文献

J-GLOBAL ID：202002222175963592   整理番号：20A0493431

単一画像超解像のための強化再帰的残差ネットワーク【JST・京大機械翻訳】

Enhanced Recursive Residual Network for Single Image Super-Resolution

著者 (5件)： Zhang Yi (State Key Laboratory of ASIC and System, Fudan University,Shanghai,China,201203) ,  He Xiaoshan (State Key Laboratory of ASIC and System, Fudan University,Shanghai,China,201203) ,  Jing Minge (State Key Laboratory of ASIC and System, Fudan University,Shanghai,China,201203) ,  Fan Yibo (State Key Laboratory of ASIC and System, Fudan University,Shanghai,China,201203) ,  Zeng Xiaoyang (State Key Laboratory of ASIC and System, Fudan University,Shanghai,China,201203)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ASICON  ページ： 1-4  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： 深い学習方法に基づく単一画像超解像(SISR)は,大きな進歩を達成した。これらのモデルの大きな性能にもかかわらず,膨大なパラメータのために実際の応用に適用することは挑戦的である。本論文では,この問題に対処するために,強化再帰残差ネットワーク(ERRN)を提案した。特に,残差ネットワークに基づいて,グループコンボリューションと再帰的学習を,パラメータを減少させるために適応させた。ベンチマークデータセットに関する評価の結果は,ERRNの性能が,はるかに少ないパラメータを有する最新の方法と同等であることを示した。Copyright 2020 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 ,  学習 ,  *超解像 ,  *ネットワーク ,  畳込み ,  *残差
準シソーラス用語： 学習方法 , 【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)： 超解像 ,  強化 ,  残差