基于深度学习的视频质量分析

视频质量诊断，之前由于数据不足，采用传统的方法进行检测，当前已经积累了一些数据，采用分类模型做了训练和检测工作，主要有：亮度异常检测、偏色检测、图像噪声检测、条纹噪声检测、清晰度检测、信号丢失检测、遮挡检测和对比度检测。具体的检测方法如下：

一、对每类数据进行整理，每类数据需要准备大概1w张数据左右，数据样本大致如下：

条纹数据

清晰度数据

遮挡数据

二、选择分类网络，可以使用ResNet系列、DenseNet系列、VGGNet、Densenet系列的分类模型，根据自己的使用习惯，随意选择一款即可；

三、模型转化，当模型训练完毕后，想要封装成C++代码，最好先转成onnx的模型，之后通过opencv的接口进行调用，通过模型训练后，检测的精度可以达到90%以上。

四、结合传统算法，深度学习模型只能解决部分算法问题，还有一些算法需要使用传统的分析方法，具体的算法实现，还需要参考我的另一篇博客，这样可以完美解决当前项目的需求。

视频质量诊断&&视频质量分析_dragon_perfect的博客-CSDN博客_视频质量诊断

整个数据的筛选也比较耗时，把之前积攒的十几年的数据和自己搜集的数据，加上一些预处理工作，大概花了2个月的时间，目前算法已经是C++代码，只依赖了opencv库，也算小有成就。通过深度学习进行训练之后，整个算法精度比传统算法提高20%，基本满足了项目的需求。需要沟通，请加QQ：187100248.

诊断分析界面

遮挡检测

条纹检测

算法演示demo地址如下：

链接：https://pan.baidu.com/s/1O71H\_xvItSOxHVmtT1MPnA

提取码：7zwr
需要交流，加QQ：187100248