文献

J-GLOBAL ID：201702251233880036   整理番号：17A1641390

誘導深部画像品質評価フレームワーク視覚重要性と歪【Powered by NICT】

Visual Importance and Distortion Guided Deep Image Quality Assessment Framework

著者 (5件)： Guan Jingwei (Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong, China) ,  Yi Shuai (Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong, China) ,  Zeng Xingyu (Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong, China) ,  Cham Wai-Kuen (Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong, China) ,  Wang Xiaogang (Department of Electronic Engineering, The Chinese University of Hong Kong, Hong Kong, China)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 19  号： 11  ページ： 2505-2520  発行年： 2017年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  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： 本論文では,参照画像での画質評価(IQA)の問題に取り組む。学習ベースIQAフレームワーク「VIDGIQA」を提案し,入力画像から品質特徴を抽出し,これらの特徴に視覚品質を退縮させる。異なる歪はヒト視覚系における異なる視覚認識をもたらすので,歪情報はヒト品質スコアとともに特徴学習プロセスを誘導するために採用した。さらに,モデル化し,すべての局所領域の視覚重要度重みを推定するために提案される回帰法,それは性能を効果的に改善できる。より重要なことに,すべてのこれらの操作は一つの深いニューラルネットワークに統合し,それらを一緒に最適化であり,互いによくと協同することができるようにした。実験をいくつかのデータセット,LIVEデータセット[1],TID2013データセット[2],LIVE多重歪んだIQAデータセット[3],CSIQ[4],および野生画質データベースにおけるLIVE[5]を含む提案した方法の能力を実証するために実施した。提案した方法は,スピアマン順位相関係数とPearsonの線形相関係数の観点から生データセット[1]上のそれぞれ0.969と0.973,最先端の方法よりも性能が優れているを達成した。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： *画像 ,  データベース ,  ニューラルネットワーク ,  ヒト ,  学習 ,  相関係数 ,  *視覚 ,  品質特性 ,  最適化 ,  *品質 ,  *画質 ,  モデリング ,  視認
準シソーラス用語： ヒト視覚系 ,  画質評価 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 誘導 ,  深部 ,  画像品質 ,  評価フレームワーク ,  視覚 ,  重要性 ,  歪