：
2.根据权利要求1所述的基于卷积神经网络剪枝的轻量化图像质量评价方法，其特征在于，所述根据待评价数据集选取卷积神经网络结构，对所述卷积神经网络进行训练，包括：
3.根据权利要求1所述的基于卷积神经网络剪枝的轻量化图像质量评价方法，其特征在于，所述使用所述待评价数据集训练装饰器，包括：
4.根据权利要求3所述的基于卷积神经网络剪枝的轻量化图像质量评价方法，其特征在于，所述根据装饰器设置掩码并完成剪，包括：
5.根据权利要求4所述的基于卷积神经网络剪枝...
【技术特征摘要】
1.一种基于卷积神经网络剪枝的轻量化图像质量评价方法，其特征在于，包括：
2.根据权利要求1所述的基于卷积神经网络剪枝的轻量化图像质量评价方法，其特征在于，所述根据待评价数据集选取卷积神经网络结构，对所述卷积神经网络进行训练，包括：
3.根据权利要求1所述的基于卷积神经网络剪枝的轻量化图像质量评价方法，其特征在于，所述使用所述待评价数据集训练装饰器，包括：
4.根据权利要求3所述的基于卷积神经网络剪枝的轻量化图像质量评价方法，其特征在于，所述根据装饰器设置掩码并完成剪，包括：
5.根据权利要求4所述的基于卷积神经网络剪枝的轻量化图像质量评价方法，其特征在于，所述使用图像质量评价数据集对剪枝之后的所述卷积神经网络进行微调，得到图像质量评价模型，包括：
6.根据权利要求5所述的基于卷积神经网络剪枝...
【专利技术属性】
技术研发人员：闵雄阔，张艺铭，高艺璇，张子澄，翟广涛，
申请(专利权)人：上海交通大学，
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。