文献

J-GLOBAL ID：201902236698964241   整理番号：19A2010913

正確な画像超解像のための2ストリームスパースネットワーク【JST・京大機械翻訳】

Two-Stream Sparse Network for Accurate Image Super-Resolution

著者 (4件)： Hu Ling (Key Lab of Intell. Info. Process., Inst. of Comput. Tech., University of Chinese Academy of Sciences) ,  Wang Shuhui (Key Lab of Intell. Info. Process., Inst. of Comput. Tech.) ,  Li Liang (Key Lab of Intell. Info. Process., Inst. of Comput. Tech.) ,  Huang Qingming (University of Chinese Academy of Sciences, Key Lab of Intell. Info. Process., Inst. of Comput. Tech.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICMEW  ページ： 258-263  発行年： 2019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： 深部畳込みニューラルネットワーク(CNN)は,単一画像超解像(SISR)タスクにおいて有意な成功を達成した。以前の研究は,より深いネットワークがより良い性能をもたらすことを証明しているが,より多くの層をより深く積層することは,異なる特徴レベル間の相補性を無視し,計算コストを大きく増加させ,画像再構成品質を制限する。本論文では,超解像画像の回復に対するそれぞれの寄与を強制するために,浅い特徴と深い特徴を別々に抽出することを目的とした。局所特徴を効率的に抽出し,2ストリームアーキテクチャにより浅い特徴と深い特徴を明示的に学習するために,スパース残差ブロック(SRB)を設計する2ストリームスパースネットワーク(TSSN)を提案した。さらに,浅い特徴と深い特徴を効果的に集約するために注意機構を適用した。広範な実験により,提案した方法が,定量的計量と視覚品質の両方において,ベンチマークデータセットに関する既存の最先端の方法よりも優れていることを実証した。Copyright 2019 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： ベンチマーク ,  *画像 ,  画像再構成 ,  *超解像 ,  *ネットワーク ,  残差 ,  相補性 ,  品質
準シソーラス用語： 視覚品質 ,  *スパース ,  局所特徴 ,  計算コスト ,  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 (1件)： 超解像