文献

J-GLOBAL ID：201902249903750309   整理番号：19A2578564

デコンボリューションニューラルネットワークの雑音低減モデルの技術的ボトルネックと研究展望【JST・京大機械翻訳】

Main bottlenecks and research prospects of the deep convolutional neural network-based denoising model

著者 (5件)： Xu Shaoping (南昌大学信息工程学院,南昌,330031) ,  Liu Tingyun (南昌大学信息工程学院,南昌,330031) ,  Lin Zhenyu (南昌大学信息工程学院,南昌,330031) ,  Zhang Guizhen (南昌大学信息工程学院,南昌,330031) ,  Li Chongxi (南昌大学信息工程学院,南昌,330031)
資料名： Zhongguo Tuxiang Tuxing Xuebao  (Zhongguo Tuxiang Tuxing Xuebao)
巻： 24  号： 8  ページ： 1207-1214  発行年： 2019年 
JST資料番号： C2782A  ISSN： 1006-8961  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 既存の深さコンボリューションニューラルネットワーク(DCNN)画像雑音低減モデルは,その技術的経路の固有特性によって制限され,雑音除去性能はさらに改良される。既存のDCNN画像ノイズ低減モデル技術の発展を推進するために、直視し、かつタイムリーに解決し、その更なる改善を制約するボトルネック問題を解決しなければならない。本論文では,自然画像の非局所的自己相似性,スパース性,および低ランク性に基づく3つの事前知識設計に基づく画像雑音除去アルゴリズムの特性,利点および欠点を簡潔に要約し,従来の画像雑音除去アルゴリズムにおけるDCNNに基づく画像ノイズ低減モデルを構築するための技術的優位性を引き出した。DCNNの騒音低減モデルの将来の発展のボトルネックを整理し,要約し,対応する解決策(研究方向)を詳細に議論した。深く分析することによって、コンボリューション核の受容野を拡大し、ネットワークパラメーターとトレーニングセット間の依存関係を低減でき、DCNNネットワークのモデリング能力の3つの角度を充分に利用することで、既存のデータ駆動に基づくDCNNノイズ低減モデルのボトルネック制約を突破した。画像ノイズ除去アルゴリズムの研究レベルを,新しい高さに押し込んだ。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音除去 ,  画像 ,  *デコンボリューション ,  *雑音低減 ,  *ネットワーク ,  *ニューラルネットワーク ,  アルゴリズム ,  *畳込み ,  モデリング
準シソーラス用語： データ駆動 ,  受容野 ,  画像雑音除去 ,  事前知識 ,  スパース性 ,  自然画像 , 【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 (5件)： 雑音低減 ,  モデル ,  ボトルネック ,  研究 ,  展望