《表4 TID2008数据库上SROCC与PLCC实验结果比较》

  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

《卷积神经网络结合深度森林的无参考图像质量评价》

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

由于本文模型是由训练得到的，为了验证其泛化性能，使用2个完全独立的数据库进行训练和测试。选择整个LIVE数据库共779张自然失真图片作为训练数据，由于TID2008数据库具有更多失真类型且含有人工合成图片，因此测试时只选用JP2K、JPEG、BLUR、WN等4种失真类型，且不包括人工合成图片，共384张，测试模型性能，共进行1000次训练测试，各算法指标结果如表4所示。从表4可知，本文所提出的模型在泛化性能上具有良好的表现，测试结果优于传统基于人工提取特征学习的算法和单一卷积神经网络学习的无参考图像质量评价方法。图4所示为所提模型预测值与MOS值的散点分布图，图中散点均匀分布在直线两侧，表明所提模型具有较好的主观一致性。