文献

J-GLOBAL ID：202002261508997598   整理番号：20A0433546

分離可能な要素ごとの注意による結合雨ストリークと背景推定【JST・京大機械翻訳】

Coupled Rain Streak and Background Estimation via Separable Element-Wise Attention

著者 (6件)： Tan Yinjie (Department of Computer Science and Engineering, South China University of Technology, Guangzhou, China) ,  Wen Qiang (Department of Computer Science and Engineering, South China University of Technology, Guangzhou, China) ,  Qin Jing (Department of Nursing, The Hong Kong Polytechnic University, Hong Kong) ,  Jiao Jianbo (Department of Engineering Science, University of Oxford, Oxford, U.K.) ,  Han Guoqiang (Department of Computer Science and Engineering, South China University of Technology, Guangzhou, China) ,  He Shengfeng (Department of Computer Science and Engineering, South China University of Technology, Guangzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 16627-16636  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 特に高密度の雨ストリークを有するシナリオにおいて,単一画像脱降雨は挑戦的である。既存の方法は,画像の降雨ストリークを予測することによって,この問題を解決する。それは,ネットワークを局所的降雨ストリーク特徴に焦点を合わせる。しかし,高密度の雨ストリークは,霧または霧(大強度)と視覚的に類似しており,この場合には,訓練目的は,降雨ストリークを抽出する代わりに画像回復にシフトさせるべきである。本論文では,2つのタスク間の固有の関係を調べるために,結合した降雨ストリークと背景推定ネットワークを提案した。特に,著者らのネットワークはタスク依存特徴マップを生成し,特徴の各部分は降雨ストリークと背景の推定に対応する。さらに,降雨ストリーク分布をより良く理解するために,すべての畳込みブロックに対して要素ごとの注意を注入するために,著者らは,分離可能な要素ごとの注意機構を提案した。この方法において,高密度の要素ごとの注意は,無視できる計算で,チャネルと空間的注意モジュールのシーケンスによって得ることができる。広範な実験により,提案した方法は,5つの既存の合成降雨データセットおよび実世界シナリオにおいて,余分なマルチスケールまたは再帰構造なしで,より優れていることを実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： チャネル ,  *降雨 ,  ネットワーク ,  画像復元 ,  視覚 ,  畳込み
準シソーラス用語： マルチスケール ,  空間的注意 ,  特徴マップ ,  高密度 ,  ストリーク , 【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 (4件)： 要素 ,  注意 ,  ストリーク ,  背景推定