Este artículo aborda el impacto significativo de la calidad de imagen en el rendimiento de las redes neuronales profundas (DNN). Se sabe ampliamente que las DNN son sensibles a los cambios en las condiciones de la imagen. Si bien la evaluación tradicional de la calidad de imagen (IQA) intenta medir y alinear la calidad con los juicios perceptivos humanos, a menudo se necesitan métricas que sean sensibles a las condiciones de la imagen y que también se alineen bien con la sensibilidad de las DNN. Este artículo primero cuestiona cuán informativas son las métricas de IQA existentes para el rendimiento de las DNN. Demostramos teórica y experimentalmente que las métricas de IQA existentes son predictores débiles del rendimiento de las DNN para la clasificación de imágenes. Usando un marco causal, desarrollamos métricas que muestran fuertes correlaciones con el rendimiento de las DNN, lo que permite una estimación efectiva de la distribución de la calidad de conjuntos de datos de imágenes a gran escala para tareas de visión objetivo.
