文献

J-GLOBAL ID：202002216810001906   整理番号：20A2388418

H.265におけるSHVCのための畳込みニューラルネットワークベースのデブロッキングフィルタ【JST・京大機械翻訳】

Convolutional Neural Network-based deblocking filter for SHVC in H.265

著者 (3件)： Dhanalakshmi A. (Department of ECE, School of Electrical and Electronics Engineering, Sathyabama Institute of Science and Technology, Chennai, India) ,  Dhanalakshmi A. (Department of EIE, Panimalar Engineering College, Chennai, India) ,  Nagarajan G. (Department of Computer Science and Engineering, School of Computing, Sathyabama Institute of Science and Technology, Chennai, India)
資料名： Signal, Image and Video Processing  (Signal, Image and Video Processing)
巻： 14  号： 8  ページ： 1635-1645  発行年： 2020年 
JST資料番号： W4946A  ISSN： 1863-1711  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 標準H.265 SHVCにおけるデブロッキングフィルタは,網羅的計算による符号化フレームのエッジとブロック境界におけるブロッキングアーチファクトを減らす。しかし,これらのブロッキングアーチファクトの最大除去は達成されなかった。また,計算量はまだ負担である。これは,計算の複雑さを考慮しないブロッキングアーチファクトの最大除去に関連した多くの研究作業を検討した。本論文では,畳込みニューラルネットワーク(CNN)ベースのデブロッキングフィルタを,より少ない計算でブロッキングアーチファクトを除去するH.265におけるSHVCのために提案する。提案したCNNフレームワークは,ビデオシーケンスにおける入力フレームの再構成サンプルを学習する。ブロッキングアーチファクトは,最初の畳込み層と考えられる前処理ユニットによって効率的に検出される。次に,ビデオ中の完全フレームを走査するためにカーネルとストライドを用いてパッチに基づくビデオ中のフレームに対して特徴を抽出した。正規化は,層間予測と量子化により生成されたアーチファクトを除去することによって,ビデオの鮮鋭度を保存するために,CNNフレームワークにおける基底層から強化層まで適用される。ネットワークモデルを修正線形ユニット活性化関数によって訓練して,非線形写像を実行した。さらに,CNNベースのデブロッキングフィルタはCNNにおける最大プールとソフトマックス層のためにより少ない計算を達成した。シミュレーション結果は,標準SHM参照符号器と比較して,PSNRの平均0.76dB増加と57%の時間節約を生成する。Copyright Springer-Verlag London Ltd., part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  写像 ,  *畳込み ,  量子化 ,  鮮鋭度 ,  計算量 ,  符号器 ,  再構成 ,  録画装置 ,  正規化 ,  アーチファクト
準シソーラス用語： ビデオシーケンス ,  ピーク信号対雑音比 ,  *デブロッキングフィルタ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： SHVC ,  デブロッキングフィルタ ,  畳込みニューラルネットワーク ,  PSNR ,  時間

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 畳込みニューラルネットワーク ,  デブロッキングフィルタ