龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：厦门大学
申请日：2024-03-15
公开（公告）日：2024-06-21
公开（公告）号：CN118229633A
主分类号：G06T7/00
分类号：G06T7/00;G06V10/46;G06V10/774
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明提供了计算机视觉技术领域的一种基于局部流形学习的无参考图像质量评估方法，包括：步骤S1、对教师模型、学生模型进行初始化；步骤S2、获取训练图像并裁剪得到训练子图像；步骤S3、将训练图像输入教师模型得到注意力图，基于注意力图获取训练图像的视觉显著区域图；步骤S4、将训练子图像、视觉显著区域图输入学生模型得到子图像特征、显著区域特征；步骤S5、对各特征进行局部流形学习并计算对比损失，将训练子图像输入学生模型计算标签损失；步骤S6、基于对比损失值、标签损失值计算总损失值来更新学生模型，基于EMA算法更新教师模型；步骤S7、利用学生模型进行图像质量评估。本发明的优点在于：极大的提升了图像质量评估的准确性。
主权项：1.一种基于局部流形学习的无参考图像质量评估方法，其特征在于：包括如下步骤：步骤S10、创建用于图像质量评估的一教师模型以及一学生模型，对所述教师模型以及学生模型进行初始化；步骤S20、获取训练图像，对所述训练图像进行裁剪得到训练子图像；步骤S30、将各所述训练图像输入教师模型得到注意力图，基于所述注意力图获取各训练图像的视觉显著区域图；步骤S40、将各所述训练子图像以及视觉显著区域图输入学生模型得到子图像特征以及显著区域特征；步骤S50、对所述子图像特征以及显著区域特征进行局部流形学习并计算对比损失，得到对比损失值；将所述训练子图像输入学生模型计算标签损失，得到标签损失值；步骤S60、基于所述对比损失值以及标签损失值计算总损失值，基于所述总损失值更新学生模型，基于EMA算法更新所述教师模型，直至所述学生模型的图像质量评估精度大于预设的精度阈值；步骤S70、利用所述学生模型进行图像质量评估。
全文数据：
权利要求：
百度查询： 厦门大学 一种基于局部流形学习的无参考图像质量评估方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号