买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：渭南日报社印刷厂;西安理工大学

摘要：本发明公开了基于通道注意力的无参考型图像质量评价方法，包括：将图像输入ResNet50网络中，分别通过ResNet50网络的layer1‑4层进行特征提取，得到四个特征；将每个特征分别输入通道注意力层，获取图像的受关注区域特征；将每个受关注区域特征输入到特征增强模块，得到增强特征；将四个增强特征进行融合，经过融合特征；将融合特征输入到质量预测网络中进行质量预测，得到预测结果。通过注意力机制使其获取受关注区域特征，满足人眼视觉感受；通过特征融合模块将低层特征与高层特征有效结合起来，在表征全局信息的同时加强细节信息，获取多尺度信息，实现高精度预测。

主权项：1.基于通道注意力的无参考型图像质量评价方法，其特征在于，包括以下步骤：步骤1、将图像输入ResNet50网络中，分别通过ResNet50网络的layer1-4层进行特征提取，得到四个特征；步骤2、将每个所述特征分别输入通道注意力层，获取图像的受关注区域特征；步骤3、将每个所述受关注区域特征输入到特征增强模块，得到增强特征；步骤4、将四个所述增强特征进行融合，经过融合特征；步骤5、将所述融合特征输入到质量预测网络中进行质量预测，得到预测结果；步骤1中的特征Fi通过下式进行提取：Fi＝fWi*X1；上式中，X表示输入图像，Wi表示每层网络的整体参数，f·表示对图像进行特征提取；步骤2具体包括以下步骤：步骤2.1、对特征Fi进行全局池化操作，得到聚合空间信息Favg：Favg＝AvgPoolFi2；上式中，AvgPool表示全局平均池化操作；步骤2.2、利用1*1的卷积对Favg进行降维与升维处理，并通过激活函数得到通道注意力权重系数M：M＝σW1W0Favg3；上式中，W0、W1表示降维与升维时的权重参数，σ为Sigmoid激活函数；步骤2.3、将所述权重系数M与特征Fi进行叠加，得到受关注区域特征Fi′： 步骤3具体包括以下步骤：步骤3.1、将每个所述受关注区域特征Fi′分别进行多尺度池化操作，得到多尺度特征，并将每个多尺度特征进行融合得到多尺度信息流步骤3.2，对所述多尺度信息流进行1*1与3*3的卷积操作，并通过激活函数得到增强矩阵Me： 上式中，W2、W3表示1*1与3*3卷积的权重参数，σ为Sigmoid激活函数；步骤3.3，将每个受关注区域特征Fi′分别与增强矩阵进行叠加，得到增强特征Fi″：

全文数据：

权利要求：

百度查询： 渭南日报社印刷厂 西安理工大学 基于通道注意力的无参考型图像质量评价方法