文献

J-GLOBAL ID：202002222291896525   整理番号：20A0571213

深層学習によるGaussフィルタリングのパラメータの実時間推定【JST・京大機械翻訳】

Real-time estimation for the parameters of Gaussian filtering via deep learning

著者 (4件)： Ding Feng (Osaka University, Osaka, Japan) ,  Shi Yuxi (New Jersey Institute of Technology, Newark, NJ, USA) ,  Zhu Guopu (Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen, Guangdong, China) ,  Shi Yun-qing (New Jersey Institute of Technology, Newark, NJ, USA)
資料名： Journal of Real-Time Image Processing  (Journal of Real-Time Image Processing)
巻： 17  号： 1  ページ： 17-27  発行年： 2020年 
JST資料番号： W4661A  ISSN： 1861-8200  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： ディジタル技術の開発により駆動されるディジタル画像に対する操作は,近年以前よりも簡単になっている。多くのスマートフォンアプリケーションは,専門的スキルなしでリアルタイムに画像を編集するために,通常の人々に便利さをもたらす。ディジタルフォレンジックスは,状況に対する情報セキュリティにおける重要な研究分野である。画像フォレンジックスにおいて,与えられた画像の形成履歴の間,すべての可能な操作を検証することが必要である。したがって,多くの画像フォレンジックス研究者は,Gaussフィルタリングを検証するような画像の完全性を保護するために,特定の操作を検出することに焦点を合わせている。しかし,これらの研究は,画像がある操作によって処理されるか否かの二値分類を行う傾向がある。パラメータに基づく同じ操作の分類を無視した。ここでは,畳込みニューラルネットワーク(CNN)に基づいて画像を処理するために,Gaussフィルタリングのパラメータを推定する方法を提案した。さらに,現代の世界では,与えられたデータを直ちに処理するために,リアルタイムでシミュレーションを可能にすることも非常に重要である。提案した方法は,与えられた画像を非常に短時間で検証することもできる。著者らの実験は,提案した方法が,Gaussフィルタリングのウィンドウサイズと標準偏差を推定する際に,優れたリアルタイム性能を提供できることを示した。よく訓練されたモデルは,推定精度だけでなく,同時に検証時間も満たすことができる。Copyright Springer-Verlag GmbH Germany, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 完全性 ,  ディジタル画像 ,  *Gaussフィルタ ,  標準偏差 ,  情報セキュリティ
準シソーラス用語： 推定精度 ,  畳込みニューラルネットワーク ,  画像フォレンジックス ,  フォレンジックス ,  スマートフォンアプリ ,  実時間 ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 画像科学 ,  リアルタイム ,  畳み込みニューラルネットワーク ,  Gaussフィルタリング

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)： 深層学習 ,  Gaussフィルタ ,  パラメータ ,  実時間 ,  推定