-
公开(公告)号：CN113222032B
公开(公告)日：2023-03-10
申请号：CN202110546001.6
申请日：2021-05-19
Applicant: 西安电子科技大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明提出了一种基于自注意图像编码的无参考图像质量评价方法，其步骤为：获取训练样本集和测试样本集；构建基于自注意图像编码的无参考图像质量评价网络模型；对基于自注意图像编码的无参考图像质量评价网络模型进行迭代训练；获取无参考图像质量评价结果。本发明所构建的无参考图像质量评价网络模型中的自注意图像编码器通过对每个样本低维映射的特征进行自注意编码，全连接层对每个特征进行自注意编码得到的包含图像整体注意力信息和细节的深度感知特征进行回归，以获取每个样本对应的质量预测分数，避免了现有技术中所获取的感知特征缺乏足够深度的图像整体注意力信息和细节对评价精度的影响，有效地提高了无参考图像的质量评价精度。
-
公开(公告)号：CN113313682B
公开(公告)日：2023-03-21
申请号：CN202110589087.0
申请日：2021-05-28
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于时空多尺度分析的无参考视频质量评价方法，实现步骤为：获取训练样本集和测试样本集；构建基于时空多尺度分析的无参考视频质量评价模型；对无参考视频质量评价模型进行迭代训练；获取无参考视频的质量评价结果。本发明在对无参考视频质量评价模型进行训练和获取质量评价结果的过程中，时空多尺度模块通过下采样得到不同尺度的帧序列局部时空失真特征，时空注意力分析模块对得到的时空失真特征的显著性进行分析，进而获取更为准确待测视频的全局质量表示，避免了现有技术中因为缺失帧序列的失真信息导致视频质量评价准确度较低的技术问题，有效地提高了复杂的无参考多种帧率视频质量评价准确度。
-
公开(公告)号：CN113313682A
公开(公告)日：2021-08-27
申请号：CN202110589087.0
申请日：2021-05-28
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于时空多尺度分析的无参考视频质量评价方法，实现步骤为：获取训练样本集和测试样本集；构建基于时空多尺度分析的无参考视频质量评价模型；对无参考视频质量评价模型进行迭代训练；获取无参考视频的质量评价结果。本发明在对无参考视频质量评价模型进行训练和获取质量评价结果的过程中，时空多尺度模块通过下采样得到不同尺度的帧序列局部时空失真特征，时空注意力分析模块对得到的时空失真特征的显著性进行分析，进而获取更为准确待测视频的全局质量表示，避免了现有技术中因为缺失帧序列的失真信息导致视频质量评价准确度较低的技术问题，有效地提高了复杂的无参考多种帧率视频质量评价准确度。
-
公开(公告)号：CN113222032A
公开(公告)日：2021-08-06
申请号：CN202110546001.6
申请日：2021-05-19
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于自注意图像编码的无参考图像质量评价方法，其步骤为：获取训练样本集和测试样本集；构建基于自注意图像编码的无参考图像质量评价网络模型；对基于自注意图像编码的无参考图像质量评价网络模型进行迭代训练；获取无参考图像质量评价结果。本发明所构建的无参考图像质量评价网络模型中的自注意图像编码器通过对每个样本低维映射的特征进行自注意编码，全连接层对每个特征进行自注意编码得到的包含图像整体注意力信息和细节的深度感知特征进行回归，以获取每个样本对应的质量预测分数，避免了现有技术中所获取的感知特征缺乏足够深度的图像整体注意力信息和细节对评价精度的影响，有效地提高了无参考图像的质量评价精度。
-
-
-
Search Results
4
records
(took 0.023 seconds)
