简介：图像清晰度评估是计算机视觉中的经典难题，传统基于梯度或方差的方法在面对复杂场景时往往失灵。深度学习的兴起为无参考图像质量评估提供了新思路，其中结合卷积神经网络与Transformer的混合架构备受关注。CNN擅长提取局部纹理与边缘特征，Transformer则能捕捉全局失真关系，二者互补，恰好契合图像质量评估任务中“局部失真与全局感知并重”的需求。基于这一思路，一套完整的Python源码实现了从图像分块、特征提取到端到端回归打分的全流程，并支持ResNet18等骨干网络灵活替换。该方案适用于毕业设计、课程项目以及实际工程中的批量画质筛选、老照片修复等场景。在模型评估环节，SRCC、PLCC与RMSE等指标能够有效衡量预测分数与主观评分的相关性，为模型优化提供可靠依据。本文围绕网络结构、训练流程与踩坑经验展开，帮助开发者快速落地一套可用的图像清晰度评分系统。
1. 从“清晰度评分”讲起：这份 CNN+Transformer 源码到底能帮你干什么
用 OpenCV 拉普拉斯算子判断图像模糊，是大多数入门者踩过的第一个坑：照片里有人脸前景、虚化背景时，方差值完全不靠谱；画面稍微带点噪点，评分直接失灵。真正能用的图像质量评估，不是“算梯度”，而是“学规律”。这份基于 CNN+Transformer 的图像质量评估 Python 源码，做的就是后者：把图像切成小块，用 CNN 提取局部纹理特征，再用 Transformer 捕捉全局失真关系，最终端到端输出一个可解释的清晰度或画质分数。无论你是做毕业设计、课程设计还是期末大作业，这套代码的完整程度都接近“改一改就能跑”的状态。后文我用实际拆解的方式，把网络结构、训练流程、踩坑记录和部署技巧逐层铺开，保证你既能交差，也能真的跑出分数。
2. 核心方案选型：为什么“CNN + Transformer”而不是纯 CNN 或纯 ViT
2.1 图像质量评估任务的性质：局部失真与全局感知要同时抓
图像质量评估（IQA）一般分三类：全参考（FR-IQA）、半参考（RR-IQA）和无参考（NR-IQA）。去掉水印、修复老照片、批量筛选拍摄素材时几乎没有原始高清图作参考，所以无参考评估最实用，也是这份源码默认的用法。无参考评估难点在于：模糊、噪声、压缩伪影这些失真往往既体现在局部（边缘、纹理），又体现在全局（整体清晰度、亮度分布）。纯 CNN 擅长局部但容易忽略长距离依赖，纯 ViT 能建模全局但对细节敏感度弱。CNN + Transformer 的组合方式可以兼顾二者：ResNet 这类骨干网络先做局部特征提取，Transformer Encoder 再把特征图上的空间位置关系拉通，这种结构天然契合“局部失真 + 全局感知”的任务需求。
具体到这份项目的源码，骨干部分用的是 ResNet18（去掉最后的全连接层，保留卷积输出），Transformer 部分用的是标准 Encoder（2 层、8 头）。选用 ResNet18 而不是 ResNet50 或更重的模型，原因很简单：图像质量评估数据集通常只有几万到十几万张图，模型太深很容易过拟合；另外训练时显存开销也是毕业设计机器（比如 RTX 3060 8GB）的实际限制。如果想换骨干网络，把源码里 model.py 的 resnet18 换成 resnet50 即可，但要注意同步调低学习率。
2.2 数据流设计：裁剪 - 特征提取 - 全局建模 - 回归打分
不含 batchnorm 统计的坑：训练时模型输出均值附近震荡，验证集分数普遍偏低。原因是 ResNet 的 BatchNorm 在训练和推理两种模式下统计方式不同。解决：把 model.eval() 写在验证循环最前面，并且用 torch.no_grad() 包住推理部分。
4. 评估方法与指标：真分数假不了，对比实验怎么设计才扎实
4.1 SRCC、PLCC 和 RMSE：三个指标看懂模型好坏
图像质量评估领域不流行看 Accuracy，因为这是回归任务不是分类任务。报告里真正有说服力的是三个指标：SRCC（Spearman 秩相关系数）、PLCC（Pearson 线性相关系数）和 RMSE（均方根误差）。SRCC 衡量预测排序和真实排序的一致性，值域 [-1, 1]，越接近 1 越好；PLCC 衡量预测值和真实值的线性相关强度；RMSE 越小越好。答辩时老师问“模型效果怎么样”，不要只说“loss 降了”，把这三个指标打出来，再配合散点图，才是完整的说服链。
自定义数据集：把文件名和 MOS 分数写进 CSV，格式为 filename,mos_score。源码提供的数据加载器支持这一格式，修改文件路径后即可训练。一次失败经历：某次模型在验证集 SRCC 达到 0.87，测试集只有 0.62。查到最后是训练集划分时用了随机种子，验证集和测试集有 30% 重叠。从那以后我每次处理数据都强制走一遍“先按参考图分组再划分”的流程，这个习惯救了我很多次。希望帮到你。
本文还有配套的精品资源，点击获取
