-
公开(公告)号：CN119048889A
公开(公告)日：2024-11-29
申请号：CN202411127983.5
申请日：2024-08-16
Applicant: 厦门大学
IPC: G06V10/98 , G06V10/82 , G06V10/74 , G06N3/0455 , G06N3/042 , G06N3/0895
Abstract: 本发明公开一种基于HVS的上下文对比和局部敏感特性的无参考图像质量评估方法、电子设备和存储介质，解决现有技术中存在的缺少全面模拟人类质量感知的缺陷而导致评价精度较低问题，能够更精确地模拟人类感知过程，提高图像质量评估的精度。该评估方法，包括以下步骤：步骤1、构建网络模型，该网络模型包括以Transformer为主干网路预训练的BIQA教师模型、与教师模型具有相同主干网络的BIQA学生模型；步骤2、给定用于图像质量评估的训练数据集，对网络模型进行训练；步骤3、将待评估图像输入训练后的网络模型，由网络模型输出预测的分数结果。
-
公开(公告)号：CN116912219A
公开(公告)日：2023-10-20
申请号：CN202310902071.X
申请日：2023-07-21
Applicant: 厦门大学
IPC: G06T7/00 , G06N3/082 , G06N3/0495 , G06N3/048 , G06N3/0464 , G06N3/045
Abstract: 一种基于知识蒸馏的无参考图像质量评价方法，属于计算机视觉领域。图像质量评估是对图像质量进行评估的过程。该方法利用特征蒸馏将非对称参考图像的信息引入到失真图像当中，并利用可学习的中间层来实现模型输出蒸馏，其蒸馏过程包含三个新颖的准则：1.随机掩码的特征蒸馏；2.可学习的模型输出蒸馏；3.局部特征和语义特征增强。基于该三个新颖的准则改进基于知识蒸馏的网络结构，使之适应图像质量评价的任务，有效弥补已有的图像质量评价网络结构在基于无参考图像的质量评价缺少比较知识，性能不足的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN117593296A
公开(公告)日：2024-02-23
申请号：CN202410070380.X
申请日：2024-01-18
Applicant: 厦门大学
IPC: G06T7/00 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了计算机视觉技术领域的一种基于扩散模型的无参考图像质量评价方法，包括如下步骤：步骤S1、基于BIQA教师模块、BIQA学生模块、特征融合模块、噪声适配模块以及输出模块创建一图像质量评价模型；所述BIQA教师模块以CLIP模型为主干网络；所述BIQA学生模块以Transformer模型为主干网络；步骤S2、获取大量的图像，对各所述图像进行预处理并构建图像数据集；步骤S3、利用所述图像数据集对图像质量评价模型进行训练；步骤S4、利用训练后的所述图像质量评价模型进行图像质量评价。本发明的优点在于：极大的提升了无参考图像质量评价精度。
-
公开(公告)号：CN117593296B
公开(公告)日：2024-05-31
申请号：CN202410070380.X
申请日：2024-01-18
Applicant: 厦门大学
IPC: G06T7/00 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了计算机视觉技术领域的一种基于扩散模型的无参考图像质量评价方法，包括如下步骤：步骤S1、基于BIQA教师模块、BIQA学生模块、特征融合模块、噪声适配模块以及输出模块创建一图像质量评价模型；所述BIQA教师模块以CLIP模型为主干网络；所述BIQA学生模块以Transformer模型为主干网络；步骤S2、获取大量的图像，对各所述图像进行预处理并构建图像数据集；步骤S3、利用所述图像数据集对图像质量评价模型进行训练；步骤S4、利用训练后的所述图像质量评价模型进行图像质量评价。本发明的优点在于：极大的提升了无参考图像质量评价精度。
-
公开(公告)号：CN116912217A
公开(公告)日：2023-10-20
申请号：CN202310901917.8
申请日：2023-07-21
Applicant: 厦门大学
IPC: G06T7/00 , G06N3/082 , G06N3/0895 , G06N3/0495 , G06N3/0455
Abstract: 一种基于知识蒸馏和对比学习的无参考图像质量评价方法，属于计算机视觉领域。图像质量评价是对图像质量进行量化评价。利用特征对比学习机制，允许模型从图像的语义内容中分离出与质量相关的特征，其过程包含三个新颖的准则：1.特征和分数对的临时存储器；2.特征对比学习机制；3.对比知识的蒸馏。本发明基于该三个新颖的准则设计基于知识蒸馏和对比学习的网络结构，使之适应图像质量评价的任务，有效弥补已有的图像质量评价网络结构缺少分离出与质量相关特征能力的缺陷。
-
公开(公告)号：CN119316586A
公开(公告)日：2025-01-14
申请号：CN202411189113.0
申请日：2024-08-28
Applicant: 厦门大学
Abstract: 本发明公开了一种基于视觉语言模型的少样本图像质量评估方法及装置，涉及图像质量评估技术领域。本发明通过引入梯度调节元提示图像质量评估(GRMP‑IQA)，先通过元提示预训练采用双层梯度优化过程合并来自各种图像失真的元知识，从而用于细化文本和视觉提示的初始化，增强了CLIP模型对IQA任务的适应能力，降低了提示初始化对各种IQA场景的敏感性；然后通过质量感知梯度正则化纠正视觉‑语言模型(CLIP)过度关注语义内容而引入的偏差，确保对图像质量进行更准确的评估，使预训练的CLIP模型适应具有少量训练样本的BIQA任务。
-
公开(公告)号：CN118446963A
公开(公告)日：2024-08-06
申请号：CN202410427394.2
申请日：2024-04-10
Applicant: 厦门大学
IPC: G06T7/00 , G06T7/11 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于空间异构失真感知的无参考图像质量评价方法，涉及图像质量评估技术领域。所述方法包括将输入图像分割成图像块并随机构建空间异构失真生成退化图像；将输入图像和退化图像分别输入学生编码器和教师编码器提取输入图像块失真特征以及退化图像块失真特征，然后送入失真感知知识蒸馏模块通过对比知识蒸馏模块和亲和知识蒸馏模块将输入图像块失真特征与退化图像块失真特征进行交互；构建整体损失函数完成模型训练后，将待评价图像分割成图像块，采用训练好的学生编码器作为失真感知编码器提取特征，再通过解码器解码，通过质量感知适应头计算质量分数。本发明实现了通过分析局部失真块来评估图像质量。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
