Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020194254 - ÉVALUATION DE LA QUALITÉ D'UNE VIDÉO

Numéro de publication WO/2020/194254
Date de publication 01.10.2020
N° de la demande internationale PCT/IB2020/052921
Date du dépôt international 27.03.2020
CIB
G06K 9/46 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
KRECONNAISSANCE DES DONNÉES; PRÉSENTATION DES DONNÉES; SUPPORTS D'ENREGISTREMENT; MANIPULATION DES SUPPORTS D'ENREGISTREMENT
9Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
36Prétraitement de l'image, c. à d. traitement de l'information image sans se préoccuper de l'identité de l'image
46Extraction d'éléments ou de caractéristiques de l'image
G06K 9/62 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
KRECONNAISSANCE DES DONNÉES; PRÉSENTATION DES DONNÉES; SUPPORTS D'ENREGISTREMENT; MANIPULATION DES SUPPORTS D'ENREGISTREMENT
9Méthodes ou dispositions pour la lecture ou la reconnaissance de caractères imprimés ou écrits ou pour la reconnaissance de formes, p.ex. d'empreintes digitales
62Méthodes ou dispositions pour la reconnaissance utilisant des moyens électroniques
G06N 3/02 2006.01
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
CPC
G06N 20/10
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
20Machine learning
10using kernel methods, e.g. support vector machines [SVM]
G06N 3/0481
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0481Non-linear activation functions, e.g. sigmoids, thresholds
G06N 3/084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
084Back-propagation
G06T 2207/10016
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
10Image acquisition modality
10016Video; Image sequence
G06T 2207/20076
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
20Special algorithmic details
20076Probabilistic image processing
G06T 2207/20081
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
2207Indexing scheme for image analysis or image enhancement
20Special algorithmic details
20081Training; Learning
Déposants
  • OTROSHI SHAHREZA, Hatef [IR]/[IR]
  • AMINI, Arash [IR]/[IR]
  • BEHROOZI, Hamid [IR]/[IR]
Inventeurs
  • OTROSHI SHAHREZA, Hatef
  • AMINI, Arash
  • BEHROOZI, Hamid
Mandataires
  • IDESAZAN ASR AFTAB
Données relatives à la priorité
62/824,32927.03.2019US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) QUALITY ASSESSMENT OF A VIDEO
(FR) ÉVALUATION DE LA QUALITÉ D'UNE VIDÉO
Abrégé
(EN)
A method for quality assessment of a video that includes M video frames. The method includes repeating a first iterative process M times and extracting a score distribution for a plurality of scores. An mth iteration of the first iterative process, where m ∈ [1,M], includes generating an mth frame-level feature set, generating a first recurrent output of a plurality of recurrent outputs based on a zeroth recurrent output of the plurality of recurrent outputs, and generating an mth recurrent output of the plurality of recurrent outputs based on an (m-1)th recurrent output of the plurality of recurrent outputs. The first recurrent output is generated by feeding a first frame-level feature set to a recurrent neural network. The mth recurrent output is generated by feeding the mth frame-level feature set to the recurrent neural network. The score distribution is extracted from an Mth recurrent output of the plurality of recurrent outputs.
(FR)
L'invention concerne un procédé d'évaluation de la qualité d'une vidéo qui comprend M trames vidéo. Le procédé consiste à répéter un premier processus itératif M fois et à extraire une distribution de score pour une pluralité de scores. Une mième itération du premier processus itératif, dans laquelle m ∈ [1,M], consiste à générer un mième ensemble de caractéristiques de niveau de trame, à générer une première sortie récurrente d'une pluralité de sorties récurrentes sur la base d'une zéroième sortie récurrente de la pluralité de sorties récurrentes, et à générer une mième sortie récurrente parmi la pluralité de sorties récurrentes sur la base d'une (m-1)ième sortie récurrente parmi la pluralité de sorties récurrentes. La première sortie récurrente est générée par l'alimentation d'un premier ensemble de caractéristiques de niveau de trame à un réseau neuronal récurrent. La mième sortie récurrente est générée par l'alimentation du mième ensemble de caractéristiques de niveau de trame au réseau neuronal récurrent. La distribution de score est extraite d'une Mième sortie récurrente parmi la pluralité de sorties récurrentes.
Dernières données bibliographiques dont dispose le Bureau international