抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
深学習法は,コンピュータビジョンの多くの分野,超解像を含むに成功裡に使用した。しかし,以前の深層学習方法のすべては,一般的な画像超解像のための提案されている。本論文では,顔画像の領域固有の事前知識と深い学習の特性を結合した顔幻覚(FH)のための畳込みニューラルネットワークの利用を提案した。提案した方法では,末端マッピングには低解像度(LR)画像間の深い畳込みネットワークとそれらの対応する高解像度(HR)画像は,入力顔画像をアップスケール直接として学習される。より大きな倍率を達成するために,著者らは,固定スケールアップ因子であるとステップによるLR画像段階をアップグレードし,コンボリューションニューラルネットワークをカスケードに考察した。実験結果は,提案した方法は,従来の顔幻影手法と比較して良好な性能を達成できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】