基于轴注意Transformer卷积神经网络的无参考图像质量评估
赵海阳1
王长忠1
吕响2
邵明文2
1.渤海大学 数学科学学院,辽宁 锦州 1210132.中国石油大学 计算机学院,山东 青岛 266580
摘要：无参考图像质量评估(no-reference image quality assessment,NRIQA)一直是图像处理与计算机视觉领域的重要研究方向,其目标是通过客观评估实现图像质量的估计.近年来,基于卷积神经网络(convolutional neural network,CNN)与Transformer的无参考图像质量评估方法受到广泛关注.然而,由于Transformer结构复杂,大多数现有算法存在计算复杂度较高的问题.为此,本文提出一种基于Transformer的多层次卷积神经网络(multilevel convolutional neural net-work based on Transformer,TBMCNN),该网络仅从Transformer的水平轴与垂直轴提取特征,显著提升了网络性能.基于Transformer的多层次卷积神经网络包含4 个核心模块:浅层特征提取模块(shallow feature extraction module,SFEM)、参数共享模块(parameter sharing module,PSM)、多层次Transformer特征提取模块(multi-level Transformer feature extraction mod-ule,MTFEM)以及全连接网络模块(fully connected network module,FCNM).其中,多层次Transformer特征提取模块设计了并行分支,分别用于自适应多尺度卷积与轴注意Transformer,不仅能更有效地提取与融合特征,还可大幅提升网络计算速度.实验结果表明,基于Transformer的多层次卷积神经网络在不消耗过多资源的前提下,具备更优的性能与泛化能力.
关键词：无参考图像质量评价卷积神经网络轴注意Transformer多尺度卷积
分类号：TP183(自动化基础理论)
资助基金：国家自然科学基金(61976027)国家自然科学基金(61572082)辽宁省兴辽英才计划项目(XLYC2008002)
论文发表日期：2025-12-15
在线出版日期：2026-04-01（本平台首次上网日期，不代表文献的发表时间）
页数：16( 273-288 )
英文信息