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。
本論文では,ロバストなと相乗手作りの特徴とデフォーカス推定のための畳込みニューラルネットワーク(CNN)構造からの簡単であるが効率的な深い特徴を導入した。本論文では,異なる特徴の有効性を系統的に解析すると,それらは連結した場合,各特徴は他の特徴の弱点を補うことができるかを示した。完全デフォーカスマップ推定のために,著者らはまばらに強いエッジの画像パッチを抽出し,その後,深いと手作りの特徴抽出のためにそれらを用いた。パッチスケール依存性を低減するために,ここではまた,マルチスケールパッチ抽出戦略を提案した。ニューラルネットワーク分類器とそれに続く確率ジョイントバイラテラルフィルタを用いて生成されるスパースデフォーカスマップ。最終デフォーカスマップはエッジ保存フィルタ入力画像から指導を持つ疎なデフォーカスマップから得られる。実験結果は,このアルゴリズムが焦点ずれ推定に関して最先端のアルゴリズムよりも優れていることを示した。著者らの研究は,セグメンテーション,ぼけ倍率,全焦点画像生成,および3D推定のような応用に用いることができる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】