CN117173609A - 基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法及装置 - Google Patents
基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法及装置 Download PDFInfo
- Publication number
- CN117173609A CN117173609A CN202311112440.1A CN202311112440A CN117173609A CN 117173609 A CN117173609 A CN 117173609A CN 202311112440 A CN202311112440 A CN 202311112440A CN 117173609 A CN117173609 A CN 117173609A
- Authority
- CN
- China
- Prior art keywords
- video
- feature
- scale
- features
- quality evaluation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000011176 pooling Methods 0.000 claims abstract description 64
- 238000000605 extraction Methods 0.000 claims abstract description 58
- 238000005070 sampling Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 7
- 230000003044 adaptive effect Effects 0.000 claims description 35
- 238000013527 convolutional neural network Methods 0.000 claims description 20
- 230000004913 activation Effects 0.000 claims description 17
- 238000001303 quality assessment method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000000746 purification Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000000007 visual effect Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Landscapes
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明公开了一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法及装置，该方法包括：获取视频中采用随机抽样方式抽取的视频帧；构建视频质量评价模型并进行训练，得到经训练的视频质量评价模型，视频质量评价模型包括依次连接的特征提取模块、通道注意力模块、视频时序特征提取模块和平均池化层，特征提取模块用于提取视频帧中的多尺度特征，通道注意力模块用于对多尺度特征进行特征加权，视频时序特征提取模块用于进行特征提取得到时空维度特征，并经过平均池化层计算视频对应的质量分数；将视频帧输入经训练的视频质量评价模型，得到视频的质量分数，具有较好的屏幕视频质量评价效果。
Description
技术领域
本发明涉及图像处理领域，具体涉及一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法及装置。
背景技术
随着移动互联网和便携式通讯设备的快速发展催生了一大批新型的媒体形式。以屏幕视频内容为代表的新型视频数据类型被广泛应用于如游戏直播、在线会议、在线教育等场景中，有关于屏幕视频质量评价相关的研究也一直是计算机视觉领域里的热点问题。与传统的自然视频不同的是，屏幕内容视频主要是指由计算机生成的视频，通常包含计算机图形文本、自然场景与图形文本的混合场景以及由计算机生成的动画等场景，包含复杂的纹理以及锐利的边缘特征。
屏幕视频在采集、传输和显示等过程中通常会产生各种失真，导致视频质量受到影响。这些失真会影响到用户体验，降低主观感知的视觉效果。因此提出一种符合人眼视觉特性并能准确快速的对屏幕视频的质量做出评价的算法是非常重要的。
现阶段大部分视频质量评价算法都主要集中在自然视频领域并且主要是全参考视频质量评价，但由于屏幕内容视频和自然视频具有不同的时空特性导致了直接将自然视频相关的质量评价算法迁移到屏幕内容视频上效果相对较差，并且无参考的视频质量评价会更具有现实意义。因此设计符合人类视觉特性和屏幕视频特点的质量评价算法具有重要的理论研究意义和实际应用价值。
发明内容
针对上述提到的技术问题。本申请的实施例的目的在于提出了一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法及装置，来解决以上背景技术部分提到的技术问题。
第一方面，本发明提供了一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法，包括以下步骤：
获取视频中采用随机抽样方式抽取的视频帧；
构建视频质量评价模型并进行训练，得到经训练的视频质量评价模型，视频质量评价模型包括依次连接的特征提取模块、通道注意力模块、视频时序特征提取模块和平均池化层，特征提取模块用于提取视频帧中的多尺度特征，通道注意力模块用于对多尺度特征进行特征加权，视频时序特征提取模块用于进行特征提取得到时空维度特征，并经过平均池化层计算视频对应的质量分数，通道注意力模块包括自适应平均池化层、自适应最大池化层、两个三维卷积神经网络层和Sigmoid激活函数层；
将视频帧输入经训练的视频质量评价模型，得到视频的质量分数。
作为优选，特征提取模块采用预训练的VGG16模型，将视频帧输入预训练的VGG16模型，从预训练的VGG16模型的第二层卷积层、第七层卷积层和第十三层卷积层提取第一特征、第二特征和第三特征，公式如下：
其中，frame表示从视频中抽取出来的视频帧，Conv2、Conv7、Conv13表示预训练的VGG16模型中对应的第二层卷积层、第七层卷积层和第十三层卷积层，i表示不同采样率所得到的视频帧的帧数，分别表示第一特征、第二特征和第三特征。
作为优选，通道注意力模块中，多尺度特征分别输入自适应平均池化层和自适应最大池化层，得到多尺度平均特征和多尺度最大特征，多尺度平均特征和多尺度最大特征分别输入两个三维卷积神经网络层，得到第四特征和第五特征，第四特征和第五特征通过相加的方式进行组合并经过Sigmoid激活函数层，得到提纯特征。
作为优选，多尺度特征分别输入自适应平均池化层和自适应最大池化层，得到多尺度平均特征和多尺度最大特征，具体操作如下：
其中，AAP2d()和AMP2d()分别表示自适应平均池化操作和自适应最大池化操作，表示对通道进行拼接，stack表示将帧级特征堆叠为视频特征，/>表示视频的多尺度平均特征，/>表示视频的多尺度最大特征，n表示不同采样率所得到的视频帧的帧数。
作为优选，多尺度平均特征和多尺度最大特征分别输入两个三维卷积神经网络层，得到第四特征和第五特征，第四特征和第五特征通过相加的方式进行组合并经过Sigmoid激活函数层，得到提纯特征，具体操作如下：
其中，3D CNN表示三维卷积神经网络，表示多尺度的通道平均特征，/>表示多尺度的通道最大特征，w表示分配到重点区域的权重，fvid表示提纯特征。
作为优选，视频质量评价模型中，提纯特征输入视频时序特征提取模块提取得到时空维度特征，时空维度特征输入平均池化层，得到视频的质量分数，具体操作如下：
Q＝AvgPooling(VFMNet(fvid))；
其中，VFMNNet( )表示视频时序特征提取模块，AvgPooling( )表示平均池化层。
作为优选，视频时序特征提取模块包括依次连接的四个三维卷积模块、自适应平均池化层和两个全连接层，三维卷积模块包括依次连接的三维卷积神经网络层、批归一化层和ReLU激活函数层。
第二方面，本发明提供了一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价装置，包括：
视频帧获取模块，被配置为获取视频中采用随机抽样方式抽取的视频帧；
模型构建模块，被配置为构建视频质量评价模型并进行训练，得到经训练的视频质量评价模型，视频质量评价模型包括依次连接的特征提取模块、通道注意力模块、视频时序特征提取模块和平均池化层，特征提取模块用于提取视频帧中的多尺度特征，通道注意力模块用于对多尺度特征进行特征加权，视频时序特征提取模块用于进行特征提取得到时空维度特征，并经过平均池化层计算视频对应的质量分数，通道注意力模块包括自适应平均池化层、自适应最大池化层、两个三维卷积神经网络层和Sigmoid激活函数层；
评价模块，被配置为将视频帧输入经训练的视频质量评价模型，得到视频的质量分数。
第三方面，本发明提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
相比于现有技术，本发明具有以下有益效果：
(1)本发明提出的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法探索了不同采样率对于视频质量评价相关任务的影响，解决了视频序列连续帧重复度高的问题。
(2)本发明提出的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法着重于考虑人眼视觉系统特性及屏幕视频的特点，考虑到人类系统对于视觉信息的主观感受具有层次性，利用预训练的VGG16模型进行特征提取，采用了通道注意力模块重点关注部分区域，符合人类特有的视觉注意力机制。
(3)本发明提出的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法在空间维度、通道维度和时间维度上都充分考虑人眼视觉系统特性及屏幕视频的特点，算法的稳定性和鲁棒性相对较高，且具有较好的屏幕视频质量评价效果。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请的一个实施例可以应用于其中的示例性装置架构图；
图2为本申请的实施例的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法的流程示意图；
图3为本申请的实施例的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法的视频质量评价模型的示意图；
图4为本申请的实施例的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法的特征提取模块的示意图；
图5为本申请的实施例的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法的通道注意力模块的示意图；
图6为本申请的实施例的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法的视频时序特征提取模块的示意图；
图7为本申请的实施例的基于多尺度特征和通道注意力的无参考屏幕视频质量评价装置的示意图；
图8是适于用来实现本申请实施例的电子设备的计算机装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
图1示出了可以应用本申请实施例的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法或基于多尺度特征和通道注意力的无参考屏幕视频质量评价装置的示例性装置架构100。
如图1所示，装置架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种应用，例如数据处理类应用、文件处理类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的文件或数据进行处理的后台数据处理服务器。后台数据处理服务器可以对获取的文件或数据进行处理，生成处理结果。
需要说明的是，本申请实施例所提供的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，基于多尺度特征和通道注意力的无参考屏幕视频质量评价装置可以设置于服务器105中，也可以设置于终端设备101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。在所处理的数据不需要从远程获取的情况下，上述装置架构可以不包括网络，而只需服务器或终端设备。
图2示出了本申请的实施例提供的一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法，包括以下步骤：
S1，获取视频中采用随机抽样方式抽取的视频帧。
具体的，采用随机抽样的方式从视频中筛选视频帧，以解决视频中所存在的冗余信息问题，本申请的实施例采用四种不同的采样率进行对比实验来筛选视频帧，探索其对视频质量评价相关任务的影响。首先将输入屏幕视频序列按照四种不同的采样率每5帧、每10帧、每15帧以及每20帧来进行对比实验来筛选视频帧，其对应采集得到的视频帧的帧数为60、30、20、15。
S2，构建视频质量评价模型并进行训练，得到经训练的视频质量评价模型，视频质量评价模型包括依次连接的特征提取模块、通道注意力模块、视频时序特征提取模块和平均池化层，特征提取模块用于提取视频帧中的多尺度特征，通道注意力模块用于对多尺度特征进行特征加权，视频时序特征提取模块用于进行特征提取得到时空维度特征，并经过平均池化层计算视频对应的质量分数，通道注意力模块包括自适应平均池化层、自适应最大池化层、两个三维卷积神经网络层和Sigmoid激活函数层。
在具体的实施例中，特征提取模块采用预训练的VGG16模型，将视频帧输入预训练的VGG16模型，从预训练的VGG16模型的第二层卷积层、第七层卷积层和第十三层卷积层提取第一特征、第二特征和第三特征，公式如下：
其中，frame表示从视频中抽取出来的视频帧，Conv2、Conv7、Conv13表示预训练的VGG16模型中对应的第二层卷积层、第七层卷积层和第十三层卷积层，i表示不同采样率所得到的视频帧的帧数，分别表示第一特征、第二特征和第三特征。
具体的，参考图3和图4，考虑到人类视觉系统对于视觉信息的主观感知过程具有层次性，采用预训练的VGG16模型分别从第二、第七以及第十三层卷积层中提取视频中的纹理特征、轮廓特征以及局部重点特征。
在具体的实施例中，通道注意力模块中，多尺度特征分别输入自适应平均池化层和自适应最大池化层，得到多尺度平均特征和多尺度最大特征，多尺度平均特征和多尺度最大特征分别输入两个三维卷积神经网络层，得到第四特征和第五特征，第四特征和第五特征通过相加的方式进行组合并经过Sigmoid激活函数层，得到提纯特征。
在具体的实施例中，多尺度特征分别输入自适应平均池化层和自适应最大池化层，得到多尺度平均特征和多尺度最大特征，具体操作如下：
其中，AAP2d()和AMP2d()分别表示自适应平均池化操作和自适应最大池化操作，表示对通道进行拼接，stack表示将帧级特征堆叠为视频特征，/>表示视频的多尺度平均特征，/>表示视频的多尺度最大特征，n表示不同采样率所得到的视频帧的帧数。
在具体的实施例中，多尺度平均特征和多尺度最大特征分别输入两个三维卷积神经网络层，得到第四特征和第五特征，第四特征和第五特征通过相加的方式进行组合并经过Sigmoid激活函数层，得到提纯特征，具体操作如下：
其中，3D CNN表示三维卷积神经网络，表示多尺度的通道平均特征，/>表示多尺度的通道最大特征，w表示分配到重点区域的权重，fvid表示提纯特征。
具体的，考虑到视觉注意力机制是人类大脑所特有的信号处理机制，采用通道注意力模块对于重点区域自适应地进行权重分配。参考图5，将特征提取模块提取到的第一特征、第二特征和第三特征均分别输入自适应平均池化层和自适应最大池化层，采用自适应平均池化函数和自适应最大池化函数两种池化方式进行池化处理以确保拼接时维度对齐，得到多尺度平均特征和多尺度最大特征。将多尺度平均特征和多尺度最大特征输入到两个3D CNN中，先将输入视频张量的通道维度进行缩小，然后将视频通道维度进行放大，继而通过相加的方式进行组合，并经过Sigmoid激活函数层引入非线性，最终得到与输入特征维度相同维度的经过通道注意力机制提纯的提纯特征fvid。
在具体的实施例中，视频质量评价模型中，提纯特征输入视频时序特征提取模块提取得到时空维度特征，时空维度特征输入平均池化层，得到视频的质量分数，具体操作如下：
Q＝AvgPooling(VFMNet(fvid))；
其中，VFMNet()表示视频时序特征提取模块，AvgPooling表示平均池化层。
在具体的实施例中，视频时序特征提取模块包括依次连接的四个三维卷积模块、自适应平均池化层和两个全连接层，三维卷积模块包括依次连接的三维卷积神经网络层、批归一化层和ReLU激活函数层。
具体的，参考图6，考虑到时间维度对视频任务的重要性，采用以时间维卷积3DCNN为主的视频时序特征提取模块进行视频时序特征提取，最后通过平均池化操作得到视频的质量分数，实现对视频序列时间维度特征的建模和视频质量分数的映射，具有较好的屏幕视频质量评价效果。
收集失真屏幕内容数据集，将失真屏幕内容数据集分为6：2：2的训练集、测试集和验证集，采用失真屏幕内容数据集对视频质量评价模型进行训练，训练过程中采用的损失函数为L1 Loss。
S3，将视频帧输入经训练的视频质量评价模型，得到视频的质量分数。
具体的，将抽取到的视频帧输入经训练的视频质量评价模型，以对该视频进行质量评价，得到视频的质量分数。
本申请的实施例验证所提出的视频质量评价模型中通道注意力机制的有效性以及随机采样策略对于内存空间的节省效果，此处对四种采样率情况下的实验结果进行对比，对比结果如表1所示，性能最佳的实验结果用黑色粗体表示。CA代表通道注意力模块，PLCC、SROCC、RMSE是客观视频质量评价的性能指标，PLCC主要用于衡量客观算法的预测准确性，取值范围为[-1，1]，越接近1表示算法性能越好。SROCC主要用于衡量客观质量评价分数的变化趋势与MOS值的变化趋势的一致性，即客观算法的单调性。取值范围为[-1，1]，越接近1表示算法性能越好。RMSE表示客观质量评价算法所得分数与MOS值之间的绝对误差，用于衡量客观算法的准确性，其值越小表示算法性能越好。
表1所提算法在SCVD数据库上的实验结果
由表1可知，当采样率为每10帧采样一帧，且加入通道注意力时，实验效果达到最佳。该方法分别探索了不同采样率对于视频质量评价相关任务的影响，然后利用预训练的VGG16模型进行多尺度的帧级特征提取，并使用通道注意力模块在通道维度对视频特征及逆行加权提纯，最后通过设计一个以时间维卷积为主的视频时序特征提取模块实现对视频序列时间维度特征的建模和视频质量分数的映射，具有较好的屏幕视频质量评价效果。
以上步骤S1-S3并不代表步骤之间的顺序，仅为步骤符号表示。
进一步参考图7，作为对上述各图所示方法的实现，本申请提供了一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
本申请实施例提供了一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价装置，包括：
视频帧获取模块1，被配置为获取视频中采用随机抽样方式抽取的视频帧；
模型构建模块2，被配置为构建视频质量评价模型并进行训练，得到经训练的视频质量评价模型，视频质量评价模型包括依次连接的特征提取模块、通道注意力模块、视频时序特征提取模块和平均池化层，特征提取模块用于提取视频帧中的多尺度特征，通道注意力模块用于对多尺度特征进行特征加权，视频时序特征提取模块用于进行特征提取得到时空维度特征，并经过平均池化层计算视频对应的质量分数，通道注意力模块包括自适应平均池化层、自适应最大池化层、两个三维卷积神经网络层和Sigmoid激活函数层；
评价模块3，被配置为将视频帧输入经训练的视频质量评价模型，得到视频的质量分数。
下面参考图8，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器或终端设备)的计算机装置800的结构示意图。图8示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图8所示，计算机装置800包括中央处理单元(CPU)801和图形处理器(GPU)802，其可以根据存储在只读存储器(ROM)803中的程序或者从存储部分809加载到随机访问存储器(RAM)804中的程序而执行各种适当的动作和处理。在RAM 804中，还存储有装置800操作所需的各种程序和数据。CPU 801、GPU802、ROM 803以及RAM 804通过总线805彼此相连。输入/输出(I/O)接口806也连接至总线805。
以下部件连接至I/O接口806：包括键盘、鼠标等的输入部分807；包括诸如、液晶显示器(LCD)等以及扬声器等的输出部分808；包括硬盘等的存储部分809；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分810。通信部分810经由诸如因特网的网络执行通信处理。驱动器811也可以根据需要连接至I/O接口806。可拆卸介质812，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器811上，以便于从其上读出的计算机程序根据需要被安装入存储部分809。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分810从网络上被下载和安装，和/或从可拆卸介质812被安装。在该计算机程序被中央处理单元(CPU)801和图形处理器(GPU)802执行时，执行本申请的方法中限定的上述功能。
需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线或半导体的装置、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行装置、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，也可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，该模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取视频中采用随机抽样方式抽取的视频帧；构建视频质量评价模型并进行训练，得到经训练的视频质量评价模型，视频质量评价模型包括依次连接的特征提取模块、通道注意力模块、视频时序特征提取模块和平均池化层，特征提取模块用于提取视频帧中的多尺度特征，通道注意力模块用于对多尺度特征进行特征加权，视频时序特征提取模块用于进行特征提取得到时空维度特征，并经过平均池化层计算视频对应的质量分数，通道注意力模块包括自适应平均池化层、自适应最大池化层、两个三维卷积神经网络层和Sigmoid激活函数层；将视频帧输入经训练的视频质量评价模型，得到视频的质量分数。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法，其特征在于，包括以下步骤：
获取视频中采用随机抽样方式抽取的视频帧；
构建视频质量评价模型并进行训练，得到经训练的视频质量评价模型，所述视频质量评价模型包括依次连接的特征提取模块、通道注意力模块、视频时序特征提取模块和平均池化层，所述特征提取模块用于提取所述视频帧中的多尺度特征，所述通道注意力模块用于对所述多尺度特征进行特征加权，所述视频时序特征提取模块用于进行特征提取得到时空维度特征，并经过所述平均池化层计算视频对应的质量分数，所述通道注意力模块包括自适应平均池化层、自适应最大池化层、两个三维卷积神经网络层和Sigmoid激活函数层；
将所述视频帧输入所述经训练的视频质量评价模型，得到视频的质量分数。
2.根据权利要求1所述的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法，其特征在于，所述特征提取模块采用预训练的VGG16模型，将所述视频帧输入所述预训练的VGG16模型，从所述预训练的VGG16模型的第二层卷积层、第七层卷积层和第十三层卷积层提取第一特征、第二特征和第三特征，公式如下：
fi 2＝VGG16(ReLU((Conv2(frame)))；
fi 7＝VGG16(ReLU((Conv7(frame)))；
fi 13＝VGG16(ReLU((Conv13(frame)))；
其中，frame表示从视频中抽取出来的视频帧，Conv2、Conv7、Conv13表示预训练的VGG16模型中对应的第二层卷积层、第七层卷积层和第十三层卷积层，i表示不同采样率所得到的视频帧的帧数，fi 2、fi 7、fi 13分别表示第一特征、第二特征和第三特征。
3.根据权利要求1所述的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法，其特征在于，所述通道注意力模块中，所述多尺度特征分别输入所述自适应平均池化层和自适应最大池化层，得到多尺度平均特征和多尺度最大特征，所述多尺度平均特征和多尺度最大特征分别输入两个三维卷积神经网络层，得到第四特征和第五特征，所述第四特征和第五特征通过相加的方式进行组合并经过所述Sigmoid激活函数层，得到提纯特征。
4.根据权利要求3所述的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法，其特征在于，所述多尺度特征分别输入所述自适应平均池化层和自适应最大池化层，得到多尺度平均特征和多尺度最大特征，具体操作如下：
其中，AAP2d()和AMP2d()分别表示自适应平均池化操作和自适应最大池化操作，表示对通道进行拼接，stack表示将帧级特征堆叠为视频特征，/>表示视频的多尺度平均特征，/>表示视频的多尺度最大特征，n表示不同采样率所得到的视频帧的帧数。
5.根据权利要求3所述的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法，其特征在于，所述多尺度平均特征和多尺度最大特征分别输入两个三维卷积神经网络层，得到第四特征和第五特征，所述第四特征和第五特征通过相加的方式进行组合并经过所述Sigmoid激活函数层，得到提纯特征，具体操作如下：
其中，3D CNN表示三维卷积神经网络，表示多尺度的通道平均特征，/>表示多尺度的通道最大特征，w表示分配到重点区域的权重，fvid表示提纯特征。
6.根据权利要求3所述的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法，其特征在于，所述视频质量评价模型中，所述提纯特征输入所述视频时序特征提取模块提取得到时空维度特征，所述时空维度特征输入所述平均池化层，得到视频的质量分数，具体操作如下：
Q＝AvgPooling(VFMNet(fvid))；
其中，VFMNet()表示所述视频时序特征提取模块，AvgPooling()表示所述平均池化层。
7.根据权利要求1所述的基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法，其特征在于，所述视频时序特征提取模块包括依次连接的四个三维卷积模块、自适应平均池化层和两个全连接层，所述三维卷积模块包括依次连接的三维卷积神经网络层、批归一化层和ReLU激活函数层。
8.一种基于多尺度特征和通道注意力的无参考屏幕视频质量评价装置，其特征在于，包括：
视频帧获取模块，被配置为获取视频中采用随机抽样方式抽取的视频帧；
模型构建模块，被配置为构建视频质量评价模型并进行训练，得到经训练的视频质量评价模型，所述视频质量评价模型包括依次连接的特征提取模块、通道注意力模块、视频时序特征提取模块和平均池化层，所述特征提取模块用于提取所述视频帧中的多尺度特征，所述通道注意力模块用于对所述多尺度特征进行特征加权，所述视频时序特征提取模块用于进行特征提取得到时空维度特征，并经过所述平均池化层计算视频对应的质量分数，所述通道注意力模块包括自适应平均池化层、自适应最大池化层、两个三维卷积神经网络层和Sigmoid激活函数层；
评价模块，被配置为将所述视频帧输入所述经训练的视频质量评价模型，得到视频的质量分数。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311037603 | 2023-08-17 | ||
| CN2023110376034 | 2023-08-17 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117173609A true CN117173609A (zh) | 2023-12-05 |
Family
ID=88933036
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311112440.1A Pending CN117173609A (zh) | 2023-08-17 | 2023-08-31 | 基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117173609A (zh) |
-
2023
- 2023-08-31 CN CN202311112440.1A patent/CN117173609A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111488865B (zh) | 图像优化方法、装置、计算机存储介质以及电子设备 | |
| CN110189246B (zh) | 图像风格化生成方法、装置及电子设备 | |
| CN110751649B (zh) | 视频质量评估方法、装置、电子设备及存储介质 | |
| CN112995652B (zh) | 视频质量评估方法及装置 | |
| CN111695421B (zh) | 图像识别方法、装置及电子设备 | |
| CN110189260B (zh) | 一种基于多尺度并行门控神经网络的图像降噪方法 | |
| CN111901598A (zh) | 视频解码与编码的方法、装置、介质及电子设备 | |
| CN114936979B (zh) | 一种模型训练方法、图像去噪方法、装置、设备及存储介质 | |
| CN112906721B (zh) | 图像处理方法、装置、设备及计算机可读存储介质 | |
| CN112419179A (zh) | 修复图像的方法、装置、设备和计算机可读介质 | |
| CN113724136A (zh) | 一种视频修复方法、设备及介质 | |
| CN112837240B (zh) | 模型训练方法、分数提升方法、装置、设备、介质和产品 | |
| CN113902636A (zh) | 图像去模糊方法及装置、计算机可读介质和电子设备 | |
| CN113409307A (zh) | 基于异质噪声特性的图像去噪方法、设备及介质 | |
| CN110197459B (zh) | 图像风格化生成方法、装置及电子设备 | |
| WO2022178975A1 (zh) | 基于噪声场的图像降噪方法、装置、设备及存储介质 | |
| CN116309158A (zh) | 网络模型的训练方法、三维重建方法、装置、设备和介质 | |
| CN117173609A (zh) | 基于多尺度特征和通道注意力的无参考屏幕视频质量评价方法及装置 | |
| CN117011130A (zh) | 图像超分辨率的方法、装置、设备、介质及程序产品 | |
| US20220164934A1 (en) | Image processing method and apparatus, device, video processing method and storage medium | |
| CN114897884A (zh) | 基于多尺度边缘特征融合的无参考屏幕内容图像质量评估方法 | |
| CN114596203A (zh) | 用于生成图像和用于训练图像生成模型的方法和装置 | |
| Lu et al. | Channel splitting attention network for low‐light image enhancement | |
| CN117237259B (zh) | 基于多模态融合的压缩视频质量增强方法及装置 | |
| CN115937338B (zh) | 图像处理方法、装置、设备及介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |