抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】