随着照相机、智能手机的快速普及,图像、视频等可视数据与日俱增。用户对美观的高质量图像的需求也日益增长。图像美学质量评价是利用计算机模拟人类对美的感知与认知,自动评价图像的“美观度”。图像美学质量评价在摄影摄像、美容美妆、电子商务、平面设计等多个行业具有广泛的应用前景,并已经成为计算机视觉领域的研究热点之一。现有美学质量评价的研究主要针对普通图像和人脸图像。其中,人脸图像的美观度评价机理相对于普通图像具有一定的特殊性。因此,本文针对普通图像和人脸图像的美学评价问题分别进行研究,并分别提出了一种基于深度特征融合的评价模型。首先,针对普通图像,基于多层特征聚合网络构建了通用型美学质量评价框架。具体而言,该框架从卷积神经网络中分别抽取低层、中层和高层特征,然后进行融合,用于图像美学质量的预测。为了评估框架的有效性,本文分别采用MobileNet、VGG16和Inception-V3作为基准网络结构,构建多层聚合网络。在AVA数据集上的实验结果表明:多层特征聚合网络的性能明显优于其对应的基准网络,而且精确度比之前最先进的方法提高了 5个百分点。其次,针对人脸图像,本文提出基于协同注意力机制融合人脸图像信息与结构信息进行人脸美观度预测。具体而言,本文采用人脸解析掩模表征人脸结构,并将人脸图像与解析掩模分别输入到卷积神经网络中提取特征。其中,在图像子网络中采用空间注意力机制提取关键位置的信息,在结构子网络中采用通道注意力机制提取关键掩模区域的信息,以提升深层特征的表达能力。最后,对图像特征和深度特征进行融合,用于人脸美观度的评价。相较于现有最优方法,本方法在SCUT-FBP5000和CelebA数据集上分别将人脸美观度预测精度提升了 1.5和2.6个百分点,证明了所提方法的有效性。整体而言,本文所提出的深层特征融合机制具有一定的创新性,并通过在标准数据集上进行实验验证了其有效性,对于图像美学质量评价领域的理论研究和应用推广具有一定的价值。