一种基于自监督学习和Transformer的无参考图像质量评价方法.pdfVIP

下载本文档

25
0
约1.27万字
约 13页
2023-05-15 发布于四川
举报
版权申诉

一种基于自监督学习和Transformer的无参考图像质量评价方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于自监督学习和Transformer的无参考图像质量评价方法，使用有监督对比学习方法在大规模未标记图像质量评价数据集KADIS上进行自监督训练，从而学习到不同失真类型和级别失真图像的退化特征；结合CNN和Transformer特性设计多流主干网络结构，用以提取图像对应的失真特征；设计了分块注意力模块，将退化特征和失真特征进行融合，得到最终的失真图像质量特征，用以图像客观得分的回归预测。本发明结合自监督学习和Transformer提出了一种新型图像质量评价方法，能够有效提升模型在

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116029953 A (43)申请公布日 2023.04.28 (21)申请号 202211694105.2 G06N 3/09 (2023.01)