• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于深度學(xué)習(xí)的照片圖像美感質(zhì)量評(píng)估綜述

    2022-07-21 11:54:35李文軒
    軟件工程 2022年7期
    關(guān)鍵詞:深度學(xué)習(xí)

    摘 ?要:圖像美感質(zhì)量評(píng)估作為計(jì)算美學(xué)中重要的研究領(lǐng)域,是指利用計(jì)算機(jī)模擬人類的主觀審美思維,并在此基礎(chǔ)上對(duì)圖像的美感進(jìn)行定性或定量評(píng)估。作為圖像美感質(zhì)量評(píng)估中的一類主要研究對(duì)象,照片圖像美感質(zhì)量評(píng)估在檢索與排序、照片圖像美化等方面有著廣泛的應(yīng)用。本文主要對(duì)基于深度學(xué)習(xí)技術(shù)的照片圖像美感質(zhì)量評(píng)估研究進(jìn)行歸納和總結(jié),并從基于深度學(xué)習(xí)的美感評(píng)估這一基本思路出發(fā),依次對(duì)照片圖像美感質(zhì)量評(píng)估類別、照片圖像美感評(píng)估數(shù)據(jù)集及其建立方法進(jìn)行綜述,并對(duì)相關(guān)研究?jī)?nèi)容提出建議。

    關(guān)鍵詞:計(jì)算美學(xué);深度學(xué)習(xí);照片圖像美感質(zhì)量評(píng)估;評(píng)估類別;數(shù)據(jù)集

    中圖分類號(hào):TP391 ? ? 文獻(xiàn)標(biāo)識(shí)碼:A

    Overview of Aesthetic Quality Evaluation of Photo

    Images based on Deep Learning

    LI Wenxuan

    (School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China)

    xuchange2022@163.com

    Abstract: As an important research field in computational aesthetics, image aesthetic quality evaluation refers to the use of computer to simulate human subjective aesthetic thinking, and on this basis, to carry out a qualitative or quantitative evaluation of the image aesthetics. Photo image aesthetic quality evaluation, as one of the main research objects in image aesthetic quality evaluation, has been widely applied in retrieval and sorting, photo image beautification and so on. This paper mainly proposes to summarize the research on the aesthetic quality evaluation of photo images based on deep learning technology. Starting from the basic idea of the aesthetic evaluation based on deep learning, categories of photo image aesthetic quality evaluation, photo image aesthetic evaluation datasets and establishment methods are reviewed in turn, and suggestions for relevant research are put forward.

    Keywords: computational aesthetics; deep learning; photo image aesthetic quality evaluation; evaluation categories;

    dataset

    1 ? 引言(Introduction)

    美學(xué)是以藝術(shù)為主要對(duì)象,研究美、丑等審美范疇和人的審美意識(shí)、美感經(jīng)驗(yàn),以及美的創(chuàng)造、發(fā)展及其規(guī)律的科學(xué)[1]。而使用人工智能技術(shù)對(duì)圖像進(jìn)行定量或定性的評(píng)估則被稱為“計(jì)算美學(xué)[2]”,即通過研究“美”的可計(jì)算方法,使得計(jì)算機(jī)能夠?qū)D像做出符合人類傾向的審美決策,該概念在2005 年歐洲計(jì)算機(jī)圖形學(xué)會(huì)(EG)舉辦的第一屆圖形圖像視覺計(jì)算美學(xué)學(xué)術(shù)會(huì)議上被正式提出。

    照片圖像美感質(zhì)量評(píng)估是“計(jì)算美學(xué)”研究的重點(diǎn)領(lǐng)域。隨著照相機(jī)、智能手機(jī)等攝影成像設(shè)備的快速普及,在線照片圖像的數(shù)據(jù)量呈指數(shù)式增長(zhǎng),產(chǎn)生了繁雜且冗余的海量在線照片圖像,因此,如何在海量照片圖像中獲取更高質(zhì)量美感的照片圖像顯得尤為重要。使用人工智能技術(shù)模擬人的審美感知,并對(duì)海量照片圖像高效地進(jìn)行美感質(zhì)量評(píng)估可以有效地解決該類問題。

    2 ?基于深度學(xué)習(xí)的照片圖像美感質(zhì)量評(píng)估基本思路(Basic ideas of photo image aesthetic quality evaluation based on deep learning)

    本文總結(jié)了以照片圖像為美感評(píng)估對(duì)象,以美感質(zhì)量為美感評(píng)估任務(wù),以自動(dòng)特征提取方法為主的基于深度學(xué)習(xí)的照片圖像美感質(zhì)量評(píng)估基本思路,如圖1所示。

    實(shí)際上,在研究過程中,往往對(duì)自動(dòng)特征提取和預(yù)測(cè)模型進(jìn)行統(tǒng)一的設(shè)計(jì)和訓(xùn)練,實(shí)現(xiàn)“端到端”的學(xué)習(xí)模式。并且,在確立照片圖像美感質(zhì)量評(píng)估類別階段,往往也同時(shí)考慮照片圖像美感質(zhì)量評(píng)估模型,因此,本文不再單獨(dú)對(duì)照片圖像美感質(zhì)量評(píng)估模型進(jìn)行綜述。

    3 ?基于深度學(xué)習(xí)的照片圖像美感質(zhì)量評(píng)估類別(Evaluation categories of photo image aesthetic quality based on deep learning)

    基于深度學(xué)習(xí)的照片圖像美感質(zhì)量評(píng)估類別可以分成三類:第一類是二元分類,即把照片圖像美感質(zhì)量按照高美感和低美感進(jìn)行定性劃分;第二類是美感分?jǐn)?shù)預(yù)測(cè),即以連續(xù)數(shù)值的形式對(duì)照片圖像美感質(zhì)量進(jìn)行量化;第三類是美感分布預(yù)測(cè),即在美感分?jǐn)?shù)預(yù)測(cè)的基礎(chǔ)上預(yù)測(cè)照片圖像美感分?jǐn)?shù)的概率分布,得到相應(yīng)的直方圖,并根據(jù)概率論和數(shù)理統(tǒng)計(jì)的知識(shí)計(jì)算出平均值、方差等數(shù)據(jù)。

    3.1 ? 二元分類

    二元分類是早期照片圖像美感質(zhì)量評(píng)估研究的主要內(nèi)容。2014 年,隨著卷積神經(jīng)網(wǎng)絡(luò)在圖像分類問題上被廣泛使用并表現(xiàn)出優(yōu)異的性能,LU等人[3]首次嘗試將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于二元分類的圖像美感質(zhì)量評(píng)估研究,開創(chuàng)了自動(dòng)提取特征方法的先河,并在進(jìn)行模型訓(xùn)練時(shí)使用隨機(jī)裁剪方法加入圖像的局部信息。

    TIAN[4]通過加入跳連操作,提出了一種基于深度和淺層特征融合的圖像美感評(píng)估模型。但是以上方法的模型輸入都是固定256×256大小的照片圖像,因此針對(duì)不同大小的照片圖像需要進(jìn)行裁剪,會(huì)在一定程度上降低照片圖像的分辨率甚至導(dǎo)致照片圖像失真,影響美感質(zhì)量評(píng)估的模型性能。MA等人[5]提出一種自適應(yīng)感知的卷積神經(jīng)網(wǎng)絡(luò),通過設(shè)計(jì)算法提取多個(gè)圖像的局部特征塊作為神經(jīng)網(wǎng)絡(luò)的輸入,從而使得神經(jīng)網(wǎng)絡(luò)模型接受任意大小的圖像輸入。他們盡管實(shí)現(xiàn)了任意圖像大小的輸入,但是通過局部圖像塊的方式又會(huì)使圖像的全局結(jié)構(gòu)信息丟失。實(shí)際上,輸入圖像大小固定的原因在于輸入最后一層全連接的特征維度必須固定,MAI等人[6]在此基礎(chǔ)上通過增加自適應(yīng)空間池層固定最后的輸出維度,使得輸入圖像的大小可以不受限制。不難發(fā)現(xiàn),為了提高二元分類模型的性能,早期研究者主要圍繞局部圖像塊與全局結(jié)構(gòu)信息之間的矛盾進(jìn)行研究。

    3.2 ? 美感分?jǐn)?shù)預(yù)測(cè)

    隨著基于深度學(xué)習(xí)的照片圖像美感質(zhì)量評(píng)估研究的深入,二元分類的缺陷也愈發(fā)明顯,盡管其可以區(qū)分高美感圖片和低美感圖片,但是無法應(yīng)用于照片圖像質(zhì)量排序、照片圖像增強(qiáng)等場(chǎng)景。并且,相較于二元分類,回歸模型預(yù)測(cè)美感分?jǐn)?shù)也更接近人類視覺系統(tǒng)中美感評(píng)估的過程[7]。2015 年,KAO等人[8]首次將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于美感分?jǐn)?shù)預(yù)測(cè)的圖像美感質(zhì)量評(píng)估研究。但是由于圖像美感分?jǐn)?shù)的評(píng)分?jǐn)?shù)據(jù)相較于二值分類更難獲得,建立數(shù)據(jù)集的代價(jià)比較昂貴,為了減小建立數(shù)據(jù)集方面的工作量,HUANG等人[9]使用遷移學(xué)習(xí)的方法將分類任務(wù)學(xué)習(xí)到的特征遷移到回歸模型中,該方法在減小工作量的同時(shí)提高了模型的性能。但是實(shí)際上,考慮到美感評(píng)分的主觀差異,現(xiàn)今的工作大都偏向于直接預(yù)測(cè)美感分布,通過美感分布間接算出美感分?jǐn)?shù)。

    3.3 ? 美感分布預(yù)測(cè)

    美感分布預(yù)測(cè)是對(duì)美感分?jǐn)?shù)預(yù)測(cè)的進(jìn)一步深入,即預(yù)測(cè)人類審美評(píng)估間的概率分布,并最終以直方圖的形式進(jìn)行呈現(xiàn),同時(shí)利用概率論與數(shù)理統(tǒng)計(jì)的知識(shí),在此基礎(chǔ)上計(jì)算出均值、方差、中位數(shù)、偏度、峰度等一系列數(shù)據(jù),最終從各個(gè)角度對(duì)照片圖像美感進(jìn)行評(píng)估。其考慮到了人類審美評(píng)估的主觀性,避免了用一個(gè)連續(xù)量表示照片圖像美感所帶來的弊端。2018 年,TALEBI等人[10]首次將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于美感分布預(yù)測(cè)。他們使用遷移學(xué)習(xí)的方法,選擇性能優(yōu)異的圖像分類卷積神經(jīng)網(wǎng)絡(luò)模型,將其最后一層分類層修改為包含十個(gè)類別的全連接層,十個(gè)類別對(duì)應(yīng)十個(gè)美感分?jǐn)?shù)區(qū)間,最后經(jīng)Softmax輸出美感分布。

    TALEBI等人還同時(shí)考慮到了美感分布預(yù)測(cè)的類間關(guān)系,例如第一個(gè)美感分?jǐn)?shù)區(qū)間與第二個(gè)美感分?jǐn)?shù)區(qū)間之間的聯(lián)系會(huì)比第一個(gè)美感分?jǐn)?shù)區(qū)間與第三個(gè)美感分?jǐn)?shù)區(qū)間之間的聯(lián)系更緊密,因此提出使用EMD分布距離損失函數(shù)取代交叉熵?fù)p失函數(shù)對(duì)模型進(jìn)行訓(xùn)練,最終的結(jié)果表明,EMD損失函數(shù)在美感分布預(yù)測(cè)任務(wù)中表現(xiàn)出的性能優(yōu)于交叉熵?fù)p失函數(shù)。最后,TALEBI等人通過實(shí)驗(yàn)結(jié)果證明,使用美感分布預(yù)測(cè)的結(jié)果計(jì)算平均值,從而間接得到的美感分?jǐn)?shù)相較于直接預(yù)測(cè)美感分?jǐn)?shù)的準(zhǔn)確率更高,但是根據(jù)該方法計(jì)算出來的方差準(zhǔn)確性欠佳。CUI等人[11]提出了一種語(yǔ)義感知混合網(wǎng)絡(luò),通過收集圖像中的內(nèi)容信息,比如圖像分類和場(chǎng)景類別,提高美感分布預(yù)測(cè)的性能。WANG等人[12]提出了一種能夠保留原始圖像縱橫比信息的美感分布預(yù)測(cè)方法,與CUI等人的方法相比,在沒有加入額外信息(比如圖像內(nèi)容信息)的同時(shí),仍保持較好的性能,因此該方法對(duì)其他學(xué)習(xí)任務(wù)有普適性意義。不難發(fā)現(xiàn),自TALEBI等人將深度學(xué)習(xí)應(yīng)用于美感分布預(yù)測(cè)之后,該研究方向的重點(diǎn)逐漸集中于提出不同的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),加入更多的圖像信息,提高模型本身的性能。

    4 ?照片圖像美感質(zhì)量評(píng)估數(shù)據(jù)集(Photo image aesthetic quality evaluation datasets)

    4.1 ? AVA數(shù)據(jù)集

    MURRAY等人[13]在2012 年建立了照片圖像美感評(píng)估領(lǐng)域第一個(gè)大型數(shù)據(jù)集——AVA照片圖像美感評(píng)估數(shù)據(jù)集。AVA數(shù)據(jù)集收集了大約255,000 張照片圖像,每張照片圖像分別有三類注釋:第一類是美感評(píng)分,每張照片圖像由78—549 人進(jìn)行評(píng)分,平均每張照片圖像有210 名評(píng)分者,評(píng)分范圍為1—10 分,并最終根據(jù)評(píng)分的平均值得到照片圖像的美感評(píng)分?jǐn)?shù)據(jù),評(píng)分者的身份包括專業(yè)攝影師和業(yè)余愛好者。第二類是語(yǔ)義標(biāo)簽,具體為家庭、建筑、天空等66 個(gè)語(yǔ)義描述。第三類是照片圖像屬性,研究者根據(jù)光線、顏色、構(gòu)圖三種關(guān)鍵要素設(shè)計(jì)和選擇互補(bǔ)色、雙色等14 個(gè)屬性對(duì)照片圖像進(jìn)行描述。

    AVA數(shù)據(jù)集來源于網(wǎng)站www.dpchallenge.com。該網(wǎng)站有一種“挑戰(zhàn)”機(jī)制,即給出一個(gè)挑戰(zhàn)標(biāo)題和簡(jiǎn)短的描述,參與者上傳符合挑戰(zhàn)要求的圖片并接受全網(wǎng)站用戶的評(píng)分,最終根據(jù)每張圖片的平均得分對(duì)其進(jìn)行排序,如圖2所示。

    4.2 ? AADB數(shù)據(jù)集

    KONG等人[14]在2016 年建立了AADB數(shù)據(jù)集,包含大約10,000 張圖像,每張圖像有兩類標(biāo)簽:第一類是美感評(píng)分,評(píng)分范圍為1—5 分;第二類是美感屬性,研究者借鑒傳統(tǒng)攝影原理,設(shè)計(jì)和選擇三分法則、運(yùn)動(dòng)模糊、平衡元素等八個(gè)美感屬性對(duì)圖像進(jìn)行描述。

    AADB數(shù)據(jù)集的圖像來源于網(wǎng)站www.flickr.com,研究者從該網(wǎng)站下載大量圖像并進(jìn)行人工清洗,去除非照片圖像,最終得到10,000 張照片圖像,然后五位評(píng)分者在AMT眾包平臺(tái)對(duì)其依次進(jìn)行評(píng)估??紤]到不同評(píng)分者評(píng)估的主觀差異,并為了確保在對(duì)大量圖片進(jìn)行評(píng)估的過程中不會(huì)出現(xiàn)錯(cuò)誤注釋,評(píng)分者的個(gè)體評(píng)估信息被記錄下來,通過概率論和數(shù)理統(tǒng)計(jì)的知識(shí)計(jì)算出個(gè)體評(píng)分間的顯著性差異,從而實(shí)現(xiàn)去除錯(cuò)誤數(shù)據(jù)的效果。

    4.3 ? AROD數(shù)據(jù)集

    SCHWARZ等人[15]于2017 年建立了AROD數(shù)據(jù)集,其圖像來源和AADB數(shù)據(jù)集圖像來源一致,都來自網(wǎng)站www.flickr.com。但是與AADB數(shù)據(jù)集構(gòu)建方法不同,SCHWARZ等人通過建立一種美感模型從而直接利用該網(wǎng)站圖像的在線描述信息,比如圖像喜好人數(shù)和查看次數(shù),直接推導(dǎo)計(jì)算出美感分?jǐn)?shù)。該方法能夠大批量獲取圖像數(shù)據(jù)和美感分?jǐn)?shù),因此AROD數(shù)據(jù)集一共包含了大約38萬張照片圖像,規(guī)模遠(yuǎn)遠(yuǎn)大于AADB數(shù)據(jù)集。AROD數(shù)據(jù)集示例如圖3所示。

    4.4 ? 對(duì)比分析

    如前文所述,AVA數(shù)據(jù)集中的圖像來源于www.dpchallenge.com,該網(wǎng)站能夠獲取大量有美感評(píng)分的照片圖像,但是該網(wǎng)站采用“挑戰(zhàn)”機(jī)制,用戶大多偏向上傳經(jīng)過二次處理的美化后的照片,因此該數(shù)據(jù)集的整體圖像美感質(zhì)量分布并不均衡,多以二次處理后的專業(yè)照片圖像為主,高美感照片圖像遠(yuǎn)遠(yuǎn)多于低美感照片圖像,因此無法真實(shí)地代表人類照片圖像的分布情況。相較于AVA數(shù)據(jù)集,AADB數(shù)據(jù)集的照片圖像更加均衡,它同時(shí)包含了普通攝影照片和專業(yè)攝影照片,且二者比例接近。并且,AVA數(shù)據(jù)集中照片圖像的美感屬性標(biāo)簽是研究者通過對(duì)每類“挑戰(zhàn)”進(jìn)行注釋,從而間接對(duì)該“挑戰(zhàn)”下的全部照片圖像打上同樣的二元標(biāo)簽,而AADB數(shù)據(jù)集則是評(píng)分者依次對(duì)每個(gè)照片圖像進(jìn)行評(píng)估,相比之下,AADB數(shù)據(jù)集在美感屬性標(biāo)簽方面的注釋更加準(zhǔn)確。但是AADB數(shù)據(jù)集的總體評(píng)分人數(shù)過少,相較于AVA每張照片圖像平均有210 名評(píng)分者評(píng)分,AADB數(shù)據(jù)集每張照片圖像僅有五名評(píng)分者進(jìn)行打分,因此在評(píng)分人數(shù)方面有所不足,沒有廣泛的代表性。另外,AVA數(shù)據(jù)集和AADB數(shù)據(jù)集的注釋都來自人工標(biāo)注,而AROD數(shù)據(jù)集獲取注釋的方法是直接利用在線的信息得到美感分?jǐn)?shù),不需要在人工評(píng)分上花費(fèi)大量精力,因此在數(shù)據(jù)集建立方面,AROD數(shù)據(jù)集提供了一種全新的思路。

    與圖像分類數(shù)據(jù)集相比,圖像美感評(píng)估數(shù)據(jù)集的建立更加困難,因?yàn)閳D像分類問題是一個(gè)模擬人類客觀感知的過程,而圖像美感評(píng)估是模擬人類主觀感知的過程。在建立照片圖像美感評(píng)估數(shù)據(jù)集的時(shí)候,照片圖像數(shù)量、照片圖像質(zhì)量的均衡程度、評(píng)分者數(shù)量和審美水平、錯(cuò)誤標(biāo)簽的去除,甚至建立數(shù)據(jù)集的工作量都是需要研究者考慮的。

    5 ? 結(jié)論(Conclusion)

    基于深度學(xué)習(xí)的照片圖像美感質(zhì)量評(píng)估作為計(jì)算美學(xué)中非常重要的研究?jī)?nèi)容,因其能夠在海量照片圖像中檢索并推送高美感質(zhì)量照片圖像,在當(dāng)今移動(dòng)互聯(lián)網(wǎng)時(shí)代有著廣泛的應(yīng)用。本文從基于深度學(xué)習(xí)的照片圖像美感質(zhì)量評(píng)估基本思路出發(fā),對(duì)三種照片圖像美感評(píng)估類別進(jìn)行了詳細(xì)的歸納。同時(shí),按照時(shí)間順序梳理了該領(lǐng)域主要的三個(gè)照片圖像美感質(zhì)量評(píng)估數(shù)據(jù)集,并對(duì)其優(yōu)缺點(diǎn)進(jìn)行了分析。

    數(shù)據(jù)集在照片圖像美感評(píng)估中起著至關(guān)重要的作用,但由于人類評(píng)估的主觀性,建立數(shù)據(jù)集的難度較大。盡管一些研究者使用遷移學(xué)習(xí)的方法對(duì)數(shù)據(jù)集的重要性進(jìn)行弱化,如DONG等人[16]提出使用AlexNet[17]模型中倒數(shù)第二層的輸出作為美感評(píng)估的特征,然后訓(xùn)練支持向量機(jī)對(duì)照片圖像進(jìn)行二元分類;LI等人[18]使用包含兩次微調(diào)的嵌入式學(xué)習(xí),進(jìn)一步利用圖像分類模型提高照片圖像美感評(píng)估的準(zhǔn)確率,但是遷移學(xué)習(xí)在該領(lǐng)域的研究仍未達(dá)到飽和。并且,利用深度學(xué)習(xí)技術(shù)構(gòu)建的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)到的特征缺乏可解釋性,如何進(jìn)一步深入探究照片圖像美感評(píng)估工作的學(xué)習(xí)過程,是相關(guān)研究者需要思考解決的問題。

    參考文獻(xiàn)(References)

    [1] 朱立元.美感大辭典[M].上海:上海辭書出版社,2010:1.

    [2] HOENIG F. Defining computational aesthetics[C]// NEUMANN L, SBERT M, GOOCH B, et al. Computational Aesthetics in Graphics, Visualization and Imaging. Girona,Spain: The Eurographics Association, 2005:13-18.

    [3] LU X, LIN Z, JIN H L, et al. Rating pictorial aesthetics using deep learning[J]. IEEE Transactions on Multimedia, 2015, 17(11):1.

    [4] TIAN X L. Aesthetic evaluation of images based on deep and shallow feature fusion network models[C]// LIU N S, WANG Y S, FU Y G, et al. EITCE 2020: 2020 4th International Conference on Electronic Information Technology and Computer Engineering. New York, USA: ACM, 2020:

    814-818.

    [5] MA S, LIU J, CHEN C W. A-lamp: Adaptive layout-aware multi-patch deep convolutional neural network for photo aesthetic assessment[C]// MORTENSEN E, YUAN J S, TUREK M, et al. IEEE Conference on Computer Vision and Pattern Recognition. Los Angeles, USA: IEEE Computer Society, 2017:4535-4544.

    [6] MAI L, JIN H L, LIU F. Composition-preserving deep photo aesthetics assessment[C]// MORTENSEN E, YUAN J S, TUREK M, et al. IEEE Conference on Computer Vision and Pattern Recognition. Los Angeles, USA: IEEE Computer Society, 2016:497-506.

    [7] DATTA R, LI J, WANG J Z. Algorithmic inferencing of aesthetics and emotion in natural images: An exposition[C]// ALZAHIR S, LABEAU F, MOCK K, et al. IEEE International Conference on Image Processing. Los Angeles, USA: IEEE Computer Society, 2008:105-108.

    [8] KAO Y, WANG C, HUANG K Q. Visual aesthetic quality assessment with a regression model[C]// ALZAHIR S, LABEAU F, MOCK K, et al. IEEE International Conference on Image Processing. Los Angeles, USA: IEEE Computer Society, 2015:1583-1587.

    [9] HUANG W Z, YANG P P, HUANG K Q. From classification to regression: Model transfer for visual aesthetic quality assessment[C]// KIMURA A, ALIREZA A, DENGEL A, et al. 2017 4th IAPR Asian Conference on Pattern Recognition. Los Angeles, USA: IEEE Computer Society, 2017:304-309.

    [10] TALEBI H, MILANFAR P. NIMA: Neural image assessment[J]. IEEE Transactions on Image Processing, 2018, 27(8):3998-4011.

    [11] CUI C R, LIU H H, LIAN T, et al. Distribution-oriented aesthetics assessment with semantic-aware hybrid network[J]. IEEE Transactions on Multimedia, 2019, 21(5):1209-1220.

    [12] WANG L, WANG X, YAMASAK T, et al. Aspect-ratio-preserving multi-patch image aesthetics score prediction[C]// DAVIS L, TORR P, ZHU S C, et al. 2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops. Los Angeles, USA: IEEE Computer Society, 2019:1833-1842.

    [13] MURRAY N, MARCHESOTTI L, PERRONNIN F. AVA: A large-scale database for aesthetic visual analysis[C]// MORTENSEN E, YUAN J S, TUREK M, et al. IEEE Conference on Computer Vision and Pattern Recognition. Los Angeles, USA: IEEE Computer Society, 2012:2408-2415.

    [14] KONG S, SHEN X H, LIN Z, et al. Photo aesthetics ranking network with attributes and content adaptation[C]// LEIBE B, MATAS J, SEBE N, et al .European Conference on Computer Vision. Berlin, Germany: Springer, 2016:662-679.

    [15] SCHWARZ K, WIESCHOLLEK P, LENSCH H. Will people like your image? Learning the aesthetic space[C]// KOVASHKA A, BOWYER K, MORTENSEN E, et al. IEEE Winter Conference on Applications of Computer Vision. Los Angeles, USA: IEEE Computer Society, 2018:2048-2057.

    [16] DONG Z, SHEN X, LI H Q, et al. Photo quality assessment with DCNN that understands image well[C]// HE X J, LUO S H, TAO D C, et al. International Conference on Multimedia Modeling. Berlin, Germany: Springer, 2015:

    524-535.

    [17] KRIZHEVSKY A, SUTSKEYER I, HINTON G. ImageNet classification with deep convolutional neural networks[J]. Advances in Neural Information Processing Systems, 2012, 25:1097-1105.

    [18] LI Y X, PU Y Y, XU D, et al. Image aesthetic quality evaluation using convolution neural network embedded learning[J]. Optoelectronics Letters, 2017, 13(6):471-475.

    作者簡(jiǎn)介:

    李文軒(2001-),男,本科生.研究領(lǐng)域:計(jì)算美學(xué),計(jì)算機(jī)圖形學(xué).

    猜你喜歡
    深度學(xué)習(xí)
    從合坐走向合學(xué):淺議新學(xué)習(xí)模式的構(gòu)建
    面向大數(shù)據(jù)遠(yuǎn)程開放實(shí)驗(yàn)平臺(tái)構(gòu)建研究
    基于自動(dòng)智能分類器的圖書館亂架圖書檢測(cè)
    搭建深度學(xué)習(xí)的三級(jí)階梯
    有體驗(yàn)的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識(shí)別研究
    利用網(wǎng)絡(luò)技術(shù)促進(jìn)學(xué)生深度學(xué)習(xí)的幾大策略
    考試周刊(2016年94期)2016-12-12 12:15:04
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場(chǎng)域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    脱女人内裤的视频| 女人被躁到高潮嗷嗷叫费观| 久久精品久久久久久噜噜老黄| 一区福利在线观看| 下体分泌物呈黄色| 人人妻人人添人人爽欧美一区卜| 大片电影免费在线观看免费| 亚洲精华国产精华精| 精品一区二区三卡| 天堂俺去俺来也www色官网| 青春草亚洲视频在线观看| bbb黄色大片| 男女下面插进去视频免费观看| 欧美97在线视频| 不卡一级毛片| 亚洲欧美一区二区三区久久| 丰满迷人的少妇在线观看| 日韩制服骚丝袜av| 国产精品 国内视频| 在线精品无人区一区二区三| 久久久久久久大尺度免费视频| 亚洲欧洲精品一区二区精品久久久| 视频在线观看一区二区三区| 在线 av 中文字幕| 国产免费现黄频在线看| 国产日韩欧美在线精品| 侵犯人妻中文字幕一二三四区| 国产成+人综合+亚洲专区| 久久ye,这里只有精品| 亚洲美女黄色视频免费看| 51午夜福利影视在线观看| 久久久精品免费免费高清| 亚洲国产欧美日韩在线播放| 欧美人与性动交α欧美软件| av一本久久久久| 99精品久久久久人妻精品| 亚洲av日韩在线播放| 高清视频免费观看一区二区| 国产精品久久久av美女十八| 蜜桃国产av成人99| 高清欧美精品videossex| 精品国产乱子伦一区二区三区 | 中文字幕最新亚洲高清| av福利片在线| 午夜福利在线观看吧| videosex国产| 国产淫语在线视频| 精品国产超薄肉色丝袜足j| av国产精品久久久久影院| 午夜成年电影在线免费观看| 久久精品久久久久久噜噜老黄| 免费高清在线观看日韩| 久热这里只有精品99| 亚洲欧美日韩另类电影网站| 高潮久久久久久久久久久不卡| 亚洲国产av新网站| 欧美精品一区二区大全| 黄片小视频在线播放| 在线观看人妻少妇| 美女视频免费永久观看网站| 亚洲午夜精品一区,二区,三区| 青青草视频在线视频观看| e午夜精品久久久久久久| a在线观看视频网站| 亚洲人成77777在线视频| 精品乱码久久久久久99久播| 91成人精品电影| 国产无遮挡羞羞视频在线观看| 午夜福利影视在线免费观看| 中文字幕色久视频| a级毛片在线看网站| 亚洲av美国av| 日本91视频免费播放| 日韩制服丝袜自拍偷拍| 亚洲精品一卡2卡三卡4卡5卡 | 精品国产国语对白av| 中国国产av一级| 久久久久国产一级毛片高清牌| 最黄视频免费看| 最近最新免费中文字幕在线| 成人免费观看视频高清| 午夜福利乱码中文字幕| 纯流量卡能插随身wifi吗| 岛国在线观看网站| 真人做人爱边吃奶动态| 欧美精品av麻豆av| 一级毛片精品| 一区二区三区乱码不卡18| 亚洲综合色网址| 99精品久久久久人妻精品| 色精品久久人妻99蜜桃| 日韩,欧美,国产一区二区三区| 亚洲精品久久成人aⅴ小说| 亚洲国产成人一精品久久久| 亚洲五月色婷婷综合| 美女福利国产在线| 亚洲第一欧美日韩一区二区三区 | 国产精品久久久久久精品古装| 9热在线视频观看99| 国产成+人综合+亚洲专区| 亚洲自偷自拍图片 自拍| 免费在线观看日本一区| 亚洲综合色网址| 国产男人的电影天堂91| 少妇的丰满在线观看| 一本色道久久久久久精品综合| 国产成人免费观看mmmm| 精品久久久久久电影网| 热99re8久久精品国产| 如日韩欧美国产精品一区二区三区| 国产精品久久久人人做人人爽| 日韩 欧美 亚洲 中文字幕| 久久久国产欧美日韩av| av在线app专区| 男女午夜视频在线观看| 久久久久久人人人人人| 丁香六月欧美| 黑人猛操日本美女一级片| 免费av中文字幕在线| 国产人伦9x9x在线观看| 国产高清国产精品国产三级| 成人影院久久| 久久久久精品国产欧美久久久 | 王馨瑶露胸无遮挡在线观看| 亚洲国产欧美网| 久久国产精品影院| 国产精品1区2区在线观看. | 女人高潮潮喷娇喘18禁视频| 自线自在国产av| av线在线观看网站| 国产亚洲av片在线观看秒播厂| 波多野结衣av一区二区av| videos熟女内射| 午夜视频精品福利| www.自偷自拍.com| 国产在线观看jvid| 精品人妻在线不人妻| 欧美老熟妇乱子伦牲交| 精品少妇黑人巨大在线播放| 亚洲男人天堂网一区| 十八禁网站网址无遮挡| 国产一区二区激情短视频 | 2018国产大陆天天弄谢| 中文字幕色久视频| 亚洲avbb在线观看| 国产高清国产精品国产三级| 91老司机精品| 免费在线观看日本一区| 午夜福利视频精品| 女人爽到高潮嗷嗷叫在线视频| 国产老妇伦熟女老妇高清| av不卡在线播放| 欧美日韩精品网址| 精品国产超薄肉色丝袜足j| 丰满饥渴人妻一区二区三| 婷婷色av中文字幕| 涩涩av久久男人的天堂| 国产又爽黄色视频| av视频免费观看在线观看| 欧美黑人精品巨大| 国产91精品成人一区二区三区 | 日韩精品免费视频一区二区三区| 亚洲视频免费观看视频| 人人妻人人爽人人添夜夜欢视频| 在线精品无人区一区二区三| 成人免费观看视频高清| 天堂中文最新版在线下载| 久久天躁狠狠躁夜夜2o2o| 亚洲激情五月婷婷啪啪| 免费高清在线观看视频在线观看| 男人操女人黄网站| 国产麻豆69| 午夜久久久在线观看| 久久人人爽av亚洲精品天堂| 国产成人免费无遮挡视频| 欧美乱码精品一区二区三区| 五月天丁香电影| 亚洲专区国产一区二区| 国产精品麻豆人妻色哟哟久久| 国产精品二区激情视频| 美女高潮到喷水免费观看| 亚洲性夜色夜夜综合| 中文字幕另类日韩欧美亚洲嫩草| 国产精品久久久久久人妻精品电影 | 亚洲欧美成人综合另类久久久| 18禁裸乳无遮挡动漫免费视频| 女警被强在线播放| 亚洲国产精品999| 日韩视频一区二区在线观看| 成人免费观看视频高清| 女警被强在线播放| 亚洲成av片中文字幕在线观看| 午夜免费观看性视频| 欧美黑人精品巨大| 久久久精品免费免费高清| 亚洲精品一二三| www.999成人在线观看| 欧美日韩中文字幕国产精品一区二区三区 | 欧美 日韩 精品 国产| 精品卡一卡二卡四卡免费| 两性午夜刺激爽爽歪歪视频在线观看 | 国产精品免费大片| 欧美日韩一级在线毛片| 成人国语在线视频| 国产男人的电影天堂91| 黑人猛操日本美女一级片| 50天的宝宝边吃奶边哭怎么回事| 美国免费a级毛片| 国产日韩欧美视频二区| 18禁观看日本| 国产精品香港三级国产av潘金莲| 精品乱码久久久久久99久播| 色94色欧美一区二区| 久久久久久久久久久久大奶| 国产熟女午夜一区二区三区| av又黄又爽大尺度在线免费看| 亚洲av电影在线观看一区二区三区| 精品国产国语对白av| 国产精品1区2区在线观看. | 精品视频人人做人人爽| 日本精品一区二区三区蜜桃| 国产精品一区二区在线观看99| 精品福利永久在线观看| 国产成人影院久久av| 日韩一卡2卡3卡4卡2021年| 久久久精品94久久精品| 黄色怎么调成土黄色| av不卡在线播放| 久久久久久人人人人人| 在线观看人妻少妇| 亚洲国产精品999| 欧美激情高清一区二区三区| 国产色视频综合| 黑人猛操日本美女一级片| 久久 成人 亚洲| av免费在线观看网站| 国产一级毛片在线| 天天躁狠狠躁夜夜躁狠狠躁| kizo精华| 国产有黄有色有爽视频| 久久久久国内视频| 精品久久久久久电影网| 久久综合国产亚洲精品| 一本久久精品| 精品少妇一区二区三区视频日本电影| 天天躁夜夜躁狠狠躁躁| 男女无遮挡免费网站观看| 黄色视频不卡| 亚洲国产精品一区二区三区在线| 香蕉国产在线看| 少妇的丰满在线观看| 国产av国产精品国产| 777久久人妻少妇嫩草av网站| 男人舔女人的私密视频| 在线永久观看黄色视频| 黄色视频,在线免费观看| 国产成人影院久久av| 老司机午夜十八禁免费视频| 欧美另类一区| 9191精品国产免费久久| 精品少妇一区二区三区视频日本电影| 成人av一区二区三区在线看 | 99久久国产精品久久久| 国产男女内射视频| 午夜日韩欧美国产| 12—13女人毛片做爰片一| 精品视频人人做人人爽| 一个人免费在线观看的高清视频 | 一级毛片电影观看| 又紧又爽又黄一区二区| 成人国产一区最新在线观看| 国产淫语在线视频| 国产精品九九99| 亚洲av欧美aⅴ国产| 亚洲国产av影院在线观看| 免费av中文字幕在线| 美女福利国产在线| 动漫黄色视频在线观看| 青春草视频在线免费观看| 日本黄色日本黄色录像| 亚洲av日韩在线播放| 少妇人妻久久综合中文| 久久午夜综合久久蜜桃| 女性被躁到高潮视频| 悠悠久久av| 久久毛片免费看一区二区三区| 丝袜美腿诱惑在线| 一区在线观看完整版| 一级毛片电影观看| 欧美性长视频在线观看| 在线亚洲精品国产二区图片欧美| 另类亚洲欧美激情| 高清视频免费观看一区二区| 高清黄色对白视频在线免费看| 国产麻豆69| 一区二区三区四区激情视频| 国产日韩欧美视频二区| 国产又爽黄色视频| 亚洲国产精品一区二区三区在线| 午夜精品久久久久久毛片777| 亚洲精品国产色婷婷电影| avwww免费| 精品国产一区二区三区久久久樱花| 欧美成狂野欧美在线观看| 国产人伦9x9x在线观看| 在线十欧美十亚洲十日本专区| 好男人电影高清在线观看| 久久av网站| 欧美精品人与动牲交sv欧美| 欧美日韩视频精品一区| 免费久久久久久久精品成人欧美视频| 午夜91福利影院| 纯流量卡能插随身wifi吗| 欧美黄色片欧美黄色片| cao死你这个sao货| 狂野欧美激情性xxxx| 啦啦啦视频在线资源免费观看| 日韩一区二区三区影片| 搡老岳熟女国产| 国产男女超爽视频在线观看| 中文字幕人妻熟女乱码| 伦理电影免费视频| 欧美精品亚洲一区二区| 国产在线观看jvid| 欧美日韩中文字幕国产精品一区二区三区 | 日韩欧美一区视频在线观看| 51午夜福利影视在线观看| 久9热在线精品视频| 青春草亚洲视频在线观看| 777久久人妻少妇嫩草av网站| 丝袜喷水一区| 中文字幕人妻丝袜制服| 操美女的视频在线观看| 免费一级毛片在线播放高清视频 | 国产av又大| 国产一区二区 视频在线| 一级黄色大片毛片| 欧美变态另类bdsm刘玥| 天天操日日干夜夜撸| 午夜激情久久久久久久| 欧美人与性动交α欧美软件| 91成人精品电影| 国产精品自产拍在线观看55亚洲 | 五月天丁香电影| 亚洲少妇的诱惑av| 大香蕉久久网| 亚洲熟女精品中文字幕| 男女国产视频网站| 一级a爱视频在线免费观看| 亚洲第一av免费看| 最近最新中文字幕大全免费视频| 狂野欧美激情性xxxx| 亚洲专区字幕在线| 国产在线一区二区三区精| 国产在线视频一区二区| 波多野结衣一区麻豆| 高潮久久久久久久久久久不卡| 黑人巨大精品欧美一区二区mp4| 国产伦理片在线播放av一区| 免费高清在线观看视频在线观看| 欧美少妇被猛烈插入视频| 国产精品久久久久久精品电影小说| 美女午夜性视频免费| 美女大奶头黄色视频| 国产精品亚洲av一区麻豆| 老司机亚洲免费影院| tube8黄色片| 欧美精品一区二区大全| 国产精品欧美亚洲77777| 麻豆乱淫一区二区| 精品乱码久久久久久99久播| 制服诱惑二区| 国产av国产精品国产| 亚洲av成人不卡在线观看播放网 | 两个人看的免费小视频| 亚洲欧美精品综合一区二区三区| 久久精品国产亚洲av香蕉五月 | 亚洲一区中文字幕在线| 国产真人三级小视频在线观看| 国产成人精品无人区| 久久午夜综合久久蜜桃| 久久久久久免费高清国产稀缺| 人妻一区二区av| 在线av久久热| 黄网站色视频无遮挡免费观看| 日韩视频一区二区在线观看| 日韩中文字幕视频在线看片| 夜夜骑夜夜射夜夜干| 巨乳人妻的诱惑在线观看| 久久99一区二区三区| 丰满人妻熟妇乱又伦精品不卡| www日本在线高清视频| 国产精品久久久人人做人人爽| 亚洲人成电影观看| 一级毛片女人18水好多| 精品人妻1区二区| 69av精品久久久久久 | 91麻豆av在线| 日韩 亚洲 欧美在线| 国产不卡av网站在线观看| 亚洲色图 男人天堂 中文字幕| 久久99热这里只频精品6学生| 嫩草影视91久久| 少妇裸体淫交视频免费看高清 | 午夜久久久在线观看| 一本综合久久免费| 国产高清视频在线播放一区 | 91老司机精品| 每晚都被弄得嗷嗷叫到高潮| 90打野战视频偷拍视频| 欧美黄色淫秽网站| 色老头精品视频在线观看| av视频免费观看在线观看| 免费观看a级毛片全部| 亚洲欧美成人综合另类久久久| 高清欧美精品videossex| 久久亚洲精品不卡| 男女边摸边吃奶| 久久人人爽av亚洲精品天堂| 亚洲三区欧美一区| 欧美激情 高清一区二区三区| 国产欧美日韩一区二区精品| 窝窝影院91人妻| 91成人精品电影| 一级,二级,三级黄色视频| 淫妇啪啪啪对白视频 | www.自偷自拍.com| 香蕉丝袜av| 日韩有码中文字幕| 久久久久国产一级毛片高清牌| 看免费av毛片| 久久人人爽av亚洲精品天堂| 亚洲伊人色综图| 99国产精品一区二区蜜桃av | 在线永久观看黄色视频| 久久精品亚洲av国产电影网| 国产免费一区二区三区四区乱码| avwww免费| 成人手机av| 一级毛片精品| 久久狼人影院| 国产黄频视频在线观看| 91九色精品人成在线观看| 国产xxxxx性猛交| 国产黄色免费在线视频| 美女福利国产在线| 午夜福利乱码中文字幕| tocl精华| 亚洲va日本ⅴa欧美va伊人久久 | 国产欧美日韩一区二区三 | 国产免费福利视频在线观看| 操美女的视频在线观看| 一级a爱视频在线免费观看| 亚洲精品一二三| 99久久精品国产亚洲精品| 老司机深夜福利视频在线观看 | 香蕉国产在线看| 9191精品国产免费久久| 久久精品国产亚洲av香蕉五月 | 久热爱精品视频在线9| 岛国毛片在线播放| 中文精品一卡2卡3卡4更新| 久久国产精品影院| 一个人免费在线观看的高清视频 | 99国产精品一区二区三区| 少妇被粗大的猛进出69影院| 欧美人与性动交α欧美精品济南到| 国产在视频线精品| 国产一卡二卡三卡精品| 桃花免费在线播放| 丰满饥渴人妻一区二区三| 亚洲性夜色夜夜综合| 国产高清videossex| 97在线人人人人妻| 最新的欧美精品一区二区| 中文字幕高清在线视频| 亚洲精品久久成人aⅴ小说| 欧美日韩福利视频一区二区| a级毛片黄视频| 久久精品人人爽人人爽视色| 伦理电影免费视频| 丝袜喷水一区| 99精品久久久久人妻精品| 亚洲专区字幕在线| 黄色视频不卡| www.精华液| 日本五十路高清| 青草久久国产| 国产亚洲精品一区二区www | 午夜久久久在线观看| 亚洲专区中文字幕在线| 在线观看免费日韩欧美大片| 亚洲av成人一区二区三| 99国产精品免费福利视频| 亚洲avbb在线观看| 亚洲精品国产av蜜桃| 日本a在线网址| 91九色精品人成在线观看| 日本黄色日本黄色录像| 国产精品 欧美亚洲| 天天躁狠狠躁夜夜躁狠狠躁| 免费在线观看黄色视频的| 曰老女人黄片| 免费高清在线观看日韩| 精品少妇久久久久久888优播| 久热这里只有精品99| 成人国语在线视频| 久久久久久久大尺度免费视频| 最新的欧美精品一区二区| 丰满少妇做爰视频| 黄色视频不卡| 9色porny在线观看| 欧美变态另类bdsm刘玥| 首页视频小说图片口味搜索| 三上悠亚av全集在线观看| 久久久久国内视频| 手机成人av网站| 少妇裸体淫交视频免费看高清 | 精品国产一区二区三区四区第35| 三级毛片av免费| 999久久久精品免费观看国产| 久久天躁狠狠躁夜夜2o2o| 国产老妇伦熟女老妇高清| 一个人免费在线观看的高清视频 | 国产视频一区二区在线看| 黄色视频,在线免费观看| 国产成人免费无遮挡视频| 91精品三级在线观看| 国产高清videossex| 国产xxxxx性猛交| 国产精品亚洲av一区麻豆| 在线观看人妻少妇| 亚洲熟女精品中文字幕| 99热全是精品| 久久天躁狠狠躁夜夜2o2o| 欧美性长视频在线观看| 美女脱内裤让男人舔精品视频| 国产1区2区3区精品| 国产在线视频一区二区| 天堂8中文在线网| 亚洲国产精品999| 国产高清videossex| 热99久久久久精品小说推荐| 久久久国产一区二区| 极品少妇高潮喷水抽搐| 在线观看免费午夜福利视频| 久久人人爽人人片av| 电影成人av| 老熟妇乱子伦视频在线观看 | 电影成人av| 日韩免费高清中文字幕av| 成人亚洲精品一区在线观看| 久久久久久久久免费视频了| 日韩精品免费视频一区二区三区| 夜夜夜夜夜久久久久| 91字幕亚洲| 欧美日韩视频精品一区| 性色av一级| 超色免费av| 黑人巨大精品欧美一区二区mp4| 天天操日日干夜夜撸| 在线十欧美十亚洲十日本专区| 亚洲九九香蕉| 丰满少妇做爰视频| 老司机影院毛片| 精品高清国产在线一区| 欧美日韩中文字幕国产精品一区二区三区 | 最近最新免费中文字幕在线| 丝袜美足系列| 日本黄色日本黄色录像| 人人澡人人妻人| 欧美午夜高清在线| 国产亚洲午夜精品一区二区久久| 国产精品麻豆人妻色哟哟久久| 操出白浆在线播放| 亚洲成人免费电影在线观看| 亚洲一区二区三区欧美精品| 99久久99久久久精品蜜桃| 国产欧美亚洲国产| 一级毛片精品| 啦啦啦 在线观看视频| av在线播放精品| 亚洲中文av在线| xxxhd国产人妻xxx| 亚洲男人天堂网一区| 国产精品一区二区在线不卡| 久久精品aⅴ一区二区三区四区| www.精华液| 国产精品久久久人人做人人爽| 国产成人啪精品午夜网站| 日韩 欧美 亚洲 中文字幕| 老司机午夜福利在线观看视频 | 高清欧美精品videossex| 亚洲国产精品一区二区三区在线| 色老头精品视频在线观看| 国产成人精品久久二区二区91| 欧美激情久久久久久爽电影 | 12—13女人毛片做爰片一| 精品熟女少妇八av免费久了| 天天躁夜夜躁狠狠躁躁| 亚洲国产av影院在线观看| 新久久久久国产一级毛片| 色综合欧美亚洲国产小说| 午夜福利一区二区在线看| 久久国产精品人妻蜜桃| 亚洲精品美女久久av网站| 91精品国产国语对白视频| 五月开心婷婷网| 王馨瑶露胸无遮挡在线观看| 99国产综合亚洲精品| 久久精品亚洲熟妇少妇任你| 电影成人av| 动漫黄色视频在线观看| 一区在线观看完整版| 国产深夜福利视频在线观看|