DeepRN: A CONTENT PRESERVING DEEP ARCHITECTURE FOR BLIND IMAGE QUALITY ASSESSMENT
這是一篇發表在2018年ICME上的質量評價的論文，這篇論文還是很不錯的，從創新上來說。這個工作還是針對自然圖像上進行的，在三個庫上進行了測試。這篇論文，我的理解概括如下：
1.採用之前在目標檢測中使用的SPP層，解決了之前一直遇到的問題，圖像庫中圖像大小不一致的問題。獲得一樣大小一樣維度的特徵圖。
2.最後質量的預測採用了與目前的主流方法不一樣的方法。通過預測其質量的分佈。我們在建立庫的時候，對於圖像的MOS值是採取了取平均的方法，事實上很多人對於一張圖的認識是不同，故該文假定5個等級的質量分數，分別預測不同等級質量的概率，最後採用了加權的方法進行融合。
當然該文第二個思想在之前的論文中也有體現，但是不同的是之前的論文是進行分類，用分類的概率表示其質量的分佈，沒有對真實的分佈進行學習，但是這篇論文是使用深度學習進行學習其質量的分佈，更加得合理。但是值得一提的是，實驗部分不是很好，我感覺。首先沒有做嚴格的對照實驗，根據reference image 進行劃分訓練測試集。其次沒有做tid2013或者tid2008上面的實驗。