Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

A deep learning method for predicting the minimum inhibitory concentration of antimicrobial peptides against <i>Escherichia coli</i> using Multi-Branch-CNN and Attention.

mSystems·2023
Same author

A feature transferring workflow between data-poor compounds in various tasks.

PloS one·2022
Same author

Method for Fault Diagnosis of Temperature-Related MEMS Inertial Sensors by Combining Hilbert-Huang Transform and Deep Learning.

Sensors (Basel, Switzerland)·2020
Same author

Convolutional Neural Networks-Based Object Detection Algorithm by Jointing Semantic Segmentation for Images.

Sensors (Basel, Switzerland)·2020

関連する実験動画

Updated: Sep 9, 2025

Excitation-Scanning Hyperspectral Imaging Microscopy to Efficiently Discriminate Fluorescence Signals
07:34

Excitation-Scanning Hyperspectral Imaging Microscopy to Efficiently Discriminate Fluorescence Signals

Published on: August 22, 2019

8.1K

画像センサのためのスタイルの転送ベースの高速画像品質評価方法

Weizhi Xian1,2, Bin Chen1,3, Jielu Yan4

  • 1Chongqing Research Institute of Harbin Institute of Technology, Harbin Institute of Technology, Chongqing 401151, China.

Sensors (Basel, Switzerland)
|August 28, 2025
PubMed
まとめ
この要約は機械生成です。

スタイルとコンテンツベースのIQA (SCIQA) という新しい画像品質評価方法は,ディープラーニングとスタイル転送の原則を使用しています. SCIQAは視覚データの精度を評価するための既存の方法の精度と汎用性を上回ります.

キーワード:
完全な参照イメージの内容画像品質の評価感知距離スタイル転送

さらに関連する動画

Fast Inspection of Quality of Indigo Naturalis by Multiple Light Scattering
03:40

Fast Inspection of Quality of Indigo Naturalis by Multiple Light Scattering

Published on: August 18, 2023

511
Label-Free Imaging of Single Proteins Secreted from Living Cells via iSCAT Microscopy
10:55

Label-Free Imaging of Single Proteins Secreted from Living Cells via iSCAT Microscopy

Published on: November 20, 2018

17.4K

関連する実験動画

Last Updated: Sep 9, 2025

Excitation-Scanning Hyperspectral Imaging Microscopy to Efficiently Discriminate Fluorescence Signals
07:34

Excitation-Scanning Hyperspectral Imaging Microscopy to Efficiently Discriminate Fluorescence Signals

Published on: August 22, 2019

8.1K
Fast Inspection of Quality of Indigo Naturalis by Multiple Light Scattering
03:40

Fast Inspection of Quality of Indigo Naturalis by Multiple Light Scattering

Published on: August 18, 2023

511
Label-Free Imaging of Single Proteins Secreted from Living Cells via iSCAT Microscopy
10:55

Label-Free Imaging of Single Proteins Secreted from Living Cells via iSCAT Microscopy

Published on: November 20, 2018

17.4K

科学分野:

  • コンピュータ・ビジョン
  • 画像処理
  • 機械学習

背景:

  • センサーの性能と視覚データの信頼性を最適化するために,正確な画像品質評価が不可欠です.
  • 色や質感のような視覚的な特徴を含むイメージスタイルは,知覚された品質に大きな影響を与えます.

研究 の 目的:

  • スタイルとコンテンツベースのIQA (SCIQA) と呼ばれる新しい全参照画像品質評価方法 (FR-IQA) を提案する.
  • 画像の内容とスタイルを統合した方法を開発し,より正確な知覚品質の評価を行う.

主な方法:

  • 深い領域での画像機能分解のために深部収縮ニューラルネットワーク (CNN) を利用した.
  • コンテンツベースの測定とスタイルベースの測定を組み合わせた深層感知距離メトリックを定義しました.
  • モデルパラメータチューニングの凸最適化で解決される知覚最適化問題を策定した.

主要な成果:

  • SCIQAは,複数のベンチマークデータセット (LIVE, CSIQ, TID2013, KADID-10k, PIPAL) で最先端のFR-IQA方法よりも優れたパフォーマンスを示しました.
  • 高いピアソン線形相関係数 (PLCC) (例えば,LIVEでは0.956) と強力な汎用性 (PIPALでは0.702のSROCC) を達成した.
  • 精度では従来の (SSIM) とディープラーニングベースの (DISTS) 方法よりも優れている.

結論:

  • SCIQAは優れた予測精度,強力な解釈能力,低計算複雑性を提供しています.
  • 提案された方法は,現実世界の画像品質評価アプリケーションのための実用的で効果的なツールです.