文献

J-GLOBAL ID：202202252304825370   整理番号：22A0575769

Twice混合:水中画像強調のためのランク学習ベース品質評価アプローチ【JST・京大機械翻訳】

Twice Mixing: A rank learning based quality assessment approach for underwater image enhancement

著者 (4件)： Fu Zhenqi (School of Informatics, Xiamen University, Xiamen, 361005, China) ,  Fu Xueyang (School of Information Science and Technology, University of Science and Technology of China, Hefei, 230026, China) ,  Huang Yue (School of Informatics, Xiamen University, Xiamen, 361005, China) ,  Ding Xinghao (School of Informatics, Xiamen University, Xiamen, 361005, China)
資料名： Signal Processing: Image Communication  (Signal Processing: Image Communication)
巻： 102  ページ： Null  発行年： 2022年 
JST資料番号： T0844A  ISSN： 0923-5965  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 客観的に,そして,異なる強化アルゴリズムによって発生する水中画像を正確に評価することは,まだほとんど探索されていない,本質的な問題である。本論文では,異なる水中画像強調(UIE)アルゴリズムを評価するための新しいランク学習誘導非参照品質評価法を提案した。また,この問題に取り組むための深層学習アプローチを利用した最初の研究である。Twice混合と呼ばれる提案アプローチは,高品質画像とその低品質バージョンを混合することにより,中間品質画像を生成できるという観察によって動機づけられる。Twice混合は,精巧に定式化された自己スーパービジョン機構に基づいて訓練される。具体的には,各反復の前に,仮想画像を生成し,ネットワーク訓練を導くために利用される2つの混合比をランダムに発生する。テストフェーズにおいて,ネットワークの単一ブランチを抽出して,種々のUIE出力の品質ランキングを予測した。さらに,著者らのネットワークを訓練するために,2200以上の生水中画像とそれらの高/低品質バージョンを含む新しいデータセットを構築した。Twice混合を,合成および実世界データセットの両方で評価した。実験結果は,提案した方式が以前の方法より著しく優れていることを示した。Copyright 2022 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： アルゴリズム ,  *学習 ,  ネットワーク ,  *評価 ,  混合比 ,  *画像 ,  等級づけ ,  方式 ,  定式化 ,  機械学習
準シソーラス用語： *品質評価 ,  スーパービジョン ,  高品質 ,  *水中画像 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 水中画像 ,  品質評価 ,  混合 ,  ランク学習 ,  シーズネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 水中画像 ,  学習 ,  品質評価