图像美学质量评价综述

作者：张艳; 董武^*; 李桐; 李业丽; 陆利坤

来源：北京印刷学院学报, 2022, 30(07): 66-71.

DOI：10.19461/j.cnki.1004-8626.2022.07.005

• 图像美学质量评价
• 深度学习
• 卷积神经网络

近年来，由于高美学质量图像的需求越来越多，图像美学质量评价成为热门研究课题之一。深度学习的发展极大推动了图像美学质量评价的发展。图像美学质量评价常用的数据集有Aesthetic Visual Analysis(AVA)数据集、Aesthetics and Attributes DataBase(AADB)数据集和CUHK-Photo Quality(CUHK-PQ)数据集。图像美学质量评价的研究方法主要分为两个类型，基于手工设计美学特征的方法与基于深度学习的图像美学质量评价方法。基于手工设计美学特征的方法是根据摄影规则或图像内容人工设计美学特征，再利用机器学习方法对图像进行高低质量分类。基于深度学习的图像美学质量评价方法是用卷积神经网络自动提取图像的美学特征，并对图像进行高低质量分类。图像美学质量评价用准确率(Acc)、均方误差(Mse)、平均绝对误差(Mae)、中位数绝对误差(Med)来度量模型的有效性。

• 单位
  北京印刷学院