文献

J-GLOBAL ID：201702290599754663   整理番号：17A0320303

圧縮知覚理論と深い学習モデルに基づく自然画像超解像再構成アルゴリズムに関する研究【Powered by NICT】

Research on the natural image super-resolution reconstruction algorithm based on compressive perception theory and deep learning model

著者 (3件)： Duan Ganglong (Xi’an University of Technology, Shaanxi 710054, China) ,  Hu Wenxiu (Xi’an University of Technology, Shaanxi 710054, China) ,  Wang Jianren (Xi’an University of Technology, Shaanxi 710054, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 208  ページ： 117-126  発行年： 2016年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 機械学習と人工知能の破裂発展に伴い,パターン認識に基づく画像処理技術がこれまでより速く成長している。本論文では,圧縮知覚理論と深層学習モデルに基づく自然画像の超解像再構成アルゴリズムの理論解析を行った。は理想的な画像の分解前にした画像復元は回収する劣化した画像処理の目的である。Fourier光学の見解によれば,光イメージングシステムは,低域フィルタ,光回折の一般的な影響に起因していた。階層的教師なし訓練法成層どん欲訓練事前物質と深層ニューラルネットワークは光イメージングシステムを使いこなすための初期値の新しい学習監視確率モデルとして訓練の結果であろう。採用した圧縮センシング理論をシグナルである圧縮性あるいはスパース限り,は関連していない変換行列であるならば,信号に対する観測行列を直接元の信号の圧縮された形を得ることができることを指摘した。著者らの研究は,言及した技術の進歩を採用し,訓練段階では,特徴を自動的に深層ニューラルネットワークを使用し,再構成手順では,圧縮センシングと辞書学習理論を用いて高分解能画像を再構成した。ステップの両方を向上させることにより,著者らの実験結果は,新しいアルゴリズムの実現可能性を示した。,最終部で議論する展望。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 深層 ,  *画像 ,  確率モデル ,  低域フィルタ ,  *学習モデル ,  画像復元 ,  機械学習 ,  *超解像 ,  *再構成 ,  *学習
準シソーラス用語： 辞書学習 ,  圧縮センシング ,  光イメージング ,  *再構成アルゴリズム ,  *自然画像 , 【Automatic Indexing@JST】

著者キーワード (7件)： 画像超解像 ,  圧縮認識とセンシング ,  深学習モデル ,  ニューラルネットワーク構造 ,  Optimization ,  自然画像 ,  画像復元

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 知覚 ,  理論 ,  学習モデル ,  自然画像 ,  超解像 ,  再構成アルゴリズム ,  研究