1.2023年iccv rankiqa: learning from rankings for no-reference image quality assessment
作者提出了基於排序的無參考質量評價。
motivation：iqa的資料量小，基於乙個cnn模型提取特徵。
2. 2023年cvpr hallucinated-iqa: no-reference image quality assessment via adversarial learning
作者提出基於hallucinated（可以理解為參考圖）指導的iqa
本質上是一種gan網路，包含：生成網路生成hallucinated圖，hallucinated圖和groundth圖用鑑別器判斷是否一致。**時，使用hallucinated圖和原圖做差，然後利用質量回歸網路得到質量分數。核心在於生成的hallucinated圖實際的清晰圖足夠的接近！！！
3.2019iccvw cnn-based cross-dataset no-reference image quality assessment
4.2018 tip deep neural networks for no-reference and full-reference image quality assessment
基於質量特性的測試與評價
功能性 效能效率 易用性可靠性 資訊安全性 可維護性 相容性可移植性 需求測試 檢視杯子的使用說明書，安全說明書等。功能性測試 杯子是否能裝水 是否漏水 裝水量是否與說明書一致 杯子是否有保溫作用 水能不能輕易喝到 安全性測試 杯子的製作材料是否有毒 杯子是否有缺口，容易割傷嘴巴 將杯子放入微波爐中...
深度學習中的評價標準
1.true positive tp 被正確識別的 想要識別成的物體狗 比如說想測試的是狗 false positive fp 被錯誤的識別為 想要成為的物體狗 以上這兩個就是通過閾值識別出來的 precision tp tp fp true negative tn 正確的沒有被識別為狗 false...
深度學習中的評價指標函式
tp 正確分類到正樣本的樣本個數 true positive fp 錯誤分類分到正樣本的個數 false positive tn 正確分類到負樣本的樣本個數 true negative fn 錯誤分類分到負樣本的樣本個數 false negative 一般來說，precision和recall是魚與...