當前圖像美學質量評估的研究主要基于圖像的視覺內容來給出評價結果，忽視了美感是人的認知活動的事實，在評價時沒有考慮用戶對圖像語義信息的理解。為了解決這一問題，提出了一種基于語義感知的圖像美學質量評估方法，將圖像的物體類別信息以及場景類別信息也用于圖像美學質量評估。運用遷移學習的思想，構建了一種可以融合圖像多種特征的混合網絡。對于每一幅輸入圖像，該網絡可以分別提取出其物體類別特征、場景類別特征以及美學特征，并將這三種特征進行高質量的融合，以達到更好的圖像美學質量評估效果。該方法在AVA數據集上的分類準確率達到89. 5%，相對于傳統方法平均提高了19. 9% ，在CUHKPQ數據集上的泛化性能也有了很大提升。實驗結果表明，所提方法在圖像美學質量評估問題上，能夠取得更好的分類性能。

　　傳統的客觀圖像質量評估方法主要關注在圖像的獲取、傳輸和存儲等過程中引人的不同類型的失真（如噪聲、扭曲、壓縮等）以及由此帶來的圖像質量下降問題。隨著圖像采集設備的不斷升級和編解碼技術的快速進步，普通圖像的失真問題目前已經得到定程度的緩解，因此，些研究者開始嘗試從美學的角度對圖像質量進行客觀評估，并提出了圖像美學質量評估的概念。

　　圖像美學質量評估旨在模擬人類視覺及審美思維，進而對圖像進行美學建模，使計算機能夠自動地對圖像的美學價值進行定量的評價。伴隨計算機視覺和模式識別等技術的快速發展，圖像美學質量評估技術已經被應用到多個領域，例如：在圖像檢索系統中，考慮返回圖像的美學質量，為用戶提供準確且更有吸引力的檢索結果“ ;針對用戶拍攝的關于同場景的多張候選照片，篩選最具美感的作品保存和展示，合理地降低數據的存儲開銷以便節省存儲空間的成本圖像美學質量評估算法也可以部署在攝像機上，在用戶拍照過程中實時地分析取景內容的美學質量。