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：电子科技大学

摘要：该发明公开了一种基于双偏置校准学习的低成本图像质量评价方法，属于图像处理领域的图像质量评估ImageQualityAssessment,IQA领域。本发明创建了一个名为门控双偏置校准GDBC的模块，将双偏置表示为两个参数未知的潜在变量，包括LC‑MOS和LA‑MOS之间的主观偏置以及从LC‑MOS和LA‑MOS学习到的IQA模型之间的模型偏置；通过基于期望最大化的迭代优化，联合估计双偏置的参数，并通过门控双偏置校准GDBC模块自适应地抑制LC‑MOS的误导；对IQA数据集的理论分析和广泛实验，验证了所提出的GDBC方法的有效性，当每张图像可用的意见分数很少时，比如最少一人标注时，该方法仍然保证了最先进的性能。

主权项：1.一种基于双偏置校准学习的低成本图像质量评价方法，该方法包括图像质量评价模块和门控双偏置校准模块，所述图像质量评价模块中包括：图像质量评估模型、图像质量评估模型的预测得分计算模块；所述门控双偏置校准模块中包括：图像质量评价模块的拟合误差计算模块、主观偏置计算模块、图像质量评估模型更新参数计算模块；步骤1：将图像和带噪标签输入图像质量评价模块，门控双偏置校准模块总初始化主观偏置；步骤2：图像质量评估模型的预测得分计算模块根据当前图像质量评估模型计算出图像质量评估模型的预测得分ftxi，并且将计算结果输入给主观偏置计算模块；ftxi表示图像经过神经网络后的输出值，ft可以是训练过程中的t次迭代后的任意的图像质量评价网络；步骤3：带噪标签输入图像质量评价模块的拟合误差计算模块，图像质量评价模块的拟合误差计算模块中首先计算出图像质量评价模块的偏置然后根据偏置计算拟合误差，并将计算结果输入给主观偏置计算模块；其中，其中i表示第i幅图像，t表示模型训练的第t次迭代，yiη表示带噪声的标签，η表示标签y是带噪的标识，ftxi表示模型预测得分；拟合误差为矩阵C的1范数∥C∥1，矩阵C由图像质量评价模块在相邻th次迭代中的拟合误差组成，步骤4：主观偏置计算模块根据输入，计算当前图像质量评估模型的主观偏置，然后将计算结果输入给图像质量评估模型更新参数计算模块；其中，主观偏置的计算方法为： 其中，α表示插值参数，∈表示预先设置的门限参数；步骤5：图像质量评估模型更新参数计算模块计算当前图像质量评估模型的更新参数θ，然后当前图像质量评估模型根据得到的更新参数进行参数更新；其中，参数θ梯度更新方向为； 其中表示对θ求梯度；步骤6：如果更新后的图像质量评估模型不符合要求，则返回步骤2。

全文数据：

权利要求：

百度查询： 电子科技大学 一种基于双偏置校准学习的低成本图像质量评价方法