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。
画像品質評価(IQA)は,複雑な人間の視覚システムを参照して画像の品質を測定することを試みるので,マスタに対するトリックな分野である。IQAでは,研究の3つの主なストランド,すなわち,参照,縮小基準,および参照なし画像品質評価がある。与えられた画像の品質を決定するのに必要な参照画像が利用できないので,非参照画像品質評価は達成するのが最も難しい。著者らの以前の論文の1つにおいて,最先端のマルチタスクニューラルネットワーク,特にVGG-16と浅いニューラルネットワークを用いて,非参照IQAを定量化した。ほとんどの歪みの分類に対して良好な精度を達成した。しかし,使用したネットワークの欠点の1つは,分類精度がJPEG2000圧縮画像に対して良好ではないことであった。これらの画像はぼけや雑音の多い画像として正しく分類された。本論文では,残差ニューラルネットワーク(ResNet)を用いて圧縮画像をより正確に分類することを試みた。これらの深層学習モデルは,マイクロアーキテクチャモジュールに基づいて構築され,特定のタスク集中エンティティであり,画像中に存在するアーチファクトの歪みタイプと歪レベルを決定する。試験画像は,以前の研究との比較のためにLIVE II,CSIQ,およびTID2013データベースから得られた。訓練が1つの特定の歪みに限られていた以前のアプローチとは対照的に,テストデータベースに存在する全ての可能な歪みタイプを持つResNetの収集を訓練した。局所コントラスト正規化と大域的コントラスト正規化法を用いて,画像の前処理を行った。ResNets収集におけるすべてのハイパーパラメータ(例えば活性化関数,ドロップアウト正則化,最適化器)を,最適分類精度を作り出すために調整した。結果を,PLCC,SROCCおよびMSEのような異なる方法で評価し,高い線形相関をResNets収集を用いて達成し,以前の結果と比較した。COPYRIGHT SPIE. Translated from English into Japanese by JST.【JST・京大機械翻訳】