论文笔记-NIMA-Neural Image Assessment， IEEE Transactions on Image Processing 2018
论文引用：
Talebi H , Milanfar P . NIMA: Neural Image Assessment[J]. IEEE Transactions on Image Processing, 2017, PP(99):1-1.
论文代码：
摘要
自动学习图像质量近来成为一个热门话题。因为它有很广泛的应用；比如评估图像采集管道，存储技术和共享媒体。
尽管这一问题具有主观性，但大多数现有的方法只能预测AVA和TID2013等数据集提供的平均意见得分。
我们的方法不同于其他方法，因为我们使用卷积神经网络预测人类观点分数的分布。
我们的体系结构还具有显著的优势，比其他具有类似性能的方法简单。
我们提出的方法依赖于成熟的、最先进的深目标识别网络的成功（和再训练）。
我们的网络不仅可以可靠地对图像进行评分，而且与人类感知有很高的相关性，还可以帮助调整和优化摄影管线中的照片编辑/增强算法。
所有这些都是在不需要一个“黄金”参考图像的情况下完成的，因此允许单个图像、语义和感知感知，无参考质量评估。