文献

J-GLOBAL ID：201802232974578356   整理番号：18A1904661

ビッグデータに関する半教師付き学習を用いた多モード雑音抑制のための高精度画像再構成【JST・京大機械翻訳】

Highly Accurate Image Reconstruction for Multimodal Noise Suppression Using Semisupervised Learning on Big Data

著者 (3件)： Yin Jia-Li (College of Mathematics and Computer Science, Fuzhou University, Fuzhou, China) ,  Chen Bo-Hao (Department of Computer Science and Engineering and the Innovation Center for Big Data and Digital Convergence, Yuan Ze University, Taoyuan, Taiwan) ,  Li Ying (College of Mathematics and Computer Science and the Fujian Provincial Key Laboratory of Information Security and Network Systems, Fuzhou University, Fuzhou, China)
資料名： IEEE Transactions on Multimedia  (IEEE Transactions on Multimedia)
巻： 20  号： 11  ページ： 3045-3056  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： ディジタル画像におけるインパルス雑音劣化は,雑音センサまたは通信チャネルにより発生する誤差,例えば,デバイスにおける故障メモリ位置,カメラ内の誤動作画素,または伝送におけるビット誤りのために発生する。最近開発された大規模データストリーミングはビデオ通信の実行可能性を強化するが,インパルス雑音劣化によって引き起こされる画像における視覚歪は,ビデオ通信応用に負に影響を及ぼすことができる。さらに,大量の雑音画像におけるスパース性,密度,およびマルチモダリティは,最近の研究においてしばしば無視されているが,これらの問題はビデオ通信サービスの実行可能性の増大のために重要になっている。崩壊画像からインパルス雑音により生成される視覚効果を効果的に除去するために,本研究では,数個のラベル付き訓練サンプルを用いて大量の劣化画像データに基づく半教師つき学習を含む考案されたコスト関数を用いた新しいモデルを提案した。提案したモデルは,雑音除去効果に関して,既存の最先端画像再構成モデルより定性的に,定量的に優れている。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： センサ ,  *雑音 ,  画像通信 ,  視覚 ,  ディジタル画像 ,  画素 ,  カメラ ,  記憶装置 ,  モデル ,  *画像 ,  *画像再構成 ,  インパルス雑音 ,  録画装置 ,  *多モード ,  通信チャネル

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

タイトルに関連する用語 (5件)： ビッグデータ ,  半教師付き学習 ,  多モード ,  雑音抑制 ,  画像再構成