文献

J-GLOBAL ID：202002222346763797   整理番号：20A1109665

多段階CNNによる局所的および多重歪画像品質評価【JST・京大機械翻訳】

Locally and multiply distorted image quality assessment via multi-stage CNNs

著者 (5件)： Yuan Yuan (School of Remote Sensing and Information Engineering, Wuhan University, #129 Luoyu Road, Wuhan, Hubei, PR China) ,  Su Hai (School of Software, South China Normal University, #55 West of Zhongshan Avenue, Guangzhou, Guangdong, PR China) ,  Liu Juhua (School of Printing and Packaging, Wuhan University, #129 Luoyu Road, Wuhan, Hubei, PR China) ,  Liu Juhua (Suzhou Institute, Wuhan University, #377 Linquan Street, Suzhou, Jiangsu, PR China) ,  Zeng Guoqiang (School of Remote Sensing and Information Engineering, Wuhan University, #129 Luoyu Road, Wuhan, Hubei, PR China)
資料名： Information Processing & Management  (Information Processing & Management)
巻： 57  号： 4  ページ： Null  発行年： 2020年 
JST資料番号： E0362B  ISSN： 0306-4573  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 既存の客観的画像品質評価(IQA)法の大部分は,局所的および多重歪画像を効果的に扱うことができない単一および全体的に歪んだ画像に対して特別に設計されている。一方では,従来のIQA法における人工的に抽出された特徴は,局所的および多重歪画像における品質変化を表現するのに不十分である。一方,局所的および多重歪画像の両方に適したIQA法は不十分である。これを考慮して,本論文では,局所的および多重歪画像に対して,多段深畳込みニューラルネットワーク(CNN)に基づくIQA法を提案した。この方法は,歪分類,単一歪の品質予測および総合的評価の3段階戦略を採用した。まず第一に,局所的,多重および単一歪画像の3つのデータセットを設計して確立した。第二に,局所および多重歪分類器,歪型分類器および単一歪の予測モデルを,それらの対応する段階におけるCNNモデルに基づいて得た。第三に,単一歪の予測結果を分類器の出力信頼性確率によって加重して,このように最終的総合的品質を得た。実験結果は,局所的および多重歪画像の品質測定において,提案方法の利点を検証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  *多重化 ,  品質変化 ,  予測モデル
準シソーラス用語： *品質評価 ,  画質評価 ,  分類会計機 ,  品質予測 ,  *ひずみ画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： 画質評価 ,  局所的に歪んだ画像 ,  多重歪画像 ,  畳み込みニューラルネットワーク

分類 (2件)： 検索技術  (AC06020S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 段階 ,  CNN ,  多重 ,  歪画像 ,  品質評価