抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,複数の写真欠陥を同時に検出する問題を紹介した。色,雑音,ぼけおよび組成に関連する共通の写真欠陥の存在,重症度および潜在的位置を検出することを目的とした。このような欠陥の自動検出は,様々な補正法を面倒に試みる必要のない光を改善する方法に対する提案を用いてユーザを提供するために使用することができる。また,欠陥検出は,ユーザがより高い品質の写真を選択するのを助けることができた。一方,光カーレーションと要約において厳しい欠陥を有するものをフィルタリングした。この問題を調査するために,著者らは,7つの一般的写真欠陥に関するユーザアノテーションの大規模データセットを収集した。それは人間判断によってそれらの一貫性を測定することによって,アルゴリズムを評価することを可能にした。著者らの新しいデータセットは,多重タスク学習問題として問題を定式化することを可能にし,すべての欠陥の重症度を同時に予測するために,マルチカラム深部畳込みニューラルネットワーク(CNN)を訓練することを可能にした。低レベル統計に依存するいくつかの既存の単一欠陥推定法とは異なり,自然写真に関する多くの場合に失敗する可能性があり,このモデルはより高いレベルで画像コンテンツと品質を理解することができる。結果として,著者らの実験において,著者らのモデルは,いくつかのベースラインCNNモデルと同様に,低レベル法よりも人間の判断とはるかに高い整合性を有する予測を有することを示した。著者らのモデルは,著者らのユーザ研究からの平均人よりも良好に機能する。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】