-
公开(公告)号：CN110517237A
公开(公告)日：2019-11-29
申请号：CN201910766634.0
申请日：2019-08-20
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于膨胀三维卷积神经网络的无参考视频质量评价方法，其步骤为：构建由粗特征提取模块、三维时空特征学习模块、非线性回归模块组成的膨胀三维卷积神经网络，生成无参考的训练数据集和测试数据集，训练膨胀三维卷积神经网络，输出测试集中每个失真视频的质量评价分数值。本发明用于从输入的失真视频中自适应地提取时空域内容的质量感知特征，在网络的输出端得到对应的预测质量分数，实现了端对端的质量评价，具有评价无参考视频质量时结果更加准确、应用更广泛的优点。
-
公开(公告)号：CN110033446B
公开(公告)日：2022-12-06
申请号：CN201910286043.3
申请日：2019-04-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于孪生网络的增强图像质量评价方法。主要解决现有技术评价尺度单一，且计算复杂度大，计算时间长，实时性差的问题。其实现方案是：1)获取待评价的图像样本；2)对待评价的图像样本进行预处理；3)对预处理后的图像提取其有效特征；4)构建孪生网络，并用从图像中提取的有效特征和与图像相对应的训练标签来训练孪生网络；5)用训练好的孪生网络对测试图像样本进行质量评价。本发明结合深度孪生网络，获取更丰富更深层的图像信息，减小了计算复杂度，缩短了计算时间，提高了对图像质量评价的准确率，可用于图像的采集、管理、传输和处理。
-
公开(公告)号：CN110517237B
公开(公告)日：2022-12-06
申请号：CN201910766634.0
申请日：2019-08-20
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于膨胀三维卷积神经网络的无参考视频质量评价方法，其步骤为：构建由粗特征提取模块、三维时空特征学习模块、非线性回归模块组成的膨胀三维卷积神经网络，生成无参考的训练数据集和测试数据集，训练膨胀三维卷积神经网络，输出测试集中每个失真视频的质量评价分数值。本发明用于从输入的失真视频中自适应地提取时空域内容的质量感知特征，在网络的输出端得到对应的预测质量分数，实现了端对端的质量评价，具有评价无参考视频质量时结果更加准确、应用更广泛的优点。
-
公开(公告)号：CN110033446A
公开(公告)日：2019-07-19
申请号：CN201910286043.3
申请日：2019-04-10
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于孪生网络的增强图像质量评价方法。主要解决现有技术评价尺度单一，且计算复杂度大，计算时间长，实时性差的问题。其实现方案是：1)获取待评价的图像样本；2)对待评价的图像样本进行预处理；3)对预处理后的图像提取其有效特征；4)构建孪生网络，并用从图像中提取的有效特征和与图像相对应的训练标签来训练孪生网络；5)用训练好的孪生网络对测试图像样本进行质量评价。本发明结合深度孪生网络，获取更丰富更深层的图像信息，减小了计算复杂度，缩短了计算时间，提高了对图像质量评价的准确率，可用于图像的采集、管理、传输和处理。
-
-
-
Search Results
4
records
(took 0.019 seconds)
