Vue d'ensemble de la méthode

Nous allons décrire notre méthode indépendamment du type de multimédia à disposition. Voir les figures 4.1 et 4.2 en lisant le texte qui suit. D'abord, nous définissons un ensemble d'informations statiques qui affecteront la perception de qualité. Nous devons choisir les paramètres les plus importants a priori correspondant aux applications et au réseau qui assure la transmission. Puis, pour chaque paramètre nous devons choisir plusieurs valeurs couvrant la gamme de valeurs possibles. Par exemple, si on s'attend à ce que le taux de perte varie de 0 à 10%, nous pouvons employer 0, 1, 2, 5, et 10% en tant que valeurs typiques pour ce paramètre. Notons que tous les types de média ne tolèrent pas les mêmes valeurs d'un paramètre donnée de la même manière. Par exemple, la parole peut tolérer des taux de perte jusqu'à 20%, alors que la vidéo seulement jusqu'à 5%. Pour produire une base de données (BD) composée des échantillons correspondant à différentes configurations des paramètres choisis, un environnement de simulation ou un banc d'essai doit être mis en application. Ce dernier est employé pour envoyer des échantillons de médias de la source à la destination et pour contrôler le réseau de transmission. Chaque configuration dans les données d'entrée définies doit être appliquée au système composé du réseau, de la source et du récepteur. Par exemple, considérons les réseaux IP et le cas de la vidéo ; la source contrôle le débit, le débit d'images et l'algorithme de codage, et elle envoie des paquets RTP de vidéo ; le routeur se manifeste à travers le taux de perte et la distribution de perte, ainsi que les conditions du trafic dans le réseau ; la destination stocke le flux vidéo transmis et rassemble les valeurs correspondantes des paramètres. Puis, en actionnant le banc d'essai ou en employant la simulation, nous produisons et stockons un ensemble d'échantillons déformés avec les valeurs correspondantes de ces paramètres. Ensuite, un essai subjectif de la qualité doit être effectué. Il y a plusieurs méthodes subjectives dans les recommandations de l'UIT-R ou de l'UIT-T selon le type de média. Les détails sur cette étape se trouvent dans la section 1.2.2. En général, un groupe de sujets humains est invité à évaluer la qualité des échantillons (c.-à-d. chaque sujet donne à chaque échantillon une note selon une échelle prédéfinie). Les sujets ne devraient établir aucune relation entre les échantillons et les valeurs de paramètres correspondants. En s'appuyant sur les notes donnés par les sujets humains, des analyses et filtrages statistiques doivent être effectués pour retirer les notes des individus suspectés de donner des résultats incertains [73]. Voir la section 1.2.2 pour plus de détails au sujet de cette étape. L'étape suivante est de calculer les valeurs de MOS pour tous les échantillons. Ensuite, nous stockons les valeurs de MOS et les valeurs de paramètres correspondants dans une BD. Dans la troisième étape, une architecture appropriée de RN et un algorithme d'apprentissage doivent être choisis. La BD construite précédemment est divisée en deux parties : une pour entraîner le RN et l'autre pour vérifier son exactitude. Ce RN peut alors évaluer la qualité pour toutes les valeurs données des paramètres.