文献

J-GLOBAL ID：201802284149569596   整理番号：18A1771147

画像強調法のための回転不変畳込みニューラルネットワーク【JST・京大機械翻訳】

A Rotation-Invariant Convolutional Neural Network for Image Enhancement Forensics

著者 (4件)： Chen Yifang (School of Data and Computer Science, Sun Yat-sen University, Guangzhou, 510006, China) ,  Lyu Zi Xian (School of Data and Computer Science, Sun Yat-sen University, Guangzhou, 510006, China) ,  Kang Xiangui (School of Data and Computer Science, Sun Yat-sen University, Guangzhou, 510006, China) ,  Wang Z. Jane (Department of ECE, University of British Colombia, Vancouver, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICASSP  ページ： 2111-2115  発行年： 2018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： 画像フォレンジックスにおける多くの提案された複雑な畳込みニューラルネットワーク(CNN)モデルは多数のパラメータを有し,膨大な数の訓練データを必要とし,過剰適合のリスクを有する。いくつかの特定の画像操作,すなわち画像強調の検出における望ましい回転不変性を考慮して,CNNパラメータの必要数を大幅に低減できるCNNモデルにおいて等方性アーキテクチャを持つ畳込みフィルタを用いることを提案した。対称位置における同じ重みによって,提案したフィルタは,画像強化フォレンジックスのために回転不変の特徴を抽出することができた。実験結果は,はるかに少ないパラメータを有する提案した回転不変CNNモデルがはるかに良い性能を達成できることを示し,例えばガンマ補正フォレンジックスにおける検出精度に関して13%以上の改善をもたらす。また,それは,[16]におけるポピュラーなBayarNetと比較して,異なるデータベースに関する著しくより良い一般化性能とJPEG圧縮に対するより良いロバスト性を達成した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  フィルタ ,  データベース ,  *画像 ,  回転不変性 ,  等方性 ,  *画像強調 ,  *不変性 ,  計算機アーキテクチャ ,  ロバスト性 ,  JPEG
準シソーラス用語： 訓練データ ,  検出精度 ,  ガンマ補正 ,  *畳込みニューラルネットワーク , 【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)： 画像強調 ,  不変 ,  畳込みニューラルネットワーク