一种基于双偏置校准学习的低成本图像质量评价方法

专利主权项内容

1.一种基于双偏置校准学习的低成本图像质量评价方法，该方法包括图像质量评价模块和门控双偏执校准模块，所述图像质量评价模块中包括：图像质量评估模型、图像质量评估模型的预测得分计算模块；所述门控双偏执校准模块中包括：图像质量评价模块的拟合误差计算模块、主观偏置计算模块、图像质量评估模型更新参数计算模块；步骤1：将图像和带噪标签输入图像质量评价模块，门控双偏执校准模块总初始化主观偏置；步骤2：图像质量评估模型的预测得分计算模块根据当前图像质量评估模型计算出图像质量评估模型的预测得分f(x)，并且将计算记过输入给主观偏置计算模块；f(x)表示图像经过神经网络后的输出值，f可以是训练过程中的t次迭代后的任意的图像质量评价网络；titit步骤3：带噪标签输入图像质量评价模块的拟合误差计算模块，图像质量评价模块的拟合误差计算模块中首先计算出图像质量评价模块的偏置然后根据偏置/>计算拟合误差，并将计算结果输入给主观偏置计算模块；其中，其中i表示第i幅图像，t表示模型训练的第t个时刻，y表示带噪声的标签，η表示标签y是带噪的标识，f(x)表示模型预测得分；iηti拟合误差为矩阵C的1范数||C||，矩阵C由图像质量评价模块在相邻t次迭代中的拟合误差组成，1h步骤4：主观偏置计算模块根据输入，计算当前图像质量评估模型的主观偏置，然后将计算记过输入给图像质量评估模型更新参数计算模块；其中，主观偏置的计算方法为：其中，α表示插值参数，∈表示预先设置的门限参数；步骤5：图像质量评估模型更新参数计算模块计算当前图像质量评估模型的更新参数θ，然后当前图像质量评估模型根据得到的更新参数进行参数更新；其中，参数θ梯度更新方向为；其中表示对θ求梯度；步骤6：如果更新后的图像质量评估模型不符合要求，则返回步骤2。