文献

J-GLOBAL ID：201702244720084321   整理番号：17A1277191

畳込みニューラルネットワークによる自然画像の補正アスペクト比ひずみ【Powered by NICT】

Correcting aspect ratio distortion of natural images by convolutional neural network

著者 (3件)： Sakurai Ryuhei (College of Information Science and Engineering, Ritsumeikan University, Shiga, 525-8577, Japan) ,  Yamane Sasuke (College of Information Science and Engineering, Ritsumeikan University, Shiga, 525-8577, Japan) ,  Lee Joo-Ho (College of Information Science and Engineering, Ritsumeikan University, Shiga, 525-8577, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： URAI  ページ： 91-96  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： 畳込みニューラルネットワーク(CNN)を用いた画像のアスペクト比の歪みを補正する方法を提案した。,本研究に焦点を当てている「アスペクト比」は,非伸長画像からの相対的な「画像アスペクト比」(すなわち画像の高さに対する幅の比)として定義される。またアスペクト比が垂直または水平伸縮,画像アスペクト比を維持しないによってゆがめられる。提案した方法では,入力は,(おそらく歪んだ)画像と出力アスペクト比のスカラー値であるアスペクト比推定器を構築した。画像からアスペクト比の推定は回帰問題と見なすことができるので,CNNによる推定量をモデル化した。画像のアスペクト比の信頼できる推定値をと,補正は逆伸縮により容易に行うことができる。実験では,Pascal VOC2012自然画像データセット上で訓練されたモデルの性能を評価した。著者らの方法は,平均して原画像から伸長の7%以内で歪を補正でき,これは平均的な人間性能(すなわち約13%)よりも優れていた。精度の点では,歪んだ画像の85%を成功裏に補正した。も訓練されたCNNで使用されているどのような情報確認するために実験を行った。その結果,モデルは,画像のエッジ成分を用いたアスペクト比を推定することを観察した。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： *アスペクト比 ,  モデリング ,  *畳込み ,  *画像 ,  ヒューマンパフォーマンス ,  *ニューラルネットワーク ,  スカラー ,  推定量
準シソーラス用語： *自然画像 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  自然画像 ,  アスペクト比 ,  ひずみ