文献

J-GLOBAL ID：201802270744578446   整理番号：18A0080119

深い畳込みニューラルネットワークを用いたGauss雑音とそのレベルの検出【Powered by NICT】

Detection of Gaussian noise and its level using deep convolutional neural network

著者 (4件)： Chuah Joon Huang (Department of Electrical Engineering, Faculty of Engineering, University of Malaya, 50603 Kuala Lumpur, Malaysia) ,  Khaw Hui Ying (Department of Electrical Engineering, Faculty of Engineering, University of Malaya, 50603 Kuala Lumpur, Malaysia) ,  Soon Foo Chong (Department of Electrical Engineering, Faculty of Engineering, University of Malaya, 50603 Kuala Lumpur, Malaysia) ,  Chow Chee-Onn (Department of Electrical Engineering, Faculty of Engineering, University of Malaya, 50603 Kuala Lumpur, Malaysia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： TENCON  ページ： 2447-2450  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： 画像におけるGauss雑音とその準位の存在を認識する効果的に畳込みニューラルネットワーク(CNN)モデルを提示した。既存の雑音除去の方法は主に処理される画像は,雑音に汚染された仮定に基づいている。,他方で,画像が破壊される場合,レベルに分解される評価知的にすることを目的とした,雑音除去アルゴリズムを適用した。訓練と試験のための12000と3000標準テスト画像を用いた。異なる騒音レベルはこれらの画像に導入した。10種類の騒音レベルを分類する場合に,74.7%の全体的精度が得られた。著者らの実験結果は,このモデルがGauss雑音検出と雑音レベル分類を行うことができることを証明した。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 ,  *ニューラルネットワーク ,  *Gauss雑音 ,  騒音レベル ,  画像 ,  雑音除去 ,  *雑音 ,  雑音指数 ,  アルゴリズム

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 (2件)： 畳込みニューラルネットワーク ,  Gauss雑音