文献

J-GLOBAL ID：201802279257002196   整理番号：18A0519159

単一画像超解像のための凸辞書学習【Powered by NICT】

Convex dictionary learning for single image super-resolution

著者 (3件)： Ding Pak Lun Kevin (Arizona State University, School of Computing, Informatics, Decision Systems Engineering Tempe, AZ 85287, USA) ,  Li Baoxin (Arizona State University, School of Computing, Informatics, Decision Systems Engineering Tempe, AZ 85287, USA) ,  Chang Kan (Guangxi University School of Computer and Electronic Information Nanning, Guangxi 530004, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 4058-4062  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： 近年,辞書学習アプローチは,画像超解像に使用され,有望な結果を達成した。そのようなアプローチは,画像パッチからの辞書を訓練し,辞書のアトムのスパースな複合化による新しいパッチを再構成した。典型的な訓練方法は辞書原子を抑制しなかった。本論文において,筆者らは訓練データの非負線形結合,自然,望ましい特性であるによって形成されるために辞書アトムの制約による凸辞書学習(CDL)アルゴリズムを提案した。は典型的なアプローチに対するその性能利得を示すことによって筆者らのアプローチを評価した。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： 再構成 ,  *画像 ,  *凸形 ,  利得 ,  アルゴリズム ,  *超解像
準シソーラス用語： 線形結合 ,  訓練データ ,  複合化 ,  *辞書学習 , 【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 (3件)： 超解像 ,  凸 ,  辞書学習