أصبح تقييم الجودة التلقائي للصور موضوعًا مثيرًا للاهتمام مؤخرًا بفضل فائدته في مجموعة واسعة من التطبيقات، مثل تقييم مسارات التقاط الصور، وتقنيات التخزين، ومشاركة الوسائط. وعلى الرغم من الطبيعة الذاتية لهذا النوع من المشكلات، فإن معظم الطرق الحالية تقتصر على التنبؤ بدرجة الرأي المتوسطة المقدمة من مجموعات البيانات مثل AVA [1] وTID2013 [2]. يختلف نهجنا عن الطرق الأخرى من خلال التنبؤ بتوزيع درجات رأي البشر باستخدام شبكة عصبية متعددة الطبقات ذات تراكب (CNN). كما يتميز معمارية نهجنا ببساطتها الكبيرة مقارنة بالطرق الأخرى ذات الأداء المماثل. ويستند نهجنا المقترح إلى نجاح الشبكات العصبية العميقة المثبتة أداءً وذات المستوى الرائد في التعرف على الكائنات. ويتيح لنا الشبكة الناتجة تقييم الصور بشكل موثوق وبدرجة ارتباط عالية مع الإدراك البشري، بالإضافة إلى دعم عملية التكييف وتحسين خوارزميات تحرير/تحسين الصور ضمن سلسلة معالجة الصور. وكل ذلك يتم دون الحاجة إلى صورة مرجعية "مثالية"، ما يسمح بتقييم جودة الصورة بدون مرجع (No-Reference) ويعتمد على المعنى (Semantic) والإدراك البشري، وذلك في حالة صورة واحدة.