DCN：双通道密集哈达玛卷积的画质评价网络

来源：计算机工程与应用杂志2022年第21期北京时间：

作者：杨晓东, 韩振奇, 刘立庄, 赵丹

单位：1.中国科学院 上海高等研究院，上海 201210；2.中国科学院大学，北京 100049；

摘要：随着人类对高质量图像的需求日益紧迫，客观画质评价（image quality assessment，IQA）的研究日趋重要，其中的无参考真实失真评估，面临失真的复杂性和内容多样性的巨大挑战。为了获取更加准确有效的质量特征，提出了一种双通道密集哈达玛卷积的画质评价网络（dual-channel network，DCN），其以深度卷积模型Inception-ResNet-v2为骨干网络提取特征，将设计的双通道融合网络为分数评估网络，最后映射到客观质量分数。分数评估网络由卷积特征提取分支和多层感知机分支并联组成，将提出的密集哈达玛卷积模块（dense Hadamard product module，DHPM）应用到多层感知机分支中，通过哈达玛乘积将低层特征与高层特征融合，发挥特征自适应和高级表达的作用。在公开数据集KonIQ-10k上的实验结果表明，该网络测试的斯皮尔曼秩相关系数（spearman rankorder correlation coefficient，SROCC）为0.922，皮尔森线性相关系数（Pearson linear correlation coefficient，PLCC）达到0.938。

关键词：图像质量评价,深度学习,计算机视觉,双通道结构,哈达玛卷积