文献

J-GLOBAL ID：201802218453375059   整理番号：18A1900881

DeProN:ブラインド画像品質評価のためのコンテンツ保存深アーキテクチャ【JST・京大機械翻訳】

Deeprn: A Content Preserving Deep Architecture for Blind Image Quality Assessment

著者 (3件)： Varga Domonkos (Budapest University of Technology, Budapest, Hungary) ,  Saupe Dietmar (University of Konstanz, Konstanz, Germany) ,  Sziranyi Tamas (MTA SZTAKI, Budapest, Hungary)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICME  ページ： 1-6  発行年： 2018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： 本論文は,畳込みニューラルネットワーク(CNN)による深い学習に基づくブラインド画像品質評価(BIQA)方法を提示した。著者らの方法は,画像分類と品質評価のためのCNNで通常行われているように,小画像パッチやレジスト入力画像よりもむしろ完全で任意のサイズの画像で訓練されている。分解能独立性はピラミッドプールによって達成される。本研究は,BIQAに微調整された残留深い学習ネットワーク(ResNet-101)を適用する最初のものである。訓練は,平均意見スコア(MOS)の他に,品質評価ヒストグラムを含む10073画像(KonIQ-10k)の新しい非常に大きいラベル付けデータセット上で実行される。以前の方法とは対照的に,MOSを直接近似することはないが,むしろスコアの分布を用いる。実験は3つのベンチマーク画像品質データベース上で行った。結果は,現在の最先端アルゴリズムと比較して,推定MOS値の精度の明確な改善を示した。また,スコア分布の推定の品質についても報告する。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *計算機アーキテクチャ ,  角錐 ,  *コンテンツ ,  近似法 ,  アルゴリズム ,  学習 ,  *画質 ,  ネットワーク ,  *画像 ,  *品質 ,  データベース ,  ベンチマーク ,  ヒストグラム
準シソーラス用語： スコア ,  *品質評価 , 【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 (6件)： ブラインド ,  画像品質 ,  評価 ,  コンテンツ ,  保存 ,  アーキテクチャ