深度卷积神经网络嵌套fine-tune的图像美感品质评价

李雨鑫,普园媛^*,徐丹,钱文华,刘和娟

云南大学信息学院, 云南 昆明 650504

收稿日期:2017-05-05出版日期:2018-06-20发布日期:2017-05-05
通讯作者:普园媛(1972— ), 女, 云南晋宁人, 教授, 博士, 主要研究方向为数字图像处理, 非真实感绘制, 视觉艺术科学理解等方面的研究. E-mail:km_pyy@126.comE-mail:837506201@qq.com
作者简介:李雨鑫(1989— ), 男, 山东烟台人, 硕士研究生, 主要研究方向为数字图像处理, 深度学习, 视觉美感评价.E-mail:837506201@qq.com
基金资助:国家自然科学基金资助项目(61163019,61271361,61462093,61761046);云南省科技厅资助项目(2014FA021,2014FB113)

Image aesthetic quality evaluation based on embedded fine-tune deep CNN

LI Yuxin, PU Yuanyuan^*, XU Dan, QIAN Wenhua, LIU Hejuan

School of Information Science and Engineering, Yunnan University, Kunming 650504, Yunnan, China

Received:2017-05-05Online:2018-06-20Published:2017-05-05

摘要/Abstract

摘要： 针对使用卷积神经网络对图像美感品质研究中图像数据库过小的问题,使用fine-tune的迁移学习方法,分析卷积神经网络结构和图像内容对图像美感品质评价的影响。在按图像内容进行美感品质评价研究时,针对图像数据再次减小的问题,提出连续两次fine-tune的嵌套fine-tune方法,并在数据库Photo Quality上进行试验。试验结果表明,嵌套fine-tune方法得到的美感品质评价正确率比传统提取人工设计特征方法平均高出5.36%,比两种深度学习方法分别平均高出3.35%和2.33%,有效解决了卷积神经网络在图像美感品质研究中因图像数据库过小而带来的训练问题。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=912