文献

J-GLOBAL ID：201902274995271118   整理番号：19A0516217

無限混合モデルに基づく新しい単一画像超解像法【JST・京大機械翻訳】

A New Single Image Super-Resolution Method Based on the Infinite Mixture Model

著者 (4件)： Cheng Peitao (School of Mechano-Electronic Engineering, Xidian University, Xi’an, China) ,  Qiu Yuanying (School of Mechano-Electronic Engineering, Xidian University, Xi’an, China) ,  Wang Xiumei (School of Electronic Engineering, Xidian University, Xi’an, China) ,  Zhao Ke (School of Mechano-Electronic Engineering, Xidian University, Xi’an, China)
資料名： IEEE Access  (IEEE Access)
巻： 5  ページ： 2228-2240  発行年： 2017年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 強力な非パラメトリックBayesモデルとして,無限混合モデルを機械学習とコンピュータビジョンで首尾よく使用した。無限混合モデルの成功は,能力クラスタ化と密度推定に対するものである。本論文では,単一画像超解像のための非パラメトリックBayesモデルを提案した。具体的には,訓練パッチの分布を推定し,低分解能と高分解能パッチ間の関係をモデル化するために,DirichletプロセスとGaussプロセス回帰を組み合わせた。1)提案方法は,Dirichlet過程のクラスタリング特性を利用することによって,訓練パッチをグループ化する。2)提案方法は,Gauss過程の特性を予測することによって,低分解能と高分解能パッチを関連づけた。3)上記の2つのポイントは独立しているが,共同で学習されていない。したがって,提案した方法は,非パラメトリックBayesモデルを完全に利用できる。最初に,Dirichletプロセス混合モデルを用いて,訓練パッチのためのより正確なクラスタを得た。第二に,Gauss過程回帰を各クラスタ上で確立し,これにより計算の複雑さを直接低減した。最後に,2つの手順を同時に学習し,予測能力を持つ適切なクラスタを得た。パラメータはGibbsサンプリング法により簡単に推定できる。種々の画像に関する完全超解像実験は,提案方法がいくつかの最先端の方法より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： モデリング ,  Gauss過程 ,  クラスタ ,  高分解能 ,  *画像 ,  クラスタ化 ,  *超解像 ,  機械学習 ,  計算量 ,  コンピュータビジョン
準シソーラス用語： 最先端 ,  Gibbsサンプリング ,  Dirichlet過程 ,  Bayes法 ,  *混合モデル , 【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)： 無限 ,  混合モデル ,  超解像