論文の概要: Blind Surveillance Image Quality Assessment via Deep Neural Network Combined with the Visual Saliency

• arxiv url: http://arxiv.org/abs/2206.04318v1
• Date: Thu, 9 Jun 2022 07:30:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-10 15:59:04.034450
• Title: Blind Surveillance Image Quality Assessment via Deep Neural Network Combined with the Visual Saliency
• Title（参考訳）: 深層ニューラルネットワークと視覚塩分を併用したブラインドサーベイランス画像品質評価
• Authors: Wei Lu, Wei Sun, Wenhan Zhu, Xiongkuo Min, Zicheng Zhang, Tao Wang, Guangtao Zhai
• Abstract要約: 監視画像(SI)のブラインド品質評価のためのサリエンシに基づくディープニューラルネットワークを提案する。 我々はまずSIの正当性マップを計算し、最も正当な局所領域を選択する。 次に、畳み込みニューラルネットワーク(CNN)を用いて、画像全体と局所領域の質の高い特徴を抽出する。 最後に、全体品質スコアは、グローバルおよびローカル品質スコアの重み付け和として計算される。
• 参考スコア（独自算出の注目度）: 39.58198651685851
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The intelligent video surveillance system (IVSS) can automatically analyze the content of the surveillance image (SI) and reduce the burden of the manual labour. However, the SIs may suffer quality degradations in the procedure of acquisition, compression, and transmission, which makes IVSS hard to understand the content of SIs. In this paper, we first conduct an example experiment (i.e. the face detection task) to demonstrate that the quality of the SIs has a crucial impact on the performance of the IVSS, and then propose a saliency-based deep neural network for the blind quality assessment of the SIs, which helps IVSS to filter the low-quality SIs and improve the detection and recognition performance. Specifically, we first compute the saliency map of the SI to select the most salient local region since the salient regions usually contain rich semantic information for machine vision and thus have a great impact on the overall quality of the SIs. Next, the convolutional neural network (CNN) is adopted to extract quality-aware features for the whole image and local region, which are then mapped into the global and local quality scores through the fully connected (FC) network respectively. Finally, the overall quality score is computed as the weighted sum of the global and local quality scores. Experimental results on the SI quality database (SIQD) show that the proposed method outperforms all compared state-of-the-art BIQA methods.
• Abstract（参考訳）: インテリジェントビデオ監視システム(ivss)は、監視画像(si)の内容を自動的に分析し、手動作業の負担を軽減することができる。 しかし、SIは、取得、圧縮、送信の手順において品質劣化に悩まされ、IVSSはSIの内容を理解するのが難しくなる。 本稿では、まず、SIの質がIVSSの性能に重大な影響を与えることを示すためのサンプル実験(顔検出タスク)を行い、次に、SIのブラインド品質評価のための唾液ベースのディープニューラルネットワークを提案し、IVSSが低品質SIをフィルタリングし、検出および認識性能を向上させるのに役立つ。 具体的には、まずSIの正当性マップを計算し、最も有能な地域を選択する。なぜなら、正当性領域は通常、マシンビジョンのためのリッチな意味情報を含むため、SIの全体的な品質に大きな影響を与える。 次に、畳み込みニューラルネットワーク(CNN)を用いて、画像全体と局所領域の質を認識した特徴を抽出し、それぞれ完全に接続された(FC)ネットワークを介して、グローバルおよびローカル品質スコアにマップする。 最後に、全体品質スコアは、グローバルおよびローカル品質スコアの重み付け和として計算される。 SI品質データベース(SIQD)の実験結果から,提案手法は最先端のBIQA法よりも優れた性能を示した。

関連論文リスト

• Q-Ground: Image Quality Grounding with Large Multi-modality Models [61.72022069880346]
  Q-Groundは、大規模な視覚的品質グラウンドに取り組むための最初のフレームワークである。 Q-Groundは、大規模なマルチモダリティモデルと詳細な視覚的品質分析を組み合わせる。 コントリビューションの中心は、QGround-100Kデータセットの導入です。
  論文  参考訳（メタデータ） (2024-07-24T06:42:46Z)
• ADASR: An Adversarial Auto-Augmentation Framework for Hyperspectral and Multispectral Data Fusion [54.668445421149364]
  HSI(Deep Learning-based Hyperspectral Image)は、HSI(Hyperspectral Image)とMSI(Multispectral Image)を深層ニューラルネットワーク(DNN)に融合させることにより、高空間分解能HSI(HR-HSI)を生成することを目的としている。 本稿では, HSI-MSI 融合のためのデータ多様性を向上するために, HSI-MSI サンプルペアの自動最適化と拡張を行う新しい逆自動データ拡張フレームワーク ADASR を提案する。
  論文  参考訳（メタデータ） (2023-10-11T07:30:37Z)
• Scale Guided Hypernetwork for Blind Super-Resolution Image Quality Assessment [2.4366811507669124]
  既存のブラインドSR画像品質評価(IQA)メトリクスは、単に超高解像度画像の視覚的特徴に焦点を当てているだけである。 本稿では、SR画像の品質をスケール適応的に評価するスケールガイド型ハイパーネットワークフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-04T16:17:19Z)
• Towards Robust Text-Prompted Semantic Criterion for In-the-Wild Video Quality Assessment [54.31355080688127]
  コントラスト言語画像事前学習(CLIP)を用いたテキストプロンプト付きセマンティック親和性品質指標(SAQI)とそのローカライズ版(SAQI-Local)を導入する。 BVQI-Localは前例のないパフォーマンスを示し、すべてのデータセットで既存のゼロショットインデックスを少なくとも24%上回る。 我々は、異なる指標の異なる品質問題を調べるために包括的な分析を行い、設計の有効性と合理性を示す。
  論文  参考訳（メタデータ） (2023-04-28T08:06:05Z)
• Deep Feature Statistics Mapping for Generalized Screen Content Image Quality Assessment [60.88265569998563]
  我々は,SCIの質を効果的に決定できる指標に基づいて,SCIの統計を学習するための最初の試みを行う。 統計的偏差が品質評価に有効に活用できることを実証的に示す。
  論文  参考訳（メタデータ） (2022-09-12T15:26:13Z)
• Deep Neural Network for Blind Visual Quality Assessment of 4K Content [37.70643043547502]
  既存のブラインド画像品質評価法(BIQA)は、オリジナルおよびアップスケールの4Kコンテンツには適していない。 本研究では、4Kコンテンツに対する深層学習に基づくBIQAモデルを提案する。 提案手法はマルチタスク学習方式を用いて学習し,分類タスクと回帰タスクの損失のバランスをとる不確実性原理を導入する。
  論文  参考訳（メタデータ） (2022-06-09T09:10:54Z)
• Textural-Structural Joint Learning for No-Reference Super-Resolution Image Quality Assessment [59.91741119995321]
  我々は、TSNetと呼ばれる品質予測のためのテキスト情報と構造情報を共同で探索するデュアルストリームネットワークを開発した。 画像の重要な領域に注意を払っている人間の視覚システム(HVS)を模倣することにより、視覚に敏感な領域をより区別しやすくするための空間的注意機構を開発する。 実験の結果,提案したTSNetは現状のIQA法よりも視覚的品質を正確に予測し,人間の視点との整合性を示した。
  論文  参考訳（メタデータ） (2022-05-27T09:20:06Z)
• Quality Assessment of Super-Resolved Omnidirectional Image Quality Using Tangential Views [11.825034741333374]
  全方位画像(ODI)は、特定の360度シーンのあらゆる方向を固定点から探索することを可能にする。 本稿では,GANベースおよびCNNベースSISR法により生成されたODIの品質測定を対象とする,客観的かつ完全な品質評価フレームワークを提案する。 設計したフレームワークに適応した広範に使われているフル参照SISR品質指標を用いて、最先端SISRの2つの手法を広範囲に評価した。
  論文  参考訳（メタデータ） (2021-01-25T20:30:57Z)
• Learning-Based Quality Assessment for Image Super-Resolution [25.76907513611358]
  我々は,新しい半自動ラベリング手法を用いて,大規模sr画像データベースを構築する。 結果のSR画像品質データベースには、100の自然シーンの8,400の画像が含まれている。 特徴抽出にDNN(Deep Neural Networks)を用いたエンドツーエンドのDeep Image SR Quality(DISQ)モデルと、品質予測のためのFeature fusion Networkをトレーニングします。
  論文  参考訳（メタデータ） (2020-12-16T04:06:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。