文献

J-GLOBAL ID：201802211694507163   整理番号：18A1771023

自然画像プライアによる深部画像超解像【JST・京大機械翻訳】

Deep Image Super Resolution via Natural Image Priors

著者 (3件)： Mousavi Hojjat S. (Dept. of Electrical Engineering, The Pennsylvania State University) ,  Guo Tiantong (Dept. of Electrical Engineering, The Pennsylvania State University) ,  Monga Vishal (Dept. of Electrical Engineering, The Pennsylvania State University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 1483-1487  発行年： 2018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： 最近,深い学習による単一画像超解像(SR)が,文献において著しい注目を集めている。畳込みニューラルネットワーク(CNN)は,訓練例の助けを借りて低分解能(LR)と高分解能(HR)画像/パッチ間のマッピングを表現するために典型的に学習される。SRのための大部分の既存の深いネットワークは,訓練データが豊富であるとき,高品質の結果を生み出す。しかしながら,訓練が制限されるとき,それらの性能は急激に低下する。同じ限られたデータからより多くの構造情報を捉えることができるように,画像に関する事前知識を用いて深い構造を正規化することを提案した。特に,画像処理と視覚逆問題において非常に最近の成功を示した,CNNフレームワークの中で扱いやすい方法を組み込んだ。実験結果により,提案した自然画像プリカーによる深いネットワークは,特に訓練飢餓状態において効果的であることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 視覚 ,  ネットワーク ,  画像処理 ,  *画像 ,  逆問題 ,  *深部 ,  *超解像 ,  高分解能 ,  正規化
準シソーラス用語： 訓練データ ,  事前知識 ,  *自然画像 ,  高品質 ,  低分解能 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 深部 ,  超解像