Autor según el artículo: Ahmed, Basma; Omer, Osama A; Rashed, Amal; Puig, Domenec; Abdel-Nasser, Mohamed
Departamento: Enginyeria Informàtica i Matemàtiques
Autor/es de la URV: Abdelnasser Mohamed Mahmoud, Mohamed / Puig Valls, Domènec Savi
Palabras clave: Blind image quality Deep learnin Deep learning Pseudo-reference Similarity measures
Resumen: Image quality assessment (IQA) algorithms are critical for determining the quality of high-resolution photographs. This work proposes a hybrid NR IQA approach that uses deep transfer learning to enhance classic NR IQA with deep learning characteristics. Firstly, we simulate a pseudo reference image (PRI) from the input image. Then, we used a pre-trained inception-v3 deep feature extractor to generate the feature maps from the input distorted image and PRI. The distance between the feature maps of the input distorted image and PRI are measured using the local structural similarity (LSS) method. A nonlinear mapping function is used to calculate the final quality scores. When compared to previous work, the proposed method has a promising performance.
Áreas temáticas: Artificial intelligence Ciências agrárias i Comunicació i informació Engenharias iii Engenharias iv General o multidisciplinar Información y documentación Interdisciplinar Medicina ii
Acceso a la licencia de uso: https://creativecommons.org/licenses/by/3.0/es/
Direcció de correo del autor: domenec.puig@urv.cat mohamed.abdelnasser@urv.cat
Identificador del autor: 0000-0002-0562-4205 0000-0002-1074-2441
Fecha de alta del registro: 2024-10-12
Versión del articulo depositado: info:eu-repo/semantics/publishedVersion
Enlace a la fuente original: https://ebooks.iospress.nl/doi/10.3233/FAIA220345
Referencia al articulo segun fuente origial: Frontiers In Artificial Intelligence And Applications. 356 243-248
Referencia de l'ítem segons les normes APA: Ahmed, Basma; Omer, Osama A; Rashed, Amal; Puig, Domenec; Abdel-Nasser, Mohamed (2022). Referenceless Image Quality Assessment Utilizing Deep Transfer-Learned Features. Amsterdam: IOS Press
URL Documento de licencia: https://repositori.urv.cat/ca/proteccio-de-dades/
DOI del artículo: 10.3233/FAIA220345
Entidad: Universitat Rovira i Virgili
Año de publicación de la revista: 2022
Tipo de publicación: Proceedings Paper