文献

J-GLOBAL ID：201702241563767948   整理番号：17A1570148

無作為化マルチスプリット林による高速画像超解像【Powered by NICT】

Fast image super-resolution via Randomized Multi-split Forests

著者 (3件)： Liu Zhi-Song (Center for Signal Processing, Department of Electronic and Information Engineering, Hong Kong Polytechnic University, Hong Kong) ,  Siu Wan-Chi (Center for Signal Processing, Department of Electronic and Information Engineering, Hong Kong Polytechnic University, Hong Kong) ,  Chan Yui-Lam (Center for Signal Processing, Department of Electronic and Information Engineering, Hong Kong Polytechnic University, Hong Kong)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCAS  ページ： 1-4  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： 本論文では,無作為化マルチスプリット森林モデル(SRRMF)を経由する新しい学習に基づく画像超解像を提案した。提案した方法は,LR HR訓練パッチペアを用いて,線形部分空間の対への非線形パッチ多様体をモデル化した。このアプローチの鍵となるアイデアは,訓練データをランダムに分割異なるクラスにいくつかの決定木を使用することである。線形回帰モデルは葉ノードの終わりにLRとHRパッチ間の関係を図化するために学習される。ランダムフォレストの汎化能力を完全に利用するために,決定木の成長可能性をカバーすることをランダム化する。さらに,パッチ部分空間に適合するより正確な分類結果を導くより特徴情報を使うことができるように個別分散二成分試験(MSBT)関数を用いて分裂関数を修正した。拡張実験結果は筆者らの提案手法を用いた画像超解像は減少した計算時間を持つ最新の超解像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】

シソーラス用語： *超解像 ,  モデリング ,  線形性 ,  *高速度 ,  汎化 ,  ディシジョンツリー ,  *画像 ,  CPU時間 ,  多様体
準シソーラス用語： ランダムフォレスト ,  線形回帰モデル ,  訓練データ ,  部分空間 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 超解像