文献

J-GLOBAL ID：201802288804642314   整理番号：18A0201694

深い学習に基づくぼけ画像の分類【Powered by NICT】

Blur image classification based on deep learning

著者 (4件)： Wang Rui (Key Laboratory of Precision Opto-mechatronics Technology, Ministry of Education, School of Instrumentation Science and Opto-electronics Engineering University of Beihang, Beijing, China) ,  Li Wei (Key Laboratory of Precision Opto-mechatronics Technology, Ministry of Education, School of Instrumentation Science and Opto-electronics Engineering University of Beihang, Beijing, China) ,  Qin Runnan (Key Laboratory of Precision Opto-mechatronics Technology, Ministry of Education, School of Instrumentation Science and Opto-electronics Engineering University of Beihang, Beijing, China) ,  Wu JinZhong (The Third Research Institute of China Electronics Technology Group Corporation Beijing, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IST  ページ： 1-6  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： ぼけ型同定は画像処理領域におけるブラインド画像回復のために重要である。本論文では,畳込みニューラルネットワーク(CNN)を利用した正確な分類システムは,画像焦点ぼけ,Gaussぼけ,ヘイズぼけとモーションブラーの四ぼけタイプを同定するように設計されている。Alexnetの省略と修正版である,単純化した高速Alexnet(SFA)の教師つき学習モデルは,入力画像をマップ高次元特徴空間,ぼけを正確に分類できるようにするために作成した。0.5の比によってAlexnetにおける各畳込み層の出力数の圧縮とAlexnetにおける最初の二完全に連結された層(FC)を除去する比例により,SFAは成功裏にAlexnetを単純化し,パラメータ冗長性の致命的な欠点を克服する。また,バッチでの正規化層はドロップアウト法を置き換えるに指定された分類器に添加される,内部共変量シフトを減少させることにより訓練段階中の深部ネットワークの収束速度を促進し,この問題を緩和することができる。実験は,元のAlexnetと比較して提案した手法の優れた性能と頻繁に使用されるBerkeleyデータセットおよびPascal VOC2007データセットに関する最先端技術を実証した。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： *画像 ,  簡素化 ,  画像ぼけ ,  冗長性 ,  正規化 ,  高次元 ,  画像復元 ,  ネットワーク ,  畳込み ,  モデル ,  教師つき学習
準シソーラス用語： 収束速度 ,  特徴空間 ,  焦点ボケ ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 学習 ,  ぼけ ,  分類