W dzisiejszych czasach mamy wiele metryk og\u00f3lnej jako\u015bci do\u015bwiadczenia (QoE), zar\u00f3wno tych z pe\u0142nym odniesieniem (FR), jak szczytowy stosunek sygna\u0142u do szumu (PSNR) lub podobie\u0144stwa strukturalnego (SSIM) i bez odniesienia (NR), jak wska\u017aniki jako\u015bci wideo (VQI), z powodzeniem stosowane w systemach przetwarzania wideo do oceny jako\u015bci wideo. Nie nadaj\u0105 si\u0119 jednak do zada\u0144 analitycznych rozpoznawania w wideo s\u0142u\u017c\u0105cym do rozpoznawania cel\u00f3w (TRV).
W zwi\u0105zku z tym prawid\u0142owe oszacowanie wydajno\u015bci potoku przetwarzania wideo jest nadal istotnym wyzwaniem badawczym w zadaniach Computer Vision (CV). Istnieje potrzeba obiektywnej metody oceny jako\u015bci wideo do zada\u0144 rozpoznawania.<\/p>\n\n\n\n
W odpowiedzi na t\u0119 potrzeb\u0119, w niniejszym projekcie pokazujemy, \u017ce mo\u017cliwe jest dostarczenie nowej propozycji koncepcji metody obiektywnej oceny jako\u015bci wideo dla zada\u0144 rozpoznawczych (realizowanej jako prototyp oprogramowania b\u0119d\u0105cego dowodem\/demonstracj\u0105). Metoda zosta\u0142a przeszkolona i przetestowana na reprezentatywnym zestawie sekwencji wideo.<\/p>\n\n\n\n
Niniejszy artyku\u0142 jest opisem propozycji nowego innowacyjnego podej\u015bcia wykorzystywanej przez oprogramowanie: