文献

J-GLOBAL ID：201802232239987831   整理番号：18A0942551

ランキング畳込みニューラルネットワークを用いた単一画像のデヘジング【JST・京大機械翻訳】

Single Image Dehazing Using Ranking Convolutional Neural Network

著者 (4件)： Song Yafei (State Key Laboratory of Virtual Reality Technology and Systems, School of Computer Science and Engineering, Beihang University, Beijing, China) ,  Li Jia (State Key Laboratory of Virtual Reality Technology and Systems, School of Computer Science and Engineering, Beihang University, Beijing, China) ,  Wang Xiaogang (State Key Laboratory of Virtual Reality Technology and Systems, School of Computer Science and Engineering, Beihang University, Beijing, China) ,  Chen Xiaowu (State Key Laboratory of Virtual Reality Technology and Systems, School of Computer Science and Engineering, Beihang University, Beijing, China)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 20  号： 6  ページ： 1548-1560  発行年： 2018年 
JST資料番号： W1116A  ISSN： 1520-9210  CODEN： ITMUF8  資料種別： 逐次刊行物 (A)
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： 入力ヘイズまたは霧画像からのみ明瞭な画像を復元することを目的とする単一画像のデヘイジングは,挑戦的な不良設定問題である。既存のアプローチを分析して,共通のキーステップは各画素のヘイズ密度を推定することである。この目的のために,様々なアプローチはしばしば,発見的に設計されたハザード関連の特徴を設計する。いくつかの最近の研究は,畳込みニューラルネットワーク(CNN)を直接利用することにより,特徴を自動的に学習する。しかし,ヘイズ画像の固有属性を完全に捉えることは不十分である。単一画像デヘイズのための効果的な特徴を得るために,本論文は,新しいランキング畳込みニューラルネットワーク(Rankine-CNN)を提示した。Randing-CNNにおいて,新しいランキング層を提案して,CNNの構造を拡張して,それにより,ヘイズ画像の統計的および構造的属性を同時に捕えることができた。良く設計された方法においてランキング-CNNを訓練することによって,強力な危険に関連した特徴を,大量の危険な画像パッチから自動的に学習することができた。これらの特徴に基づいて,煙霧はランダムな森林回帰を通して訓練された煙霧密度予測モデルを用いることによって効果的に取り除くことができる。実験結果は,著者らのアプローチが合成および実世界ベンチマーク画像に関するいくつかの以前のデヘイジング手法より優れていることを示した。理論的および実験的観点から提案したRankine-CNNを解釈するための包括的解析も行った。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： 画素 ,  ベンチマーク ,  *画像 ,  予測モデル ,  *等級づけ
準シソーラス用語： 煙霧 ,  ハザード ,  ヘイズ , 【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)： ランキング ,  畳込みニューラルネットワーク