深度学习图像质量评估项目教程-优快云博客

本文链接：https://blog.youkuaiyun.com/gitblog_00413/article/details/147280733

深度学习图像质量评估项目教程

deepIQA NR and FR IQA models based on Deep Convolutional Neural Networks 项目地址: https://gitcode.com/gh_mirrors/de/deepIQA

1. 项目目录结构及介绍

项目目录结构如下：

deepIQA/
├── models/            # 存放预训练模型文件
├── .gitignore         # 指定git忽略的文件和目录
├── LICENSE            # 项目许可文件
├── README.md          # 项目说明文件
├── evaluate.py        # 图像质量评估脚本
├── fr_model.py        # 全参考图像质量评估模型
└── nr_model.py        # 无参考图像质量评估模型

models/：此目录包含了项目所需的预训练模型文件，这些模型是基于深度卷积神经网络训练的，用于无参考和全参考图像质量评估。
.gitignore：该文件指定了哪些文件和目录应该被git版本控制系统忽略，通常包括编译产生的临时文件、本地设置文件等。
LICENSE：项目使用的许可证文件，本项目采用MIT许可，这是一种宽松的开源协议，允许用户自由使用、修改和分享项目代码。
README.md：项目的说明文档，包含了项目的介绍、使用方法和依赖库等信息。
evaluate.py：这是项目的主要脚本文件，用于执行图像质量的评估。
fr_model.py 和 nr_model.py：这两个文件分别包含了全参考和无参考图像质量评估的模型代码。

2. 项目的启动文件介绍

项目的启动文件是 evaluate.py。该脚本用于加载模型并执行图像质量评估。以下是启动文件的基本使用方法：

python evaluate.py [-h] [--model MODEL] [--top {patchwise,weighted}] [--gpu GPU] INPUT [REF]

-h：显示帮助信息。
--model MODEL：指定要使用的模型文件路径。
--top {patchwise,weighted}：选择评估模式，patchwise 表示基于图像块的方式，weighted 表示基于加权的方法。
--gpu GPU：指定使用的GPU编号。
INPUT：输入的图像文件路径。
[REF]：可选的参考图像路径，对于全参考图像质量评估是必需的。