一行命令搞定图像质量评价 | 附代码和操作步骤

本文转载自：我爱计算机视觉

在交流群里，经常有人问到图像质量评价的问题。比如对监控摄像头拍摄的多幅图像，挑选一幅图像显示给用户，或者选择一幅图丢给识别模型，又或者在互联网应用里，对于用户上传的多幅图像，选择一幅作为封面。一般要求图像清晰、质量较好，有没有简单的方法实现图像质量评价呢？

今天跟大家推荐一个工具，来自德国商品比价服务商idealo开源的图像质量评价工具，仅需要一行命令就可以实现。

开源地址：

https://github.com/idealo/image-quality-assessment

安装非常简答：

对一幅图像进行质量评价：

./predict  \
--docker-image nima-cpu \
--base-model-name MobileNet \
--weights-file $(pwd)/models/MobileNet/weights_mobilenet_technical_0.11.hdf5 \
--image-source $(pwd)/src/tests/test_images/42039.jpg

对一个文件夹下的所有图像进行质量评价：

./predict  \
--docker-image nima-cpu \
--base-model-name MobileNet \
--weights-file $(pwd)/models/MobileNet/weights_mobilenet_technical_0.11.hdf5 \
--image-source $(pwd)/src/tests/test_images

这个工具还是很靠谱的，其参考的是Google 2017年研究论文 NIMA: Neural Image Assessment" （https://arxiv.org/pdf/1709.05424.pdf），另外这家公司本身也在自己的互联网服务中使用该工具，用于用户上传的酒店图像的挑选和推荐。

实际上该工具有美学评价（侧重于图像好看不好看）和技术评价（侧重于图像质量好不好）两方面。

官方已经给出了这两个的预训练模型。

当然，并不是每个人都是做这两个方面，比如我刚才说的监控场景的图像质量评价，那你就需要自己训练了。

作者们也提供了简单易用的训练接口。

标注好样本，配置好环境后，训练也只需要一行命令：

./train-local \
--config-file $(pwd)/models/MobileNet/config_technical_cpu.json \
--samples-file $(pwd)/data/TID2013/tid_labels_train.json \
--image-dir /path/to/image/dir/local

总之，这是一个在实际项目和研究中，都值得关注的图像质量评价工具。

再发一遍项目地址：

https://github.com/idealo/image-quality-assessment