文献

J-GLOBAL ID：201702267726928830   整理番号：17A0058053

Q DNN:強化された画像のブラインド評価のための品質意識深部ニューラルネットワーク【Powered by NICT】

Q-DNN: A quality-aware deep neural network for blind assessment of enhanced images

著者 (4件)： Wu Qingbo (School of Electronic Engineering, University of Electronic Science and Technology of China) ,  Li Hongliang (School of Electronic Engineering, University of Electronic Science and Technology of China) ,  Meng Fanman (School of Electronic Engineering, University of Electronic Science and Technology of China) ,  Ngan King N. (Department of Electronic Engineering, The Chinese University of Hong Kong)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： VCIP  ページ： 1-4  発行年： 2016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： 画像強調は,特定の応用のための「より良い」視覚品質を生産するその能力のために,広く普及している。多くの強調アルゴリズムが近年開発されているが,強調された画像のブラインド評価に向けた研究は,まだ非常に欠いていた。本論文では,品質意識型深いニューラルネットワーク(Q DNN)に基づくデータ駆動型ブラインド画像品質評価(BIQA)法を提案した。特異的歪のタイプの劣化レベルを測定するために設計された従来の手作りの特徴とは異なり,教師つき学習モデルは著者らのQ DNN,異なる画像強調タスクによる視覚アーチファクトを記述するための特徴抽出器と品質回帰を適応的に更新することができるで利用されている。二つの挑戦的な強調画像データベース上での実験結果は,提案した方法が最先端BIQA計量よりも優れていることを示した。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： 特徴抽出 ,  教師つき学習 ,  *深部 ,  画像データベース ,  アルゴリズム ,  視覚 ,  *ニューラルネットワーク ,  画質 ,  *画像 ,  アーチファクト ,  画像強調 ,  *品質
準シソーラス用語： データ駆動 ,  視覚品質 , 【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)： 強化 ,  ブラインド ,  評価 ,  意識 ,  深部ニューラルネットワーク