文献

J-GLOBAL ID：201902287896266487   整理番号：19A0186579

畳み込みニューラルネットワークによる自然画像のアスペクト比歪の復元【JST・京大機械翻訳】

Restoring Aspect Ratio Distortion of Natural Images With Convolutional Neural Network

著者 (3件)： Sakurai Ryuhei (College of Information Science and Engineering, Ritsumeikan University, Shiga, Japan) ,  Yamane Sasuke (Graduate School of Information Science and Engineering, Ritsumeikan University, Kyoto, Japan) ,  Lee Joo-Ho (College of Information Science and Engineering, Ritsumeikan University, Shiga, Japan)
資料名： IEEE Transactions on Industrial Informatics  (IEEE Transactions on Industrial Informatics)
巻： 15  号： 1  ページ： 563-571  発行年： 2019年 
JST資料番号： W1434A  ISSN： 1551-3203  CODEN： ITIICH  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： 畳込みニューラルネットワーク(CNN)を用いて画像のアスペクト比歪を復元する方法を提案した。この研究に焦点を合わせた「アスペクト比」は,画像の水平延伸の程度を意味する。実際,画像は垂直または水平伸張により歪ませることができ,アスペクト比を維持しない。提案した方法において,入力が(おそらく歪んだ)画像と出力がアスペクト比のスカラー値であるアスペクト比推定器を構築した。画像からアスペクト比の推定を回帰問題と見なすことができるので,著者らはCNNによって推定器をモデル化した。一度,画像のアスペクト比の信頼できる推定値を持つと,復元は逆伸張により直接的に行うことができる。実験では,Pascal VOC自然画像データセットで訓練したモデルの性能を評価した。著者らの方法は,平均的な人間の性能(すなわち,約13%)を上回る,平均上の元の画像からの伸張の1.4%以内の歪を正確に復元することができる。精度に関しては,歪んだ画像の99.86%が成功裏に復元された。また,特定のタイプの擾乱に対するCNNのロバスト性を強化するための訓練方法を提案した。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： 推定量 ,  スカラー ,  モデリング ,  *アスペクト比 ,  *画像 ,  ロバスト性 ,  延伸
準シソーラス用語： 自然画像 ,  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 (5件)： 畳み込みニューラルネットワーク ,  自然画像 ,  アスペクト比 ,  歪 ,  復元