文献

J-GLOBAL ID：202002262450377894   整理番号：20A2673560

生成型対抗ネットワークに基づく道路交通ファジィ画像強調【JST・京大機械翻訳】

Enhancement of blurred road-traffic images based on generative adversarial network

著者 (3件)： Cao Jingang (華北電力大学控制与計算机工程学院,河北保定071003) ,  Li Jinhua (華北電力大学控制与計算机工程学院,河北保定071003) ,  Zheng Guping (華北電力大学控制与計算机工程学院,河北保定071003)
資料名： Zhineng Xitong Xuebao  (Zhineng Xitong Xuebao)
巻： 15  号： 3  ページ： 491-498  発行年： 2020年 
JST資料番号： C2755A  ISSN： 1673-4785  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 道路交通のファジィ画像強調の品質を改善して,道路交通管理を促進するために,道路交通場面における運動ぼけ画像強化問題のために,生成対抗ネットワークに基づく多重スケールマルチパス学習のモデルを提案した。最初に,多重スケール畳込みカーネルを有するニューラルネットワークを用いて,入力画像をより詳細に抽出した。次に,局所残差学習とグローバル残差学習を組合せ,マルチパスマルチ重み共有の再帰的学習を採用して,ネットワークとネットワーク間の対抗トレーニングを用いてネットワークパラメータを最適化した。最後に,エンドツーエンド直接画像を生成した。実験結果は,提案したモデルが,道路場面で動くぼやけ画像を効果的に強化でき,画像詳細がより豊富で,画像視覚効果が良いことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  畳込み ,  学習 ,  *ネットワーク ,  *道路 ,  *道路交通 ,  ニューラルネットワーク ,  残差 ,  視覚効果 ,  エンドツーエンド方式 ,  *画像強調 ,  曖昧さ
準シソーラス用語： 多経路 ,  マルチスケール ,  ネットワークパラメータ , 【Automatic Indexing@JST】

分類 (4件)： 数値計算  (JE02000J) ,  交通調査  (TB01031B) ,  人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： 成型 ,  道路交通 ,  ファジィ ,  画像強調