文献

J-GLOBAL ID：202002230410718580   整理番号：20A2632980

正確で効率的な画像復元のための2ストリームディープスパースネットワーク【JST・京大機械翻訳】

Two-stream deep sparse network for accurate and efficient image restoration

著者 (8件)： Wang Shuhui (Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China) ,  Hu Ling (Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China) ,  Hu Ling (School of Computer Science and Technology, University of Chinese Academy of Sciences, Beijing 100049, China) ,  Li Liang (Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China) ,  Zhang Weigang (Harbin Institute of Technology, Weihai, 264200, China) ,  Huang Qingming (Key Laboratory of Intelligent Information Processing, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China) ,  Huang Qingming (School of Computer Science and Technology, University of Chinese Academy of Sciences, Beijing 100049, China) ,  Huang Qingming (Key Laboratory of Big Data Mining and Knowledge Management, University of Chinese Academy of Sciences, Beijing 101408, China)
資料名： Computer Vision and Image Understanding  (Computer Vision and Image Understanding)
巻： 200  ページ： Null  発行年： 2020年 
JST資料番号： W0185A  ISSN： 1077-3142  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 深層畳込みニューラルネットワーク(CNN)は画像復元において大きな成功を達成した。しかしながら,以前の方法は,低レベルと高レベル特徴の間の相補性を無視し,それによって,限られた画像再構成品質をもたらす。本論文では,画像復元に対するそれぞれの貢献を強制するために,浅いおよび深い特徴を明示的に学習するための2ストリームスパースネットワーク(TSSN)を提案した。浅い流れは浅い特徴(例えば,テクスチャエッジ)を学習し,深い流れは深い特徴(例えば,顕著な意味論)を学習する。各ストリームにおいて,スパース残差ブロック(SRB)を提案し,局所ブロックにおける層間のスパース接続を構築することにより階層的特徴を効率的に集約した。空間的およびチャネル的注意を用いて,空間およびチャネル次元の両者における重み割当によって特徴を再現する浅いおよび深い流れを融合させた。ソフトマックス-L1損失と呼ばれる新しい損失関数を提案し,大きなL1損失(すなわちハードピクセル)を持つ画素のペナルティを増加させる。TSSNは3つの代表的なIRアプリケーション,即ち,単一画像超解像度,画像雑音除去,JPEGデブロッキングで評価される。大規模な実験は,TSSNが定量的計量と視覚品質の両方に関するベンチマークデータセットに関して最先端の方法のほとんどを凌駕することを証明した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 意味論 ,  損失関数 ,  *ネットワーク ,  残差 ,  画素 ,  応用プログラム ,  超解像 ,  相補性 ,  ベンチマーク ,  ペナルティ ,  JPEG ,  画像再構成 ,  *画像復元
準シソーラス用語： 視覚品質 ,  画像雑音除去 , 【Automatic Indexing@JST】

著者キーワード (4件)： 2ストリームスパースネットワーク ,  画像復元 ,  画像超解像 ,  画像雑音除去

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

タイトルに関連する用語 (1件)： 画像復元