-
Notifications
You must be signed in to change notification settings - Fork 0
New issue
Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.
By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.
Already on GitHub? Sign in to your account
Evaluate image pre processing #472
Comments
Ameliorer automatiquement toutes les images semblent compliqué pour notre use case Une solution consiste à analyser la qualité de l'image et renoyer un message à l'utilisateur de reprendre la photo si celle-ci n'est pas de qualité suffisante Inconvénient : analyse seuleument de qualité de l'image et pas de la gravure Il existe plusieurs methodes d'analyse d'images ou IQA (image quality assessment Des methodes de traitement d'images pour analyser le flou, DPI, luminosité,bruit … D'autres methodes se basent sur des modeles de deep learning et elles ne necessitent pas forcément de référence ou seuil pour analyser la qualité. Cependant elles sont plus longues à s'exécuter on sont souvent spécialisées sur des use-case particuliers (portrait, paysages…) |
Conception du parcours utilisateurs pour le pre processing :
|
Présélection de 2 métriques d'evaluation de la qualité d'image sans reference. En attente du dataset de l'IRCGN pour tester et comparer la performance, la temps d'inférence et définir les seuils |
Première evaluation sur le dataset de l'IRC, Conclusion: pas sûr que BRISQUE soit le plus adapté |
Après compariason de différentes méthodes sur un dataset de 40 images, la métrique la plus performante/légère semble être CNNIQA. |
The text was updated successfully, but these errors were encountered: