文献

J-GLOBAL ID：202102255135650691   整理番号：21A0066717

畳込みニューラルネットワークと加重空間プールを用いたブラインド自然画像品質予測【JST・京大機械翻訳】

Blind Natural Image Quality Prediction Using Convolutional Neural Networks And Weighted Spatial Pooling

著者 (2件)： Su Yicheng (Shenzhen University,School of Computer Science and Software Engineering,Shenzhen,China) ,  Korhonen Jari (Shenzhen University,School of Computer Science and Software Engineering,Shenzhen,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 191-195  発行年： 2020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： 典型的には,画像のいくつかの領域は,他者よりも知覚された品質にとってより適切である。他方,主観的画像品質は,センサノイズや鋭さのような低レベル特性にも影響を受ける。これは,物体認識でしばしば使用されるような画像再スケーリングが,ブラインド画像品質予測に使用される畳み込みニューラルネットワーク(CNN)の入力画像を生成するための実現可能なアプローチではない。一般的に,畳み込み層は入力として任意の分解能の画像を受容できるが,完全接続(FC)層は固定長特徴ベクトルのみを受け入れることができる。この問題を解決するために,重みづけ空間プール(WSP)を提案し,大域的平均プール(GAP)を置き換えるために使用できる重みマップの任意のサイズの空間情報を集約した。本論文では,CNNとWSPに基づくブラインド画像品質評価(BIQA)法を提案した。実験結果は,提案した方法の予測精度が最先端の画像品質評価法に対して競合することを示した。Copyright 2021 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： 雑音 ,  *畳込み ,  分解能 ,  物体認識 ,  *画質 ,  センサ ,  重みづけ
準シソーラス用語： 空間情報 ,  特徴ベクトル ,  *自然画像 ,  予測精度 ,  評価法 ,  *品質予測 ,  *畳込みニューラルネットワーク ,  インプット画像 , 【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)： 畳込みニューラルネットワーク ,  加重 ,  ブラインド ,  自然画像 ,  品質予測