文献

J-GLOBAL ID：201802250037567906   整理番号：18A0518543

拡張型畳込みに基づくマルチスケール情報学習開始モジュールを用いた単一画像超解像【Powered by NICT】

Single image super-resolution with dilated convolution based multi-scale information learning inception module

著者 (3件)： Shi Wuzhen (School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China) ,  Jiang Feng (School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China) ,  Zhao Debin (School of Computer Science and Technology, Harbin Institute of Technology, Harbin 150001, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 977-981  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： 伝統的研究は,自然画像のパッチは画像中に何回も再発重複して,同じスケール内だけでなく,異なるスケール間での両方に傾向があることを示した。これらマルチスケール情報の完全利用画像復元性能を改善することができる。しかし,現在提案されている深い学習に基づく復元法では,マルチスケール情報を考慮していない。本論文では,マルチスケール情報を学習し,単一画像超解像のための深層ネットワークを設計するための拡張型畳込みに基づく開始モジュールを提案した。異なる拡張畳込みは異なるスケール特徴を学習する,開始モジュールは,マルチスケール情報を融合する全てのこれらの特徴を連結する。より文脈情報を捉えるために,ネットワークの受信フィールドを増加させるために,単一画像超解像を行うために深いネットワークを構成する複数の開始モジュールをカスケード。新規拡張型畳込みに基づく開始モジュールを用いて,提案したエンドツーエンド単一画像超解像ネットワークは画像超解像性能を改善するためのマルチスケール情報の利点を取ることができる。実験結果は,この提案した方法は,多くの最新の単一画像超解像手法の性能を上回る事を示した。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： *畳込み ,  受信 ,  ネットワーク ,  *画像 ,  エンドツーエンド方式 ,  *超解像 ,  *学習 ,  再発 ,  復原性
準シソーラス用語： 文脈情報 ,  自然画像 ,  *マルチスケール , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 拡張 ,  畳込み ,  マルチスケール ,  学習 ,  モジュール ,  超解像