Neural-IMage-Assessment

收录理由

如果团队需要按画质给图片排序，而不只是识别画面内容，这个项目是个不错的起点。它是NIMA论文的PyTorch实现，输出不是单一的美学分数，而是预测一个分布，这样既能按预期质量排序，也能看出模型对评分的把握有多大。这种不确定性信号在实际中很有用，比如决定在相册里优先展示哪些照片，或者从信息流中过滤掉哪些图。仓库里带了训练和推理脚本，基础网络是ImageNet预训练的VGG-16，还提供了已经划分好的AVA标注文件，想复现流程或用自己的数据重新训练，几乎不用写多少胶水代码。不过它属于研究型代码库，不是持续维护的产品，作者也坦承学习率需要调整，超参数没有仔细调过，这反而省得你再去踩同样的坑。