文献

J-GLOBAL ID：202002235086156833   整理番号：20A2472098

単一画像超解像のための二値化ニューラルネットワーク【JST・京大機械翻訳】

Binarized Neural Network for Single Image Super Resolution

著者 (6件)： Xin Jingwei (State Key Laboratory of Integrated Services Networks, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Wang Nannan (State Key Laboratory of Integrated Services Networks, School of Telecommunications Engineering, Xidian University, Xi’an, China) ,  Jiang Xinrui (State Key Laboratory of Integrated Services Networks, School of Telecommunications Engineering, Xidian University, Xi’an, China) ,  Li Jie (State Key Laboratory of Integrated Services Networks, School of Electronic Engineering, Xidian University, Xi’an, China) ,  Huang Heng (School of Electrical and Computer Engineering, University of Pittsburgh, Pittsburgh, PA, USA) ,  Gao Xinbo (State Key Laboratory of Integrated Services Networks, School of Electronic Engineering, Xidian University, Xi’an, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12349  ページ： 91-107  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
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： 軽量モデルと高速推論は,現在の単一画像超解像(SIR)研究の焦点である。しかしながら,既存の方法は,重い計算要求のため,実世界アプリケーションにまだ適用されていない。モデル量子化は,モデルサイズと計算時間を著しく低減する有効な方法である。本研究では,二値ニューラルネットワークベースSIR問題を検討し,新しいモデル二値化法を提案した。特に,ビット蓄積機構(BAM)を設計し,値蓄積方式による完全精度畳込みを近似し,モデル推論の方向に沿って量子化の精度を徐々に精密化することができた。さらに,低計算量とパラメータに対するBAMに基づく効率的なモデル構造を構築した。大規模な実験は,提案モデルが4つのベンチマークデータセットに関する大きなマージンによって最先端の二値化方式より優れていて,特にSet5データセットに関するピーク信号対雑音比に関して平均0.7dB以上であることを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  量子化 ,  *ニューラルネットワーク ,  計算量 ,  応用プログラム ,  *超解像 ,  精密化 ,  ベンチマーク
準シソーラス用語： モデル推論 ,  ピーク信号対雑音比 ,  *二値化 , 【Automatic Indexing@JST】

著者キーワード (4件)： 単一画像超解像 ,  モデル量子化 ,  二値ニューラルネットワーク ,  ビット蓄積機構

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 超解像 ,  二値化 ,  ニューラルネットワーク