论文笔记[2] 深度CNN图像质量预测
Introduction
本文主要讲如何用深度CNN模型来做图像质量评估 / 预测（image quality assessment / prediction）。但是这个问题比较困难的一个原因在于缺少数据，即对一张图片的质量人工主观评价的分数。而且对于这类问题，常规的data augmentation方法都不适用，因为会改变主观分数。
对于图像质量模型，full-reference，reduced-reference 表示有一个参照图像，而no-reference表示无参考图，或者叫做blind。有reference的往往是已知对图像进行了某种process，比如压缩，增强等等，而blind则是直接对原始图像进行打分。一般来说，blind，即无参考的问题更难一些。但是both reference and no-reference picture-quality models rely
heavily on principles of computational visual neuroscience and/or on highly regular models of natural picture statistics。CNN由于模拟了visual cortex的一些特性，如从带方向的Gabor滤波器提到的低级特征到结构特征等高级特征逐渐学习，使之可以用于图像质量检测。最直接的想法可能就是下图所示这种：
Overview of the problem
浅层的学习方法，如SVR已经对这个问题做的比较好了，但是还有提升空间，深度CNN的做法如下图：
CNN不用手动提特征，这是和传统方法的主要区别。preprocessing中可以包括color conversion，local debiasing， local normalization， domain transformation等。主要的还是CNN训练数据不够的问题，主观标定的数据集有LIVE IQA，TID2013，最大的LIVE “In the Wild” Challenge Database有1200多张不同的图片，每个都被unique的某种distortion组合影响，有350000多主观评定。样本太少的一般策略就是augmentation，但是想旋转，crop，reflection等这些会改变主观评价。另一种策略是分patch，这个比较常用，但是没法对每个local的patch打分。
一个解决方法就是无监督学习，如玻尔兹曼机，autoencoder等。但是这些一般都是忽略细节，也就是说对distortion应该比较鲁棒的，而QA问题需要对这些distortion敏感，这是难点。
CNN based Picture Quality Prediction
主要有两种，分别成为patchwise和imagewise，顾名思义。patchwise是为了增加样本量，因为图像的QA问题没法做augmentation。patchwise的CNN，如下图，训练的时候每个patch给一个相同的和image一样的score，而且用了local divisive normalization。test的时候每个patch算一个score，进行平均得到最终的picture quality。
由于实际上每个patch的质量不同，因此有方法提出吧最终的结果看做是每个patch的加权和，权重，即每个patch的重要性要通过子网络学习。
另外，为了避免过拟合，因为QA问题样本少，因此采取两步骤训练，先用算法生成的proxy groundtruth quality scores 学，然后在用主观评测的scores调。一种叫做deep image quality assessor (DIQA)的无reference的QA模型是这样训练的，先objective training，后subjective training。
CNN-based full reference models：
dual-path CNN-based full-reference model；
有做法是这样：先用ImageNet pretrain，然后把reference和distortion都投入CNN，用CNN提取feature map，然后通过两者feature map 的局部相似性进行计算得到最终的score。
DeepQA训练一个视觉敏感权重。用的是distortion和objective error map作为输入。学到的权重weight map作为一个objective error map的的multiplier。
关于loss function：
对于不同的策略，解释如下：
Performance of CNN picture-quality models
Two performance metrics were used to benchmark the models: Spearman’s rank order correlation coefficient (SRCC), and Pearson’s linear correlation coefficient (PLCC).
SRCC是用rank的差来计算的，即将两组数据都排序，每个元素都替换成在有序数组中的序号，然后比较两组序号。这样相当于没有考虑具体的评分的数值是多少，主要考虑的是不同图像之间的质量好坏的比较关系，比较合理。
PLCC就是皮尔森相关系数。
reference ： Kim J, Zeng H, Ghadiyaram D, et al. Deep convolutional neural models for picture-quality prediction: Challenges and solutions to data-driven image quality assessment[J]. IEEE Signal Processing Magazine, 2017, 34(6): 130-141.
2018/01/19 11:45 a.m.
人是一堆无用的热情。
让-保罗-萨特