Amélioration de la qualité d’images avec un algorithme d’optimisation inspirée par la nature

要約

再現可能な画像の前処理は、効率的なアルゴリズムの比較や新しい画像コーパスの準備のために、コンピューター ビジョンの分野で重要です。
この論文では、特定の画像を改善する明示的で順序付けられた一連の変換を取得する方法を提案します。計算は、品質評価手法に基づいた自然にヒントを得た最適化アルゴリズムを介して実行されます。
予備テストでは、さまざまな最先端のデータ セットに対するアプローチの影響が示されています。
— L’application de pr\’etraitements explicites et reproductibles est fodamentale dans le domaine de la Vision parordinateur.
Dans cet article, nous proposons une m\’ethode pour obtenir une s\’equence reproductible de conversions qui am\’eliore une image donn\’ee: le calcul est r\’ealis\’e via un algorithme d’optimisation inspir
\’ee par la nature et bas\’e sur des technologies d’\’evaluation de la qualit\’e.
Des tests montrent l’impact de l’approche sur diff\’erents ensembles d’images de l’\’etat de l’art.

要約(オリジナル)

Reproducible images preprocessing is important in the field of computer vision, for efficient algorithms comparison or for new images corpus preparation. In this paper, we propose a method to obtain an explicit and ordered sequence of transformations that improves a given image: the computation is performed via a nature-inspired optimization algorithm based on quality assessment techniques. Preliminary tests show the impact of the approach on different state-of-the-art data sets. — L’application de pr\’etraitements explicites et reproductibles est fondamentale dans le domaine de la vision par ordinateur, pour pouvoir comparer efficacement des algorithmes ou pour pr\’eparer un nouveau corpus d’images. Dans cet article, nous proposons une m\’ethode pour obtenir une s\’equence reproductible de transformations qui am\’eliore une image donn\’ee: le calcul est r\’ealis\’e via un algorithme d’optimisation inspir\’ee par la nature et bas\’e sur des techniques d’\’evaluation de la qualit\’e. Des tests montrent l’impact de l’approche sur diff\’erents ensembles d’images de l’\’etat de l’art.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google