文献

J-GLOBAL ID：201702240663888450   整理番号：17A1259436

転移学習を用いたトーンマッピングされた高ダイナミックレンジ(HDR)画像の非参照品質評価【Powered by NICT】

No-reference quality assessment of tone mapped High Dynamic Range (HDR) images using transfer learning

著者 (5件)： Kumar V. Abhinau (Department of Electrical Engineering, IIT Hyderabad, Kandi, Telangana, India - 502285 India) ,  Gupta Shashank (Department of Electrical Engineering, IIT Hyderabad, Kandi, Telangana, India - 502285 India) ,  Chandra Sai Sheetal (Department of Electrical Engineering, IIT Hyderabad, Kandi, Telangana, India - 502285 India) ,  Raman Shanmuganathan (Electrical Engineering and Computer Science and Engineering, IIT Gandhinagar, Palaj, Gandhinagar, Gujarat, India - 382355) ,  Channappayya Sumohana S. (Department of Electrical Engineering, IIT Hyderabad, Kandi, Telangana, India - 502285 India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： QoMEX  ページ： 1-3  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： tonemapped高ダイナミックレンジ(HDR)画像の非規範画質評価(NRIQA)のための転移学習フレームワークを提案した。本研究では,一般的に品質評価データベース,特にHDR画像データベースが訓練深層ニューラルネットワークのための典型的要件と比較して「小さな」という観察が動機となっている関連が,大きなデータベースからの学習は,小さなデータベースに伝達される移動学習ベース手法は,このようなシナリオに成功している。具体的には,筆者らは,成功したAlexNetを用いて画像特徴を抽出するフレームワークを提案した。これは主成分分析(PCA)の適用に先立つ特徴ベクトル(4096~400)の次元,小さなデータベースサイズを減少させることである。線形回帰モデルは,過剰適合を防ぐためにL2正則化を用いた平均意見スコア(MOS)に適合した。ESPL LIVEデータベース上で提案アプローチの最先端技術の性能を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ニューラルネットワーク ,  データベース ,  *学習 ,  画像特性 ,  正則化 ,  *画像 ,  主成分分析
準シソーラス用語： 線形回帰モデル ,  特徴ベクトル ,  高ダイナミックレンジ画像 ,  画質評価 ,  *品質評価 ,  *高ダイナミックレンジ ,  *トーンマッピング ,  *転移学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 転移学習 ,  トーンマッピング ,  高ダイナミックレンジ ,  参照 ,  品質評価