[发明专利]基于选通卷积神经网络的多任务全参考图像质量评价方法有效
| 申请号： | 201810418632.8 | 申请日： | 2018-05-04 |
| 公开（公告）号： | CN108596902B | 公开（公告）日： | 2020-09-08 |
| 发明（设计）人： | 蒋婷婷;黄晨;姜明 | 申请（专利权）人： | 北京大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/04 |
| 代理公司： | 北京市商泰律师事务所 11255 | 代理人： | 黄晓军 |
| 地址： | 100871 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于选通卷积神经网络的多任务全参考图像质量评价方法。该方法包括：基于全参考图像质量评价数据集构建无监督训练数据集，利用无监督训练数据集对选通自编码器进行训练；构建包括编码器模块、抽象模块和预测模块的掩码选通卷积神经网络，使用训练好的选通自编码器初始化掩码选通卷积神经网络的编码器模块，利用全参考图像质量评价数据集对掩码选通卷积神经网络进行端到端的训练；利用训练好的掩码选通卷积神经网络对测试图片进行图像质量评价。本发明通过编码参考图像和失真图像之间的变换，同时估计图像质量分数和识别失真类型，能够更加充分准确的评价图像质量。 | ||
| 搜索关键词： | 基于 卷积 神经网络 任务 参考 图像 质量 评价 方法 | ||
【主权项】：
1.一种基于选通卷积神经网络的多任务全参考图像质量评价方法，其特征在于，包括：基于全参考图像质量评价数据集构建无监督训练数据集，利用无监督训练数据集对选通自编码器进行训练；构建包括编码器模块、抽象模块和预测模块的掩码选通卷积神经网络，使用训练好的选通自编码器初始化掩码选通卷积神经网络的编码器模块，利用所述全参考图像质量评价数据集对掩码选通卷积神经网络进行端到端的训练；利用训练好的掩码选通卷积神经网络对测试图片进行图像质量评价。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京大学，未经北京大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810418632.8/，转载请声明来源钻瓜专利网。
