文献

J-GLOBAL ID：202002224277972459   整理番号：20A1214233

DCGANに基づく高解像度天文画像生成研究【JST・京大機械翻訳】

High Resolution Star Galaxy Image Generation Using Deep Convolutional Generative Adversarial Neural Networks

著者 (3件)： Zhang Guanghua (西北工業大学電子信息学院,陜西西安,710072) ,  Wang Fubao (西北工業大学電子信息学院,陜西西安,710072) ,  Duan Weijun (西北工業大学電子信息学院,陜西西安,710072)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 36  号： 12  ページ： 200-204,262  発行年： 2019年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 解像度が256×256以上の恒星と星系画像を生成するため、未知の恒星と星系の予測を助け、深さ畳込み対抗生成ネットワーク(DCGAN)と改良ニューロン放棄方法を採用した。対抗生成ネットワーク(GAN)の構造を研究することによって、画像生成モデルと訓練過程を最適化し、安定的に高解像度の恒星と星系画像生成モデルを生成することができる。上記の方法の有効性を検証するため、実験ではストロンデジタル巡回データベース(SDSS)中の画像を訓練画像として採用し、256×256及び512×512の二種類の高解像度の恒星と星系画像を生成した。結果をGANによる結果と比較した。実験結果は,上記のアルゴリズムが有効で実現可能であり,モデル安定性を保証する前提の下で,高解像度恒星と星画像を生成することができることを証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  畳込み ,  データベース ,  ネットワーク ,  ニューロン ,  分解能 ,  *画像合成 ,  有効性 ,  *高分解能
準シソーラス用語： 巡回 ,  生成モデル , 【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)： 高解像度 ,  画像生成 ,  研究