文献

J-GLOBAL ID：201702225058952953   整理番号：17A1398416

しきい値局所性制約付き表現と再生学習による文脈パッチに基づく幻覚顔【Powered by NICT】

Context-patch based face hallucination via thresholding locality-constrained representation and reproducing learning

著者 (6件)： Jiang Junjun (School of Computer Science, China University of Geosciences, Wuhan 430074, China) ,  Yu Yi (Digital Content and Media Sciences Research Division, National Institute of Informatics, Tokyo 101-8430, Japan) ,  Tang Suhua (Department of Communication Engineering and Informatics, The University of Electro-Communications, Tokyo 182-8585, Japan) ,  Ma Jiayi (Electronic Information School, Wuhan University, Wuhan 430072, China) ,  Qi Guo-Jun (Department of Computer Science, University of Central Florida, Orlando, FL 32816, USA) ,  Aizawa Akiko (Digital Content and Media Sciences Research Division, National Institute of Informatics, Tokyo 101-8430, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICME  ページ： 469-474  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 観察された低解像度(LR)からHighResolution(HR)顔画像を予測するための参照する,顔幻覚は挑戦的な問題である。最も最先端は同じ位置の訓練パッチによる各パッチの最適表現を推定し,良好な再構成性能を達成するために前局所顔構造を採用した。しかし,画像パッチの文脈情報,人間の顔の発現に非常に有用であることを考慮に入れていない。位置パッチに基づく方法とは異なり,本論文では,文脈情報を利用する,ロバストで効率的なコンテキストパッチ顔幻覚アルゴリズム,再生学習(TLcR RL)しきい値局所性制約付き表現を開発した。TLcR RLでは,パッチ表現と再構成精度の安定性を高めるためのしきい値処理戦略を用いた。さらに,訓練セットに推定したHR顔を添加することにより評価結果を向上させる反復的に再生学習を開発した。実験は最先端,最近提案された深い学習ベース法を含むと比較した場合,提案したフレームワークの性能はかなりの増加を持つことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *幻覚 ,  再構成 ,  アルゴリズム ,  画像 ,  *局所性 ,  顔画像 ,  *学習 ,  ロバスト性
準シソーラス用語： 閾値処理 ,  文脈情報 ,  最先端 ,  低分解能 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： しきい値 ,  局所性 ,  制約 ,  表現 ,  学習 ,  文脈 ,  パッチ ,  幻覚