基于自动机器学习的图像质量评价

来源 :江南大学 | 被引量 : 0次 | 上传用户:nibeibei
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着深度学习技术的迅猛发展,深度神经网络已全面应用到图像质量评价中,并且逐渐占据主导地位。深度神经网络可以自动学习出有用的特征,不再需要繁琐的特征工程,并且在图像质量评价任务上取得了超越其他算法的性能,网络性能的强大得益于精心研究和设计的神经网络结构。设计出高性能的神经网络结构通常需要大量的专业知识与反复试验,成本极高,随着网络结构越来越复杂,神经网络结构的设计,也正在从手工设计转型为机器自动设计。神经结构搜索(Neural Architecture Search,NAS)是一种自动设计神经网络结构的技术,可以通过算法根据样本集自动设计出高性能的网络结构,不仅可以发现前人没有提出过的网络结构,而且在一些任务上设计出了领域内精度表现最优秀的网络,这可以有效的降低神经网络的使用和实现成本。本文基于NAS技术,研究设计出适用于图像质量评价的专用高效的网络结构,其主要研究内容和创新如下:(1)提出了一种基于可微分NAS算法的无参考图像质量评价方法。该方法通过将子网络内部中间节点之间预设好的所有候选操作进行松弛化,使得整个模型可微,从而通过随机梯度下降算法,对模型的某两种具有特定功能的子网络进行搜索。将实验搜索到的子网络构建成模型并在三个数据集上面进行重新训练,实验表明我们的算法性能优越,与当前的优秀算法性能相近。(2)提出了一种基于部分通道连接和额外跳跃连接的可微分NAS算法无参考图像质量评价方法。该方法专注于研究领域内对可微分神经网络结构搜索算法缺点的研究,通过改变模型搜索空间来优化整个算法效果。对于显存占用过大的问题,使用部分通道连接来达到成倍压缩显存的目的,而对于部分通道连接引发的采样通道不稳定的问题,通过边界标准化来解决。将实验搜索到的子网络构建成模型并在三个数据集上面进行重新训练,实验表明我们的算法性能优越,与当前的优秀算法性能相近。我们通过对比实验验证了网络改进对于显存问题的优化效果。(3)提出了一种基于解耦的可微分NAS算法的无参考图像质量评价算法。同样针对可微分神经网络结构搜索算法的问题,通过重新设计新的可微分神经网络结构算法来进行解决。具体上,第一步先进行单一操作的训练,用于选取较为重要的操作;第二部选择重要操作,通过对操作之间的拓扑组合构建搜索空间并做松弛化处理,从而实现拓扑操作组合的搜索。第一步与第二步都使用随机梯度下降算法,同时支持对于边数的搜索。将实验搜索到的子网络构建成模型并在三个数据集上面进行重新训练,实验表明我们的算法性能优越,与当前的优秀算法性能相近。
其他文献
不相关并行机调度问题(Unrelated Parallel Machine Scheduling Problem,UPMSP)是现代工业生产中普遍存在的一种车间调度问题,广泛应用于通讯设备制造、窑炉煅烧制造、纺织制造以及其他工业活动中。在不考虑其他约束条件下,它通常要求将一组数量有限的作业分配到一组数量有限的机器上,同时确保一个或者多个关键目标值最优。然而,实际的工业生产需要考虑大量的其他因素:例
学位
多目标优化问题(Multi-objective optimization problems,MOPs)在科学研究和工程领域广泛存在,研究者提出了许多经典多目标演化算法(Multi-objective optimization evolutionary algorithms,MOEAs)来求解MOPs,且取得了一定的成效。然而,MOEAs无法在求解决策变量数大于100的大规模多目标优化问题(Larg
学位
人脸检测技术是指一种从给定图像中识别出所有人脸,并返回对应的人脸边界框的技术,是当前计算机视觉领域的热点研究内容之一。目前人脸检测技术已被广泛应用于智能手机的美颜拍照、刷脸支付以及小区的安防门禁等应用场景中。尽管人脸检测技术在最近十多年里已经发展得比较成熟,但它在无约束环境下的性能仍然有很大的提升空间,同时在移动设备上的性能和检测速度也不令人满意。因此,人脸检测技术仍然存在着深入研究的学术价值和工
学位
相比于多目标优化问题(Multi-Objective Optimization Problems,MOPs),同时考虑目标数大于3的高维多目标优化问题(Many-Objective Optimization Problems,MaOPs)更符合实际应用。随着目标个数不断增多以及目标问题的复杂度增加,目前的多目标优化方法无法很好的解决高维目标空间中性能退化问题,如无法很好的筛除性能差的支配抵抗解(D
学位
脑肿瘤是一种常见的神经系统疾病,可分为原发与继发两大类。其中原发性脑肿瘤起源于颅内组织或脊髓病变,而继发性则是由其他器官的恶性肿瘤转移而来。相较于继发性脑肿瘤,原发性的发病率和死亡率更高,其中最为常见是胶质瘤,它起源于颅内胶质细胞的异常增生。尽管神经胶质瘤研究取得了相当大的进展,但患者的诊断仍然很差。准确的脑肿瘤分割是诊断和治疗的前提,这项任务的主要挑战在于胶质瘤及其子区域在外观、位置和形状上具有
学位
分布式传感器网络在单传感器滤波的基础上,利用传感器间通信交换多目标后验分布,对多目标后验分布进行信息融合达到提高多目标跟踪精度的目的。受限于单传感器检测能力、监控视野非完全一致以及复杂环境下目标漏跟或杂波干扰,传感器间滤波后验分布差异较大,直接采用广义协方差交集(Generalized Covariance Intersection,GCI)融合易丢失目标分布信息,探索有效的多传感融合方法仍值得深
学位
视频多目标跟踪是计算机视觉领域的一个重要分支,如今视频目标检测技术日益提高,现有目标检测器对单张图片中的物体类别以及物体位置有较高的识别率,但依然会有漏检测和错检测的产生。针对这一问题,视频多目标跟踪技术可以利用视频上文信息,对目标的运动信息以及外观信息进行建模,并用各自的标签标记身份来记录目标轨迹信息,可以减少检测器的误检测和漏检测问题。同时视频多目标跟踪技术还需解决如何有效识别新生目标、如何进
学位
方面级情感分析是文本情感分析任务的研究重点,其基础子任务包括:目标词抽取、意见词抽取和方面级情感分类。传统的目标词和意见词抽取工作是独立完成的,割裂了目标词与意见词之间的联系。针对上述问题,最近的研究工作提出了面向目标的意见词抽取任务,其旨在根据句子中特定的目标词抽取与其对应的意见词。当一个句子中存在多个目标词时,准确的捕捉目标词和相应意见词之间的联系仍然非常具有挑战性。本文针对面向目标的意见词抽
学位
频繁-高效用项集挖掘作为数据挖掘的一个重要领域,能够帮助用户在数据集中寻找到频繁出现且有着较高效用值的项集。相比于仅关注项集出现的频次或项集的效用,频繁-高效用项集能够满足用户多元的需求。传统算法在求解频繁-高效用项集挖掘问题时,会遇到搜索空间爆炸和参数设计的困难。近期,有学者将频繁-高效用项集挖掘问题定义为一个多目标优化问题,并提出了基于多目标演化的算法来求解此问题。利用多目标演化的方法挖掘频繁
学位
现代社会城市化进程的加快和人均车辆保有率的增长使城市交通管理面临着巨大的压力。随着计算机、物联网技术的快速发展,智能交通系统在城市交通管理和智慧城市建设中发挥着越来越重要的作用。交通流预测是智能交通系统的基础,精准的交通预测对很多应用来说是必不可少的。当前,交通预测仍然十分具有挑战性,主要体现在两方面:一是由于交通网络中蕴含了复杂的时空关联和非线性变化,导致现有模型的预测精度不够理想,尤其是在长期
学位