Derin Öğrenme Kullanılarak Optimum JPEG Kalite Faktörünün Belirlenmesi

OpenAlex · Türkçe

Görüntü verisinde sıkıştırma algoritmalarının kullanılması bir gereklilik haline gelmiştir. En çok kullanılan görüntü sıkıştırma algoritmalarından biri olan JPEG, görüntü üzerinde kayıplı bir sıkıştırma gerçekleştirmekte ve verilen kalite faktörüne göre bu kayıp değişmektedir. Düşük kalite faktörlerinde dosya boyutu küçülmekte fakat bozulma gözle görülür hale gelmektedir. Yüksek kalite faktörlerinde ise kalite artmakta fakat dosya boyutundan edilen sıkıştırma karı azalmaktadır. Bu sebeple hem görüntü kalitesini korumak hem de yer kazancı sağlamak için dosya boyutu ve görüntü kalitesi arasındaki dengenin sağlanması faydalı olacaktır. Bu çalışmanın amacı, dosya boyutu ve görüntüdeki bozulmanın arasındaki oranın en iyi (optimum) olduğu kalite faktörünü derin öğrenme yöntemleri kullanarak belirlemektir. Yapılan çalışmada önerilen bir veri çıkarma yöntemi yoğun sinir ağları (dense neural networks) ile eğitilmiş ve yöntemin başarısı evrişimsel sinir ağları ile yapılan denemelerle karşılaştırılmıştır. Görüntüdeki bozulmanın hesaplanmasında SSIM (Structural Similarity Index) kullanılmıştır. Elde edilen sonuçlarda önerilen yöntem kalite faktörünün belirlenmesinde CNN kullanılmasına göre %9.36 daha fazla doğruluk oranına sahip olmuştur.