Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufpa.br/jspui/handle/2011/12262
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.creatorGONÇALVES, Luan Assis-
dc.date.accessioned2020-02-03T14:56:33Z-
dc.date.available2020-02-03T14:56:33Z-
dc.date.issued2019-11-18-
dc.identifier.citationGONÇALVES, Luan Assis. Uma Análise do uso de informacões multiescala no mapeamento da PSNR para pontuacão perceptual. Orientador : Fabrício José Brito Barros. Coorientador: Ronaldo de Freitas Zampolo. 2019. 64 f. Dissertação (Mestrado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2019. Disponível em: http://repositorio.ufpa.br:8080/jspui/handle/2011/12262. Acesso em:.pt_BR
dc.identifier.urihttp://repositorio.ufpa.br:8080/jspui/handle/2011/12262-
dc.description.abstractThe prediction of visual quality is crucial in image and video systems. For this task, image quality metrics based on the mean squared error prevail in the field, due to their mathematical straightforwardness, even though they do not correlate well with the visual human perception. Latest achievements in the area support that the use of convolutional neural networks (CNN) to assess perceptual visual quality is a clear trend. Results in other applications, like blur detection and de-raining, indicate the combination of information from different scales improves the CNN performance. However, to the best of our knowledge, the best way to embody multi-scale information in visual quality characterization is still an open issue. Thus, in this work, we investigate the influence of using multi-scale information to predict the perceptual image quality. Specifically, we propose a single-stream dense network that estimates a spatially-varying parameter of a logistic function used to map values of a objective visual quality metric to subjective visual quality scores through the reference image. The proposed method achieved a reduction of 36.37% and 69.45% for the number of parameters and floating-point operations per second, respectively, and its performance is compared with a competing state-of-the-art approach by using a public image database.pt_BR
dc.description.provenanceSubmitted by Luciclea Silva (luci@ufpa.br) on 2020-02-03T14:56:12Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_AnaliseUsoInformacoes.pdf: 1516867 bytes, checksum: cbdcb0346147310b4d209c08d3b1e2cc (MD5)en
dc.description.provenanceApproved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2020-02-03T14:56:33Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_AnaliseUsoInformacoes.pdf: 1516867 bytes, checksum: cbdcb0346147310b4d209c08d3b1e2cc (MD5)en
dc.description.provenanceMade available in DSpace on 2020-02-03T14:56:33Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Dissertacao_AnaliseUsoInformacoes.pdf: 1516867 bytes, checksum: cbdcb0346147310b4d209c08d3b1e2cc (MD5) Previous issue date: 2019-11-18en
dc.description.sponsorshipCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superiorpt_BR
dc.languageporpt_BR
dc.publisherUniversidade Federal do Parápt_BR
dc.rightsAcesso Abertopt_BR
dc.source1 CD-ROMpt_BR
dc.subjectRedes neurais convolucionaispt_BR
dc.subjectavaliação de qualidade visualpt_BR
dc.subjectescore de opinião médio diferencialpt_BR
dc.subjectpontuação de opinião média diferencialpt_BR
dc.subjectinformações multiescalapt_BR
dc.subjectrelacão sinal-ruído de picopt_BR
dc.subjectconvolutional neural networksen
dc.subjectmulti-scale informationen
dc.subjectpeak signal-to-noise ratioen
dc.subjectvisual quality assessmenten
dc.titleUma Análise do uso de informacões multiescala no mapeamento da PSNR para pontuacão perceptualpt_BR
dc.title.alternativeAn Analysis of the use of multiscale information in mapping of PSNR for perceptual scoringpt_BR
dc.typeDissertaçãopt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Tecnologiapt_BR
dc.publisher.initialsUFPApt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA ELETRICApt_BR
dc.contributor.advisor1BARROS, Fabrício José Brito-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9758585938727609pt_BR
dc.contributor.advisor-co1ZAMPOLO, Ronaldo de Freitas-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/9088524620828017pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/6155949500719023pt_BR
dc.description.resumoA previsão da qualidade visual é crucial nos sistemas de imagem e vídeo. Métricas de qualidade de imagem com base no erro quadrático médio prevalecem em diversas aplicacões, apesar de apresentarem baixa correlacão¸ com a percepção visual humana, devido à sua simplicidade matemática. As últimas realizacões na área sustentam que o uso de redes neurais convolucionais (CNN) para avaliar a qualidade visual perceptiva é uma tendência clara. Resultados em outras aplicacões, como deteccão de desfoque e remocão de chuva, indicam que a combinacão de informacões de diferentes escalas melhora o desempenho da CNN. No entanto, até onde sabemos, a melhor maneira de incorporar informacões em várias escalas na caracterizacão da qualidade visual ainda é uma questão em aberto. Assim, neste trabalho, investigamos a influência do uso de informacões em várias escalas para prever a qualidade perceptual de imagens. Especificamente, propomos uma rede densa de fluxo único que estima um parâmetro espacialmente variável da funcão logística usada para mapear valores de métricas objetivas de qualidade visual para as notas subjetivas de qualidade visual através da imagem de referência. O método proposto alcançou uma reducão de 36,37% e 69,45% para o número de parâmetros e de operacões de ponto flutuante por segundo, respectivamente, e seu desempenho é comparado com o estado da arte, usando um banco de dados de imagens disponível publicamente.pt_BR
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétricapt_BR
dc.subject.linhadepesquisaPROCESSAMENTO DIGITAL DE SINAISpt_BR
dc.subject.areadeconcentracaoTELECOMUNICAÇÕESpt_BR
Aparece en las colecciones: Dissertações em Engenharia Elétrica (Mestrado) - PPGEE/ITEC

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Dissertacao_AnaliseUsoInformacoes.pdf1,48 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons