文献

J-GLOBAL ID：202002277333018657   整理番号：20A1760357

残差ニューラルネットワーク(ResNets)に基づく無参照画質評価【JST・京大機械翻訳】

No-reference image quality assessment based on residual neural networks (ResNets)

著者 (3件)： Ravela Ravi (The Univ. of Texas at Tyler (United States)) ,  Shirvaikar Mukul (The Univ. of Texas at Tyler (United States)) ,  Grecos Christos (National College of Ireland (Ireland))
資料名： Proceedings of SPIE  (Proceedings of SPIE)
巻： 11401  ページ： 114010C-9  発行年： 2020年 
JST資料番号： D0943A  ISSN： 0277-786X  CODEN： PSISDG  資料種別： 会議録 (C)
記事区分： 短報  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)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】

シソーラス用語： コントラスト ,  最適化 ,  雑音 ,  データベース ,  *ネットワーク ,  *ニューラルネットワーク ,  *残差 ,  *画質 ,  正則化 ,  正規化 ,  アーチファクト ,  JPEG
準シソーラス用語： 品質評価 ,  参照画像 ,  深層学習 , 【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 (4件)： 残差 ,  ニューラルネットワーク ,  参照 ,  画質評価