典型文献
DCN:双通道密集哈达玛卷积的画质评价网络
文献摘要：
随着人类对高质量图像的需求日益紧迫,客观画质评价(image quality assessment,IQA)的研究日趋重要,其中的无参考真实失真评估,面临失真的复杂性和内容多样性的巨大挑战.为了获取更加准确有效的质量特征,提出了一种双通道密集哈达玛卷积的画质评价网络(dual-channel network,DCN),其以深度卷积模型Inception-ResNet-v2为骨干网络提取特征,将设计的双通道融合网络为分数评估网络,最后映射到客观质量分数.分数评估网络由卷积特征提取分支和多层感知机分支并联组成,将提出的密集哈达玛卷积模块(dense Hadamard product module,DHPM)应用到多层感知机分支中,通过哈达玛乘积将低层特征与高层特征融合,发挥特征自适应和高级表达的作用.在公开数据集KonIQ-10k上的实验结果表明,该网络测试的斯皮尔曼秩相关系数(spearman rankorder correlation coeffi-cient,SROCC)为0.922,皮尔森线性相关系数(Pearson linear correlation coefficient,PLCC)达到0.938.
文献关键词：
图像质量评价;深度学习;计算机视觉;双通道结构;哈达玛卷积
中图分类号：
作者姓名：
杨晓东;韩振奇;刘立庄;赵丹
作者机构：
中国科学院 上海高等研究院,上海 201210;中国科学院大学,北京 100049
文献出处：
引用格式：
[1]杨晓东;韩振奇;刘立庄;赵丹-.DCN:双通道密集哈达玛卷积的画质评价网络)[J].计算机工程与应用,2022(21):243-249
A类：
哈达玛卷积,双通道融合,KonIQ,rankorder
B类：
DCN,画质,质量图,image,quality,assessment,IQA,无参考,真实失真,确有,质量特征,dual,channel,network,深度卷积,Inception,ResNet,v2,骨干网络,提取特征,融合网络,射到,卷积特征提取,取分,多层感知机,联组,卷积模块,dense,Hadamard,product,module,DHPM,乘积,低层,特征融合,特征自适应,公开数据集,10k,网络测试,斯皮尔曼,秩相关系数,spearman,correlation,SROCC,皮尔森,线性相关系数,linear,coefficient,PLCC,图像质量评价,计算机视觉,双通道结构
AB值：
0.444439
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
