研究目的
研究使用现成深度模型中的复合特征进行图像美学评估的有效性。
研究成果
所提出的方法利用现成深度模型中的复合特征，显著提升了图像美学评估性能，在无需训练或微调的情况下超越了现有最先进方法。
研究不足
该方法的效果取决于用于特征提取的预训练模型，若不进行微调，可能无法捕捉审美判断的所有细微差别。
1：实验设计与方法选择：
采用三个并行深度神经网络从全局、局部和场景感知角度提取特征
2：样本选择与数据来源：
使用AVA和CUHKPQ数据集进行实验
3：实验设备与材料清单：
采用AlexNet、VGG-16和ResNet-50等预训练DNN进行特征提取
4：实验流程与操作步骤：
通过上述DNN提取图像特征并使用SVM分类
5：数据分析方法：
评估不同DNN架构的影响及局部与场景感知信息对美学评估的贡献
独家科研数据包，助您复现前沿成果，加速创新突破
获取完整内容-
AlexNet
Feature extraction for image classification
-
VGG-16
Feature extraction for image classification
-
ResNet-50
Feature extraction for image classification and scene recognition
-
Places365-ResNet
Feature extraction for scene recognition
-
登录查看剩余2件设备及参数对照表
查看全部
