Szczegóły publikacji
Opis bibliograficzny
Comparison of improvement on IQA metrics with deep learning-based visual quality enhancement models — Porównanie poprawy metryk IQA przy użyciu modeli poprawy jakości wizualnej opartych na głębokim uczeniu / Doğukan Öztürk, Mikołaj LESZCZUK // Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne ; ISSN 1230-3496. — 2025 — R. 98 nr 4, s. 426–429. — Bibliogr. s. 429, Abstr., Streszcz. — KRiT 2025 : Konferencja Radiokomunikacji i Teleinformatyki : Gdańsk, 10–12 września 2025
Autorzy (2)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 161969 |
|---|---|
| Data dodania do BaDAP | 2025-09-04 |
| Tekst źródłowy | URL |
| DOI | 10.15199/59.2025.4.96 |
| Rok publikacji | 2025 |
| Typ publikacji | referat w czasopiśmie |
| Otwarty dostęp |  |
| Creative Commons | |
| Czasopismo/seria | Przegląd Telekomunikacyjny, Wiadomości Telekomunikacyjne |
Streszczenie
W pracy zastosowano modele głębokiego uczenia do poprawy jakości zdjęć podwodnych. Przeszkolono sześć różnych architektur sieci neuronowych, a uzyskane obrazy oceniono obiektywnie za pomocą bezreferencyjnych metryk NR-IQA: NIQE, BRISQUE i PIQE. Uzyskano średnie spadki: NIQE o 6,7%, BRISQUE o 12,3%, PIQE o 18,8%, co przełożyło się na poprawę ogólnego wskaźnika jakości o 11,4%. Dodatkowo wykazano, że struktury kaskadowe zwiększają skuteczność poprawy obrazu.
Abstract
Deep learning based architectures have been applied to improve image quality on underwater image photographs. After training with different architectures, the images obtained underwater are regenerated. The improvement in image quality was objectively measured by comparing the NIQE, BRISQUE, and NIQE IQA metrics of the obtained images. NIQE improved by 6.7%, BRISQUE by 12.3%, PIQE by 18.8%, and the overall score by 11.4%. Furthermore, it has been validated that cascade structures will increase the overall score.
