文献

J-GLOBAL ID：202002238005245752   整理番号：20A1065009

深層学習法に基づく単一画像超解像再構成の簡単な調査【JST・京大機械翻訳】

Brief Survey of Single Image Super-Resolution Reconstruction Based on Deep Learning Approaches

著者 (4件)： Wang Wei (School of Computer and Communication Engineering, Changsha University of Science and Technology, Changsha, China) ,  Hu Yihui (School of Computer and Communication Engineering, Changsha University of Science and Technology, Changsha, China) ,  Luo Yanhong (Hunan Children’s Hospital, Changsha, China) ,  Zhang Tong (School of Computer and Communication Engineering, Changsha University of Science and Technology, Changsha, China)
資料名： Sensing and Imaging  (Sensing and Imaging)
巻： 21  号： 1  ページ： 21  発行年： 2020年 
JST資料番号： W4938A  ISSN： 1557-2072  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： 超解像畳込みニューラルネットワークの提示により,深い学習アプローチを初めて画像超解像再構成に適用した。畳込みニューラルネットワークを用いることによって,深い学習アプローチは,低解像度画像と高分解能画像の間のマッピング関係を直接学ぶことができて,従来の画像超解像再構成方法より良い再構成効果を達成した。次に,一連の改良された深い学習手法を提案し,再構成効果を連続的に改善した。本論文は,系統的に,深い学習に基づく画像超解像再構成アプローチを要約して,異なるモデルの特性を分析して,実験に基づく主要な深い学習モデルを比較した。さらに,深い学習モデルに基づいて,深い学習モデルに基づく画像超解像再構成法の将来の研究方向を合理的に予測した。Copyright Springer Science+Business Media, LLC, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  学習モデル ,  ネットワーク ,  再構成 ,  *超解像
準シソーラス用語： 低解像度画像 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 単一画像超解像(SISR)再構成 ,  畳込みニューラルネットワーク(CNN) ,  残留学習 ,  高密度ネットワーク ,  生成的敵対ネットワーク(GANS)

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 深層学習 ,  超解像 ,  再構成 ,  調査