文献

J-GLOBAL ID：201702241994933603   整理番号：17A1771890

画質予測のための深層畳込みニューラルモデル:データ駆動画像品質評価への挑戦と解決策【Powered by NICT】

Deep Convolutional Neural Models for Picture-Quality Prediction: Challenges and Solutions to Data-Driven Image Quality Assessment

著者 (6件)： Kim Jongyoo (Electrical and Electronic Engineering, Yonsei University, Seoul, 120-749, South Korea) ,  Zeng Hui (Department of Computing, The Hong Kong Polytechnic University, Hong Kong) ,  Ghadiyaram Deepti (Electrical and Computer Engineering, University of Texas-Austin, Austin, Texas United States) ,  Lee Sanghoon (Electrical and Electronic Engineering, Yonsei University, Seoul, 120-749, South Korea) ,  Zhang Lei (Department of Computing, The Hong Kong Polytechnic University, Hong Kong) ,  Bovik Alan C. (Electrical and Computer Engineering, University of Texas, Austin, Texas 78712-1084 United States)
資料名： IEEE Signal Processing Magazine  (IEEE Signal Processing Magazine)
巻： 34  号： 6  ページ： 130-141  発行年： 2017年 
JST資料番号： H0928A  ISSN： 1053-5888  CODEN： ISPRE6  資料種別： 逐次刊行物 (A)
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： 畳込みニューラルネットワーク(CNN)は,多種多様な視覚情報処理応用の素晴らしい性能を発揮することを示した。しかし,この急速に発展している技術はごく最近画質予測の問題に対する系統的エネルギーを応用した,主に適切なグランドトルースヒト主観的データの欠如により課される制限されていた。この状況は深い学習ベース知覚画質予測への新しいアプローチを推進している有望なデータ収集法の開発によって変化することを始めている。ここでは,この急速に発展している分野の進歩を,特に,大量のグランドトルースデータを収集する新しい方法と大規模実世界,画質データベースにおける優れた結果を与えることを最近のCNNに基づく画質予測モデルに焦点を当てた。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： 高速度 ,  学習 ,  *予測 ,  *深層 ,  データベース ,  予測モデル ,  *畳込み ,  ニューラルネットワーク ,  *画質 ,  データ収集
準シソーラス用語： 視覚情報処理 ,  *データ駆動 ,  *神経回路網モデル , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  検索技術  (AC06020S) ,  移動通信  (ND08030H)

タイトルに関連する用語 (9件)： 画質 ,  予測 ,  深層 ,  畳込み ,  ニューラルモデル ,  データ駆動 ,  画像品質 ,  評価 ,  解決策