文献

J-GLOBAL ID：201702253355797967   整理番号：17A1652876

超解像のためのネットワーク構造の並列化

Parallelization of the structure of neural network for super-resolution

著者 (2件)： 田中健太 (千葉大) ,  森康久仁 (千葉大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 238(PRMU2017 63-100)  ページ： 149-154  発行年： 2017年10月05日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 超解像とは,入力された解像度の低い画像に対して高解像度の画像を出力する技術のことである。近年,動画像の高解像度化が進み,既存の動画像をより高画質で出力することが多く求められている。これまでにも様々な超解像の手法が提案されているが,その中でも,画像の特徴を抽出することができる畳み込みニューラルネットワーク(CNN)を用いた超解像の手法が提案され,CNNは超解像にも有効な手段であることがわかってきた。しかし,従来のCNN1つで行う超解像の場合,Bicubic法で拡大した画像を入力としたことでエッジの再現性が悪い問題が生じていた。そこで,再現性の悪さを緩和するためにCNNを並列するネットワーク構造を提案する。並列化したそれぞれのCNNに異なる方法で拡大した画像を入力する方式をとることで,従来手法の問題点を解決することに成功した。提案手法の有効性を示すために,並列する場合としない場合で超解像の評価実験を行った。その結果,PSNRおよびSSIMの2つの指標で提案手法の有効性を確認することができた。(著者抄録)

シソーラス用語： *超解像 ,  *ネットワーク構造 ,  *並列化 ,  高分解能 ,  動画像 ,  画質 ,  画像特性 ,  *特徴抽出 ,  画像処理 ,  *機械学習
準シソーラス用語： 高解像度 ,  高画質 ,  *画像特徴抽出 ,  *畳み込みニューラルネットワーク

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

引用文献 (14件)：

• J. Yang, J. Wright, T. Huang, and Y. Ma, ′′Image super-resolution as sparse representation of raw image patches′′, Computer Vision and Pattern Recognition 2008. CVPR 2008. IEEE Conference on, pp. 18, 2008.
• D. Glasner, S. Bagon, and M. Irani, ′′Super-resolution from a singleimage′′, Computer Vision 2009 IEEE 12th Interna-tional Conference on, pp. 349356, 2009.
• 櫻井 歩,′′適応的基底学習を利用したスパースコーディングに基づく一枚超解像′′,電子情報通信学会論文誌,vol.J96D,no.8,pp.18011810,2013.
• J. Yang, J. Wright, T. Huang, and Y. Ma, ′′Image super-resolution via sparse representation′′, IEEE Transactions on Image Processing, vol.19, no.11, pp.28612873, 2010.
• Chao Dong, Chen Change Loy, Kaiming He, Xiaoou Tang, ′′Learning a Deep Convolutional Network for Image Super-Resolution′′, in Proceedings of European Conference on Computer Vision (ECCV), 2014.

タイトルに関連する用語 (3件)： 超解像 ,  ネットワーク構造 ,  並列化