为加强研究生学术交流活动，推进学术创新，特开通“研究生学术报告预告区”。我校研究生和教师可以在预告区及时发布和了解有关研究生学术报告的信息，届时参加。也可就某学术报告展开专题讨论与交流。
卷积神经网络（CNN）已被证明在图像质量评估中具有出色的性能，然而，使用CNN获得的大多数模型基于小的图像块的进行计算这种方法没有考虑图像内容和人类视觉系统。本此报告提出了一个完全端对端的CNN模型，用于没有任何预处理阶段的无参考质量评估。该网络由五个卷积层组成，最大池化层，一个全连接层和一个输出层。与以前的其他模型以图像块为输入，我们修改全连接层的结构以获取足够多的训练数据，网络的输入是完整的灰度图像图像，没有进行任何特征提取和预处理。我们将最后一层池化层的每个特征向量作为独立样本来训练我们提出的模型，最终的预测分数可以通过平均局部分数来计算。在基准数据库TID2008和CSIQ上的实验表明，我们的方法与主观评估分数高度一致，并实现了最先进的性能。