《表2 FRML3-DoG-SVR和其它全参考算法的性能比较》
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
《基于机器学习的全参考图像质量评价模型泛化能力分析》
由图4可以看到,无论采用何种FRML-IQA模型结构,FRML-IQA模型在验证集CUC2018中的预测准确度要远远低于其在训练-测试集TID2013或CSIQ中的表现。进一步地,我们选取这27个算法中表现最好的算法FRML3-Do G-SVR,将其性能和未采用机器学习的全参考算法(如SSIM,VIF等)进行比较。其性能比较结果如表2所示。
图表编号 | XD0051744600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 马小雨、姜秀华 |
绘制单位 | 中国传媒大学信息与通信工程学院、中国传媒大学信息与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |