图像主观质量评价 评分_日本人工智能前沿：胜似人脑，能自动识别的图像品质评价系统...

小姐姐有话说：

2017年12月21日，谷歌公布了一项新的研究成果NIMA，即神经影像评估系统。

该系统通过深度卷积神经网络(CNN)来学习人类感知图像质量和审美因素的能力。

今日，日本琦玉大大学紧随谷歌其后，发布了一项自动画像评价系统。

这是怎么一回事呢？

谷歌NIMA

日本埼玉大学开发出能以人类主观同等的精度，评价输出数码画像品质值的自动画像品质评价系统。

埼玉大学于2019年8月30日宣布，开发了一种自动图像质量评价系统，该系统对数字图像的图像质量值进行了与人类主观同等精度的评估和输出。

不仅适用于静止画面，还适用于动画和声音的品质评价，有望应用于图像检查、车载摄像机、机器人远景等用途。

埼玉大学的图像评价系统

迄今为止的图像质量评价中，多数人对主观评价的结果进行统计处理并数值化，其作业需要很多工程。

此次，该大学研究室的成员利用神经网络开发了能够立即输出与人类主观相同的图像质量评价的算法。

在计算机上指定想要评价的图像文件，点击按钮后，根据开发的算法显示输出的图像质量值。

该算法可以立即输出与人的主观相同的图像质量评价，以及阴影和照明等对光的影响、噪音、量化时的劣化、模糊。制作压缩等24种图像质量的劣化清单，可以识别劣化的主要原因。

埼玉大学的图像评价系统

现有的图像质量评价方法有“峰值信噪比(PSNR)”等，但是PSNR与PLCC、SROCC等人类主观值的一致性为0.639。而这次手法中，PLCC为0.981，SROCC为0.977，输出了与人的主观值非常相近的值 (越接近1，整合性越高)。

PSNR是“Peak Signal to Noise Ratio”的缩写，即峰值信噪比，是一种评价图像的客观标准，它具有局限性，一般是用于最大值信号和背景噪音之间的一个工程项目。

此次开发的技术可应用于以下两个场景：

1、在图像检查时，对图像高品质有要求的、判定光的影响程度的定量评价和要因解析。

例如，医疗图像分析。

2、在使用图像进行基础设施定期检查时，考虑监控所拍摄的图像是否有问题的监测场景。

进而，在处理大量图像数据的情况下，也可以考虑仅缩小图像质量好的用途。

在适用于动画的情况下，在室外的车载摄像机的安装以及在机器人上安装照相机等情况下，摄影环境动态变化的情况下也可以得到应用。

最后，小姐姐不禁联想到，有了自动画像识别系统后，以下三类人的饭碗都危危可及了，画廊的鉴赏家、评论家、看CT照片的医院技师。

声明：头条号“日本制造业内参”所发稿件、图片、视频均用于学习交流：原创文章版权归日本制造业内参所有，日本制造业内参粉丝、友人投稿，版权归原作者所有；非原创内容源自网络且标明出处，如涉及作品内容、版权和其他问题，请及时与郭小姐姐联系删除！

参考文献：日本埼玉大学官网

---

最新专栏

戳此链接阅读电子专栏《设计、技术、研发人员·晋升12讲》

成为技术部主管的12套必备系统。