Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Automatic Tuning of Gaussian Filter for Image Vignetting Correction.

Sensors (Basel, Switzerland)·2026
Same author

Superpixel-Based PSO Algorithms for Color Image Quantization.

Sensors (Basel, Switzerland)·2023
Same author

Image Vignetting Correction Using a Deformable Radial Polynomial Model.

Sensors (Basel, Switzerland)·2023
Same author

Efficient Color Quantization Using Superpixels.

Sensors (Basel, Switzerland)·2022
Same author

A Smooth Non-Iterative Local Polynomial (SNILP) Model of Image Vignetting.

Sensors (Basel, Switzerland)·2021

相关实验视频

Updated: Jan 10, 2026

Author Spotlight: Insights into Visual Cortex Research Through Wide-View fMRI Mapping
07:11

Author Spotlight: Insights into Visual Cortex Research Through Wide-View fMRI Mapping

Published on: December 8, 2023

2.3K

盲人图像质量评估使用卷积神经网络

Mariusz Frackiewicz1, Henryk Palus1, Wojciech Trojanowski1

  • 1Department of Data Science and Engineering, Silesian University of Technology, Akademicka 16, 44-100 Gliwice, Poland.

Sensors (Basel, Switzerland)
|November 27, 2025
PubMed
概括

本研究介绍了一种轻量级的卷积神经网络 (CNN) 模型,用于盲人图像质量评估 (BIQA). 通过使用先进的机器学习优化,它实现了比复杂的深度学习方法更高的效率和可扩展性的竞争性性能.

科学领域:

  • 计算机视觉 计算机视觉
  • 多媒体处理处理.
  • 机器学习 机器学习

背景情况:

  • 图像质量对于压缩和传输等多媒体任务至关重要.
  • 当前的盲视图像质量评估 (BIQA) 方法经常使用复杂的深度学习模型,需要大量的计算资源和大量数据集.
  • 这种复杂性阻碍了可扩展性和在资源有限的场景中部署.

研究的目的:

  • 为了证明一个更简单,轻量级的卷积神经网络 (CNN) 架构可以在盲人图像质量评估 (BIQA) 中实现竞争性性能.
  • 为了利用最近的机器学习进步,包括贝叶斯式超参数优化和Adam,以增强BIQA的早期CNN模型.
  • 为当前基于深度学习的复杂BIQA方法提供更具可扩展性和高效的替代方案.

主要方法:

  • 为BIQA.QA重新审视一个早期CNN启发的模型.
  • 结合现代机器学习优化技术:贝叶斯超参数优化和亚当随机优化方法.
  • 在TID2013和KADID-10k等基准数据集上进行广泛的实验以进行评估.

主要成果:

  • 拟议的轻量级CNN模型在盲人图像质量评估 (BIQA) 中取得了竞争性表现.
  • 该模型表明,与现有的复杂框架相比,设计效率要高得多.
关键词:
卷积神经网络是一种卷积神经网络.深度学习是一种深度学习.图像数据库 图像数据库 图像数据库图像质量评估 图像质量评估

更多相关视频

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

3.3K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

999

相关实验视频

Last Updated: Jan 10, 2026

Author Spotlight: Insights into Visual Cortex Research Through Wide-View fMRI Mapping
07:11

Author Spotlight: Insights into Visual Cortex Research Through Wide-View fMRI Mapping

Published on: December 8, 2023

2.3K
Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

3.3K
Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

999
  • 实验结果验证了在标准数据集上方法的有效性.

    • 结论:

    • 基于CNN的轻量级模型,通过现代优化策略进行增强,为BIQA提供了可行的替代方案.
    • 这些模型在准确性,计算效率和可扩展性之间提供了更好的平衡.
    • 这些发现表明,在资源有限的环境中部署有效的BIQA的实际方法.