文献

J-GLOBAL ID：201802242793310627   整理番号：18A0518499

ブラインドメッシュの外観品質評価のための畳込みニューラルネットワークフレームワーク【Powered by NICT】

A convolutional neural network framework for blind mesh visual quality assessment

著者 (3件)： Abouelaziz Ilyass (LRIT, Associated Unit to CNRST (URAC No 29)- Faculty of Sciences, Mohammed V University in Rabat, B.P.1014 RP, Rabat, Morocco) ,  Hassouni Mohammed El (LRIT, Associated Unit to CNRST (URAC No 29)- Faculty of Sciences, Mohammed V University in Rabat, B.P.1014 RP, Rabat, Morocco) ,  Cherifi Hocine (LE2I UMR 6306 CNRS, University of Burgundy, Dijon, France)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 755-759  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： 本論文では,深い学習アプローチを用いたブラインドメッシュ視覚品質評価のための新しい方法を提案した。これを行うために,ここではまず,それぞれ歪んだメッシュから局所的に曲率と二面角を計算することにより視覚代表的な特徴を抽出した。,これらの特徴から畳込みニューラルネットワーク(CNN)に学習される2Dパッチのセットを決定した。ネットワークは二最大プーリング層を持つ二畳込み層から構成されている。二完全に連結した層を有する多層パーセプトロン(MLP)は統合学習表現出力ノードにを要約することである。このネットワーク構造を用いて,特徴学習と回帰を参照メッシュする必要なしに与えられた歪んだメッシュの品質スコアを予測した。実験はLIRISマスキングに行い,汎用データベースと結果は,訓練されたCNNは人間の視覚判定スコアとの相関の点で良好な速度を達成することを示した。Copyright 2018 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： マスキング ,  二面角 ,  多層パーセプトロン ,  学習 ,  ネットワーク構造 ,  *畳込み ,  データベース ,  *品質 ,  曲率 ,  *ネットワーク ,  視覚 ,  二次元
準シソーラス用語： スコア ,  視覚品質 ,  *畳込みニューラルネットワーク , 【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 (6件)： ブラインド ,  メッシュ ,  外観品質 ,  評価 ,  畳込みニューラルネットワーク ,  フレームワーク