画像の品質を高精度に評価するノウハウ
～PSNR(リファレンス型)から
最新の畳み込みニューラルネットワーク法(ノンリファレンス型)まで～
【ＷＥＢ受講可能】

受講形式
　会場・ＷＥＢ

予備知識
　高校程度の簡単な数学

習得知識
　 1枚の画像から,画質の評価値を一瞬で人間の主観評価値と同じ値を出す技術を習得
　１）画像処理の基礎
　２）画質の主観評価および客観評価方法
　３）深層学習の基礎と応用　　等々

講師の言葉
　今、産業界で、画像の品質を高精度に計測する方法が求められております。
これまでの、多くの人に評価値を求め、それらを集計していく主観的評価方法から、
コンピュータに自動的に評価値を算出してもらう客観的評価法へとシフトして行っています。
　しかしながら、特に国内では、客観的評価方法の中のPSNRなどのごく限られた評価方法しか
用いられていないことがよくありますが、現在では様々な方法が存在してします。
　本セミナーでは、その基礎から最先端の方法までを丁寧に解説し、どのような利用の仕方が
あるのかの理解を深めて頂くことを目的と致します。画像品質の客観的評価方法は、元画像を
利用するスタイルによって、リファレンス型、低減リファレンス型、ノンリファレンス型に
区分できます。それぞれに特徴があり、それらを解説していきますが、講師のこれまでの音声、
画像にまたがる研究の知見から、リファレンス型においては、組み合わせ法という高精度な結果
が得られる方法の紹介も致します。
　また、１枚の画像のみが与えられたときに、1000人分の主観評価値と同じ値を算出する、
ノンリファレンス型の畳み込みニューラルネットワーク法を講師の研究グループが研究開発した
のですが、その内容をご紹介致します。デモもお見せする予定です。　
このような方法を用いると、大量の画像の中から、高品質な画像のみを自動抽出したり、画像の
品質の順位付けを自動に行ったりすることができるようになります。画像処理手法の研究や
コーデックの開発などにも出力画像の評価が必要です。場合によると、特定の劣化パターンに対応
する評価が必要かもしれません。
比較的軽視されている感がある画像の品質評価について、講師の持っている知見をできる限り
お伝えできればと考えております。