基于深度學(xué)習(xí)的圖像美學(xué)質(zhì)量評(píng)價(jià).pdf

1、圖像美學(xué)質(zhì)量評(píng)價(jià)(Image Aesthetic Quality Assessment)旨在利用計(jì)算機(jī)模擬人類(lèi)對(duì)美的感知與理解，自動(dòng)地對(duì)圖像的“美感”做出一個(gè)客觀性的評(píng)價(jià)。它既包括將圖像評(píng)價(jià)為高質(zhì)量的圖像或者低質(zhì)量的圖像的分類(lèi)問(wèn)題，也包括對(duì)圖像做出一個(gè)具體分?jǐn)?shù)評(píng)價(jià)的回歸問(wèn)題。由于人類(lèi)審美行為的多樣性和復(fù)雜性，圖像美學(xué)質(zhì)量評(píng)價(jià)相對(duì)于其它計(jì)算機(jī)視覺(jué)領(lǐng)域的任務(wù)更有難度。
　　近年來(lái)，深度學(xué)習(xí)技術(shù)的發(fā)展和應(yīng)用取得了空前的進(jìn)步，特別是深度卷

2、積神經(jīng)網(wǎng)絡(luò)(Deep Convolutional Neural Network)在計(jì)算機(jī)視覺(jué)領(lǐng)域中取得了很好的效果。因此本論文將基于深度卷積神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)圖像進(jìn)行美學(xué)質(zhì)量評(píng)價(jià)。論文首先設(shè)計(jì)出了一個(gè)叫做ILGNet的深度卷積神經(jīng)網(wǎng)絡(luò)模型，此模型能夠利用多層卷積操作有效地提取出圖像的局部特征和全局特征，其中局部特征在網(wǎng)絡(luò)模型的前幾個(gè)網(wǎng)絡(luò)層提取，全局特征在網(wǎng)絡(luò)模型的后幾個(gè)網(wǎng)絡(luò)層提取，最后模型把這兩部分提取的特征內(nèi)容融合起來(lái)，作為此模型提取出的

3、圖像的美學(xué)特征，利用提取到的圖像的美學(xué)特征對(duì)圖像的美學(xué)質(zhì)量做一個(gè)客觀性的評(píng)價(jià)。另外，論文將圖像美學(xué)質(zhì)量評(píng)價(jià)的單值回歸問(wèn)題延伸到了多值回歸問(wèn)題上，提出了一種圖像美學(xué)得分分布評(píng)價(jià)的新方法，設(shè)計(jì)了一種新的損失函數(shù)(RS-CJS)，此損失函數(shù)能夠很好地適用于圖像美學(xué)質(zhì)量評(píng)價(jià)的多值回歸問(wèn)題。
　　最后，在一個(gè)專(zhuān)門(mén)的美學(xué)評(píng)價(jià)數(shù)據(jù)集上對(duì)本論文提出的深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了訓(xùn)練和測(cè)試，結(jié)果顯示，此模型能夠有效地提取出圖像的美學(xué)特征，并且在圖像美