文献

J-GLOBAL ID：201802237401401954   整理番号：18A0244531

UDNet:画像超解像におけるコンパクトで効率的な特徴表現のためのアップダウンネットワーク【Powered by NICT】

UDNet: Up-Down Network for Compact and Efficient Feature Representation in Image Super-Resolution

著者 (4件)： Chen Chang ,  Tian Xinmei ,  Wu Feng ,  Xiong Zhiwei
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICCVW  ページ： 1069-1076  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： 最近,畳込みニューラルネットワーク(CNN)を用いた画像超解像(SR)は優れた性能を達成した。しかし,SRの性能と速度,特徴表現と学習を,高分解能(HR)または低解像度(LR)空間で行われているかどうかに依存しての間のトレードオフである。一般に,リアルタイムSRを追求するために,セルラニューラルネットワークにおけるパラメータの数は制限されなければならない,それは性能劣化をもたらす。本論文では,実時間SRのためのコンパクトで効率的な特徴表現,上下ネットワーク(UD Net)を提案した。特に,新しい砂時計形状構造は転位コンボリューションと空間凝集を組み合わせることにより紹介した。構造はネットワークはより良いマッピングを学習するためにLRとHR空間の間の特徴表現を複数回を可能にした。包括的実験は,既存のCNNモデルと比較して,UDNetは広く使用されているベンチマークの性能劣化なしにリアルタイムSRを達成することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ベンチマーク ,  モデル ,  高分解能 ,  凝集 ,  セルラニューラルネットワーク ,  *超解像 ,  *ネットワーク ,  畳込み ,  *画像
準シソーラス用語： 性能劣化 ,  実時間 ,  低分解能 ,  畳込みニューラルネットワーク ,  *特徴表現 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (3件)： 超解像 ,  コンパクト ,  特徴表現