[发明专利]一种基于并行卷积神经网络的图像质量测试方法在审
| 申请号： | 201610860979.9 | 申请日： | 2016-09-28 |
| 公开（公告）号： | CN106651830A | 公开（公告）日： | 2017-05-10 |
| 发明（设计）人： | 王伟凝;赵明权;黄杰雄;蔡加成 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 广州市华学知识产权代理有限公司44245 | 代理人： | 陈文姬 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于并行卷积神经网络的图像质量测试方法，包括以下步骤(1)采用并行卷积神经网络建立图像质量测试模型；所述图像质量测试模型包括五个卷积层和三个全连接层；(2)输入数据预处理与数据库平衡化处理(3)模型的预训练采用预训练数据集，对图像质量测试模型进行预训练学习，得到网络权值；(4)并行模型训练初始化图像质量测试模型，基于预训练初始化后的图像质量测试模型，进行并行模型训练，得到已训练的图像质量评估模型；(5)对目标图像使用已训练的质量评估模型进行测试。本发明得到的测试结果符合人类审美标准，判断过程无需人工参与，实现了机器全自动图像质量评价。 | ||
| 搜索关键词： | 一种 基于 并行 卷积 神经网络 图像 质量 测试 方法 | ||
【主权项】：
一种基于并行卷积神经网络的图像质量测试方法，其特征在于，包括以下步骤：(1)采用并行卷积神经网络建立图像质量测试模型；所述图像质量测试模型包括第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第一全连接层、第二全连接层和第三全连接层；所述第五卷积层为包含n个分支的并行结构网络；1≤n≤10；(2)输入数据预处理与数据库平衡化处理：对预训练数据集的每个样本进行裁剪和归一化，并对预训练数据集的样本数量进行平衡化处理；(3)模型的预训练：采用预训练数据集，对图像质量测试模型进行预训练学习，得到网络权值；所述预训练学习，具体为：用预训练数据集中每一种类别图像各自训练一个深度CNN网络，并且进行权值学习和提取；所述权值学习和提取，具体包括以下步骤：(3‑1)深度CNN网络权值初始化；(3‑2)对深度CNN网络进行迭代训练；(3‑3)提取每一个深度CNN网络第五卷积层学习得到的卷积核权值；(4)并行模型训练：初始化图像质量测试模型，基于预训练初始化后的图像质量测试模型，进行并行模型训练，得到已训练的图像质量评估模型；(5)对目标图像使用已训练的质量评估模型进行测试。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610860979.9/，转载请声明来源钻瓜专利网。
