公开(公告)号：CN111711816A

公开(公告)日：2020-09-25

申请号：CN202010649273.4

申请日：2020-07-08

Applicant: 福州大学

Inventor： 林丽群 ,  赵铁松 ,  刘佳惠 ,  陈柏林

IPC: H04N19/154 ,  G06K9/62 ,  G06N3/04 ,  H04N17/00

Abstract: 本发明涉及一种基于可察知编码效应强度的视频客观质量评价方法，包括以下步骤：步骤S1:每类可察知编码效应的正负样本输入DenseNet卷积神经网络，训练得到相应的可察知编码效应的检测和识别模型；步骤S2:根据训练后的基于DenseNet卷积神经网络的可察知编码效应的检测和识别模型，得到视频的可察知编码效应强度；步骤S3:计算基于可察知编码效应强度的客观质量指标Q;步骤S4:通过主观测试，计算视频的平均主观意见分，建立基于可察知编码效应强度的客观质量指标Q与视频平均主观意见分的映射关系;步骤S5：根据客观质量指标Q与视频平均主观意见分的映射关系，构建基于可察知编码效应的视频质量评价模型。本发明能够精确的获得视频图像质量的评价结果。

公开(公告)号：CN111767964A

公开(公告)日：2020-10-13

申请号：CN202010649381.1

申请日：2020-07-08

Applicant: 福州大学

Inventor： 林丽群 ,  陈柏林 ,  赵铁松 ,  刘佳惠

IPC: G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种基于改进的DenseNet的多通道特征重标记图像分类方法，包括以下步骤：步骤S1:采集训练数据集，并进行预处理，得到预处理后的训练数据集；步骤S2：基于多通道特征重标记密集型连接网络，搭建分类模型；步骤S3:根据训练数据集训练分类模型，并引入训练效果评价指标Acc和F1-Score，对模型训练过程进行实时评价，实时保存训练模型和数据，并根据最终迭代结果画图，得到训练后的分类模型；步骤S4：将待分类数据集输入训练后的分类模型，得到分类结果。本发明有效地提高了图像识别分类检测精度。

公开(公告)号：CN111711816B

公开(公告)日：2022-11-11

申请号：CN202010649273.4

申请日：2020-07-08

Applicant: 福州大学

Inventor： 林丽群 ,  赵铁松 ,  刘佳惠 ,  陈柏林

IPC: H04N19/154 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  H04N17/00

Abstract: 本发明涉及一种基于可察知编码效应强度的视频客观质量评价方法，包括以下步骤：步骤S1:每类可察知编码效应的正负样本输入DenseNet卷积神经网络，训练得到相应的可察知编码效应的检测和识别模型；步骤S2:根据训练后的基于DenseNet卷积神经网络的可察知编码效应的检测和识别模型，得到视频的可察知编码效应强度；步骤S3:计算基于可察知编码效应强度的客观质量指标Q;步骤S4:通过主观测试，计算视频的平均主观意见分，建立基于可察知编码效应强度的客观质量指标Q与视频平均主观意见分的映射关系;步骤S5：根据客观质量指标Q与视频平均主观意见分的映射关系，构建基于可察知编码效应的视频质量评价模型。本发明能够精确的获得视频图像质量的评价结果。