التحدي الرئيسي في تطبيق أحدث طرق التعلم العميق لتنبؤ جودة الصور في البيئات الحقيقية هو حجم المجموعات المتاحة من البيانات التي تم تصنيفها حسب الجودة، وهو حجم نسبيًا صغير. سبب نقص المجموعات الأكبر هو الموارد الهائلة المطلوبة لإنتاج محتوى متنوع وقابل للنشر. نقدم هنا نهجًا جديدًا ومنهجيًا وقابلًا للتوسع لإنشاء مجموعات بيانات صور كبيرة ومتنوعة وحقيقية لتقدير جودة الصورة (IQA). نوضح كيف بنينا قاعدة بيانات IQA، KonIQ-10k، والتي تتكون من 10,073 صورة، حيث أجرينا تجارب استقصاء جماهيري على نطاق كبير لجمع تقييمات جودة موثوقة من 1,467 عامل استقصاء (1.2 مليون تقييم). نناقش صلاحية هذه القاعدة البيانات البيئية من خلال تحليل تنوع المجموعة، مقارنتها بقواعد البيانات الرائدة في تقدير جودة الصورة، وفحص موثوقية دراسات المستخدمين الخاصة بنا.