一行命令搞定圖像質量評價 | 附代碼和操作步驟

點擊上方“小白學視覺”，選擇加"星標"或“置頂”

重磅干貨，第一時間送達

在交流群里，經(jīng)常有人問到圖像質量評價的問題。比如對監(jiān)控攝像頭拍攝的多幅圖像，挑選一幅圖像顯示給用戶，或者選擇一幅圖丟給識別模型，又或者在互聯(lián)網(wǎng)應用里，對于用戶上傳的多幅圖像，選擇一幅作為封面。一般要求圖像清晰、質量較好，有沒有簡單的方法實現(xiàn)圖像質量評價呢？

今天跟大家推薦一個工具，來自德國商品比價服務商idealo開源的圖像質量評價工具，僅需要一行命令就可以實現(xiàn)。

開源地址：

https://github.com/idealo/image-quality-assessment

安裝非常簡答：

對一幅圖像進行質量評價：

./predict  \--docker-image nima-cpu \--base-model-name MobileNet \--weights-file $(pwd)/models/MobileNet/weights_mobilenet_technical_0.11.hdf5 \--image-source $(pwd)/src/tests/test_images/42039.jpg

對一個文件夾下的所有圖像進行質量評價：

./predict  \--docker-image nima-cpu \--base-model-name MobileNet \--weights-file $(pwd)/models/MobileNet/weights_mobilenet_technical_0.11.hdf5 \--image-source $(pwd)/src/tests/test_images

這個工具還是很靠譜的，其參考的是Google 2017年研究論文 NIMA: Neural Image Assessment"?（https://arxiv.org/pdf/1709.05424.pdf），另外這家公司本身也在自己的互聯(lián)網(wǎng)服務中使用該工具，用于用戶上傳的酒店圖像的挑選和推薦。

實際上該工具有美學評價（側重于圖像好看不好看）和技術評價（側重于圖像質量好不好）兩方面。

官方已經(jīng)給出了這兩個的預訓練模型。

當然，并不是每個人都是做這兩個方面，比如我剛才說的監(jiān)控場景的圖像質量評價，那你就需要自己訓練了。

作者們也提供了簡單易用的訓練接口。

標注好樣本，配置好環(huán)境后，訓練也只需要一行命令：

./train-local \--config-file $(pwd)/models/MobileNet/config_technical_cpu.json \--samples-file $(pwd)/data/TID2013/tid_labels_train.json \--image-dir /path/to/image/dir/local

總之，這是一個在實際項目和研究中，都值得關注的圖像質量評價工具。

再發(fā)一遍項目地址：

https://github.com/idealo/image-quality-assessment

交流群

歡迎加入公眾號讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動駕駛、計算攝影、檢測、分割、識別、醫(yī)學影像、GAN、算法競賽等微信群（以后會逐漸細分），請掃描下面微信號加群，備注：”昵稱+學校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請按照格式備注，否則不予通過。添加成功后會根據(jù)研究方向邀請進入相關微信群。請勿在群內發(fā)送廣告，否則會請出群，謝謝理解~