训练过程：
1、数据增强
2、使用第一步的数据在孪生网络上训练（两个分支共享权重）
3、使用质量评估数据集在网络的一个分支上进行微调
贡献：
1、提出通过对两张图片对比容易分出质量好坏的想法；
2、进行数据增强：对同一张图片，由它产生出来的一系列失真图片的rank是已知的；
3、先对rankings进行学习，利用孪生网络（即两个相同的网络（网络可以是CNN、lstm等），共享权重）进行建模。
4、将rankings形成两两组合，传入孪生网络，然后得到高级特征（可以认为是quality score）进行比较，计算出loss，然后反向传播。
5、孪生网络loss则是利用了hinge loss，能够更容易准确地学习到rank，也就是大间隔分类损失。
6、由图片x1得到的质量分数y1，由图片x2得到的质量分数y2，若y1与y2的比较结果与它们的真实rank一致则损失为0，若不一致，真实情况下大于则损失为1，真实情况下小于则为-1，真实情况下等于则为0。
7、在模型训练好过后，只取孪生网络的一支（两支都一样，其实真实模型就是一支，不过当成两支来用）。
8、将IQA数据集传入模型，根据图片的真实分数进行回归，微调（fine-tune）模型的参数，loss采用MSE。