文献

J-GLOBAL ID：201702268109068249   整理番号：17A0942965

重み付きランダムフォレストを用いた画像超解像【Powered by NICT】

Image super-resolution via weighted random forest

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) ,  Huang Jun-Jie (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： ICIT  ページ： 1019-1023  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,重み付きランダムフォレストモデル(SWRF)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,ランダムフォレストモデルを訓練するためにLR HR訓練データを使用した。提案アプローチの基本アイデアは,各クラスでの簡単な分割しきい値に基づく訓練データを分類するための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,LRとHRパッチの関係のマッピングを学習する。アップサンプリングプロセス中に,よりロバストな超解像HR画像を得るために,異なった木から線形回帰モデルを平均化する代わりに,バイアスされた重みづけベクトルは,LR画像を超分解適応的に学習される。さらに,超解像品質をさらに改善するために回転(SWRF f)を持つ重み付きランダムフォレストモデルを介してこの提案した画像超解像法を改善した。十分な実験結果は,提案したアプローチは,短い計算時間で最先端の超解像性能を達成できることを証明した。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： CPU時間 ,  重みづけ ,  ディシジョンツリー ,  ベクトル ,  *画像 ,  品質 ,  *超解像 ,  ロバスト性
準シソーラス用語： 線形回帰モデル ,  訓練データ ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： ランダムフォレスト ,  超解像