怎样进行图像模糊与清晰的分类

Sobel算子是convolution的特例,sobel能做的神经网络肯定也能做。正确率只有50%说明你训练的姿势不对。试试小点的网络,从头训练。调参是玄学。慢慢来吧。。。
■网友
泻药。要让网络学出区分模糊和清晰的能力,首先要在训练数据里下功夫。除了提高样本数目和增加不同场景的图片以外,我觉得比较重要的点是,同一个场景都必须要有清晰和模糊的图片(可以直接通过清晰的图来合成模糊的)。这样才能保证你的网络学的是如何判别模糊,而不是哪些场景可能出现模糊。
■网友
计算每张图的lapacian variance,然后做local normalization,去掉normalized variance小于一个阈值的图片。完全没有必要用deep learning。
■网友
如果分类后没有后续的处理,可以参考一下数码相机自动对焦,个人认为清晰度这种全局性的属性没必要用CNN来处理。
■网友
你好,按我的理解,卷积神经网络直接不太处理得了模糊图像与清晰图像的分类,因为卷积之后模糊图像和清晰图像的差别应该不大。我建议将sobel算子求得的梯度图像输入卷积神经网络进行二分类,这样应该可行。
■网友
这是文章
【怎样进行图像模糊与清晰的分类】 Kang L, Ye P, Li Y, et al. Convolutional neural networks for no-reference image quality assessment//Proceedings of the IEEE conference on computer vision and pattern recognition. 2014: 1733-1740.
这是代码
Adnan1011/NR-IQA-CNN

亲测好用,cvpr诚不我欺

■网友
结论:深度学习做图像质量二分类肯定可以做(多分类都做过,效果棒棒哒)操作:随便拿个alexnet,vggnet,resnet 等在imagenet上pretrain好的model 进行finetune一下就好了,分分钟收敛,要是不收敛,你来找我
■网友
谢邀,我觉得把图片重新采样成不同分辨率的多张图片作为输入,兴许可行。


    推荐阅读