Resumen

La medición y evaluación de la QoE (Calidad de Experiencia) se ha convertido en uno de los principales enfoques en las telecomunicaciones para proporcionar servicios con la calidad esperada para sus usuarios. Sin embargo, factores como los parámetros de red y la codificación pueden afectar la calidad del video, limitando la correlación entre las métricas objetivas y subjetivas. Lo anterior aumenta la complejidad para evaluar la calidad real del video percibida por los usuarios. En este documento, se aplica un modelo basado en redes neuronales artificiales como BPNNs (Redes Neuronales de Retropropagación) y las RNNs (Redes Neuronales Aleatorias) para evaluar las métricas de calidad subjetiva MOS (Mean Opinion Score) y las métricas objetivas PSNR (Peak Signal Noise Ratio), SSIM (Índice de Similitud Estructural), VQM (Métrica de Calidad de Video) y QIBF (Índice de Calidad Basado en Fotogramas). El modelo propuesto permite establecer la QoS (Calidad de Servicio)

• Materias:Ocultación de datos Codificación de video Compresión de imágenes Clasificación de imágenes
• Subjects:Data hiding Video Coding Image compression Image classification
• Palabras claves:Medición; Evaluación; QoE; Telecomunicaciones; Calidad de video; Redes neuronales
• Keywords:Measurement; Evaluation; QoE; Telecommunications; Video quality; Neural networks