文献

J-GLOBAL ID：201802234916359191   整理番号：18A0137183

深い画像復元のためのオンデマンド学習【Powered by NICT】

On-demand Learning for Deep Image Restoration

著者 (2件)： Gao Ruohan ,  Grauman Kristen
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCV  ページ： 1095-1104  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： 画像復元への機械学習アプローチは大きな可能性を提供するが,現在の方法リスク訓練モデルは特定の難易度の画像腐敗に対してのみ良好に行うことに固定 あるレベル雑音やぼけのような。最初に,従来の「固定」モデルの弱点を調べ,任意レベル腐敗を扱うための訓練一般的なモデルが実際に重要なことを示した。,深い畳込みニューラルネットワークを用いた訓練画像復元モデルのためのオンデマンド学習アルゴリズムを提案した。主なアイデアは,それらが最も必要とし,それによって,難易度を横切って一般化できることを学習モデルである訓練事例を自己生成するフィードバック機構を利用することである。 画像修復,画素補間,画像ぼけ除去,および画像雑音除去 四回復タスクと三の多様なデータセットについて,著者らの方法は,現状訓練手順とカリキュラムの学習法の両方を一貫して上回る。Copyright 2018 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： *画像復元 ,  *学習 ,  学習モデル ,  機械学習 ,  *画像 ,  カリキュラム ,  雑音 ,  学習アルゴリズム
準シソーラス用語： 画像雑音除去 ,  ぼけ修正 ,  畳込みニューラルネットワーク ,  *オンデマンド , 【Automatic Indexing@JST】

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 (3件)： 画像復元 ,  オンデマンド ,  学習