文献

J-GLOBAL ID：201902242245409940   整理番号：19A2568596

領域差に基づくスクリーンコンテンツ画質評価のためのCNNモデル【JST・京大機械翻訳】

CNN Model for Screen Content Image Quality Assessment Based on Region Difference

著者 (4件)： Li Ruidong (School of Computer Science and Technology, Qingdao University, Qingdao, China) ,  Yang Huan (School of Computer Science and Technology, Qingdao University, Qingdao, China) ,  Yu Teng (School of Computer Science and Technology, Qingdao University, Qingdao, China) ,  Pan Zhenkuan (School of Computer Science and Technology, Qingdao University, Qingdao, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSIP  ページ： 1010-1014  発行年： 2019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： 画像品質評価(IQA)のための深い学習方法はますます一般的になっており,自然画像品質評価(NI-QA)のための多様な畳込みニューラルネットワーク(CNN)モデルが提案されている。スクリーンコンテンツ画質評価(SCI-QA)は自然画像品質評価と比較して比較的新しいトピックである。スクリーンコンテンツ画像は自然画像と異なる。それは,通常,画像領域とテキスト領域から成り,SCIにおける異なる領域の異なる視覚的知覚をもたらす。IQAのCNNモデルでは,通常,ネットワークの入力として画像パッチを取る。そこで,歪んだ画像を画像パッチに分割する方法を提案し,それらを画像パッチとテキストパッチに区別した。それらの2つの領域の異なる特性のために,画像とテキスト領域の品質スコアをCNNモデルによって別々に予測して,次に,歪んだSCIsの全体の品質程度を示すために融合した。スコアは,SCIsの局所活動度によって計算される異なる重みに従って融合される。SIQADデータベースにおける実験結果は,いくつかの先進的IQA法と比較して,提案したCNNベース法の有効性を検証した。Copyright 2019 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： データベース ,  画像 ,  有効性 ,  *画質 ,  活量 ,  視覚 ,  ネットワーク ,  品質
準シソーラス用語： スコア ,  テキスト ,  畳込みニューラルネットワーク ,  品質評価 ,  自然画像 ,  学習方法 ,  *画質評価 , 【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 (5件)： スクリーン ,  コンテンツ ,  画質評価 ,  CNN ,  モデル