摘要
自动学习的图像质量评估最近成为了一个热门话题，这归因于其在多种应用中的实用性，例如评估图像捕获流程、存储技术和分享媒介。尽管这一问题具有主观性，但大多数现有方法仅预测由AVA [1] 和TID2013 [2] 等数据集提供的平均意见分数。我们的方法与其他方法不同之处在于，我们使用卷积神经网络来预测人类意见分数的分布。此外，我们的架构相比其他性能相当的方法要显著简化。我们提出的方法依赖于已证明的、最先进的深度物体识别网络的成功（及其再训练）。最终得到的网络不仅可以可靠地对图像进行评分，并且与人类感知高度相关，还可以协助摄影流程中照片编辑/增强算法的适应和优化。所有这些工作均无需“黄金”参考图像，从而实现了单图像、语义和感知无参考的质量评估。