文献

J-GLOBAL ID：202002255362200454   整理番号：20A0144889

単一画像超解像のためのコンパクトなディープニューラルネットワーク【JST・京大機械翻訳】

A Compact Deep Neural Network for Single Image Super-Resolution

著者 (6件)： Xu Xiaoyu (Huazhong University of Science and Technology, Wuhan, China) ,  Qian Jian (Huazhong University of Science and Technology, Wuhan, China) ,  Yu Li (Huazhong University of Science and Technology, Wuhan, China) ,  Yu Shengju (Huazhong University of Science and Technology, Wuhan, China) ,  Tao Hao (Huazhong University of Science and Technology, Wuhan, China) ,  Zhu Ran (Huazhong University of Science and Technology, Wuhan, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11962  ページ： 148-160  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： 畳込みニューラルネットワーク(CNN)は,最近,単一画像超解像(SISR)タスクに適用されている。しかし,適用されたCNNモデルは,現実的な応用に展開するときに,重いメモリと計算の負担を引き起こす,ますます厄介なものになっている。さらに,SISRに対する既存のCNNは,同じカーネルサイズで異なるスケール情報を扱うことにおいてトラブルを持っている。本論文では,(1)モデルパラメータの量を減少させるためのコンパクトな深いニューラルネットワーク(CDNN)を提案する。(2)計算操作を減少させ,(3)異なるスケール情報を処理する。著者らは,異なるチャネルに対するスコアに対する判断として作用する,適応可能なチャネル毎のスコアリングユニット(ACSU)と一定のチャネル毎のスコアリングユニット(CCSU)を含む2種類のチャネル毎のスコアリングユニット(CSU)を考案した。CSUに課された更なるスパース性正則化と低スコアチャネルの剪定により,かなりの保存節約と計算簡素化を達成できる。加えて,CDNNは高密度の開始構造を含み,その畳込みカーネルは異なるサイズである。これにより,CDNNは一つの自然画像における異なるスケール情報に対処することができる。著者らは,CSUの有効性,ベンチマークに関する高密度な開始を実証して,提案したCDNNは他の方法より優れた性能を有した。Copyright 2020 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 有効性 ,  *超解像 ,  畳込み ,  チャネル ,  *ニューラルネットワーク ,  簡素化 ,  正則化 ,  ベンチマーク ,  記憶装置
準シソーラス用語： 自然画像 ,  高密度 ,  スパース性 ,  モデルパラメータ ,  畳込みニューラルネットワーク ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (3件)： 単一画像超解像 ,  チャネルごとのスコアリング ,  密な開始構造

分類 (2件)： 人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 超解像 ,  ディープニューラルネットワーク