《表4 在TID2013数据集上几种算法的性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于增强型对抗学习的无参考图像质量评价算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

深度学习技术的特征之一是需要大数据支撑才能取得较好的效果，然后在更大的数据库TID2013上继续做实验，实验结果参见表4。此次增加3个具有代表性的基于深度学习的算法，其中VI（Vgg and Inception net）[43]是使用了VGG和Inception融合深度神经网和感知视觉特性的图像质量评价算法、DIQa M-NR(Deep Image Quality assessment Metric-No Refenence）被称为无参考的加权平均深度图像质量评价算法和Wa DIQa M-NR (Weighted-average Deep Image Quality assessment Metric-No Refenence）算法[22]被称为无参考的深度图像质量评价算法。DIQa M-NR和Wa DIQa M-NR算法都用了深度卷积神经网络，共计10个卷积层、5个池化层，也使用Re LU作激活函数，被作者统称为Deep IQA。