NIMA：神经影像评估 实现 Keras + Tensorflow中的，并在AVA数据集上训练MobileNet模型的权重。 NIMA为图像分配了“均值+标准偏差”得分，可以用作自动检查图像质量的工具，也可以用作损失函数来进一步改善生成的图像的质量。 包含在AVA数据集上针对以下模型训练的权重： NASNet Mobile（由于 ！而在valset上的EMD为0.067 EMD，仅需预训练即可0.0848 EMD） Inception ResNet v2（在valset上约为0.07 EMD，感谢 ！） MobileNet（valset上为0.0804 EMD） 用法 评价 有eva

Scientific-Image-Quality，科学图像质量指标说明

最新完整英文版CISPR TR 29：2020 Television broadcast receivers and associated equipment - Immunity characteristics - Methods of objective picture assessment（电视广播接收机和相关设备抗扰度特性客观图像评估方法）。 CISPR TR 29：2020是一项技术报告，描述了在模拟和数字电视广播接收器及相关设备的抗扰度测试中用于客观图片评估的算法。 所使用的算法是根据最初包含在CISPR 20：2002 / AMD2：2004附件K中的规范开发的，后来的版本已被CISPR 35：2016取代。 该附件中所述的客观图像评估方法采用了相同的干扰机制，并基于与CISPR 35中针对主观图像评估所规定的相同的有用信号定义。 因此，客观图片评估是主观方法的替代方法，并具有与主观方法直接相关的优势。