文献

J-GLOBAL ID：202002265098204324   整理番号：20A1714544

改良型超解像畳込みニューラルネットワークによるディジタル岩石コア画像分解能強化【JST・京大機械翻訳】

Digital Rock Core Images Resolution Enhancement with Improved Super Resolution Convolutional Neural Networks

著者 (2件)： Bai Yunfeng (Northern (Arctic) Federal University, Severnaya Dvina Arkhangelsk, Russia) ,  Berezovsky Vladimir (Northern (Arctic) Federal University, Severnaya Dvina Arkhangelsk, Russia)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICMLC 2020  ページ： 401-405  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
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： スーパー分解能畳込みニューラルネットワーク(SRCNN)は,他の研究者によって画像の分解能を強化することができることを証明した。SRCNNを適用して,石油産業における岩石コアの解析において重要な役割を果たすデジタルロックコア画像を強化した。ディジタルロックコア画像には多数の類似カラーパッチが存在することを見出した。次に,著者らは,著者らのプロジェクトに直接元のSRCNNを適用したならば,著者らは,双三次補間アルゴリズムによってデータセットを確立するのに,SRCNNの最初のステップにおいて,いくつかの時間を浪費するであろう。これは,同じ有色パッチにおける画素を取り扱うために双三次補間アルゴリズムに置換するために双線形補間アルゴリズムを使用するならば,結果はほとんど同じであり,双線形補間アルゴリズムの時間複雑性は双三次補間アルゴリズムのものより小さい。時間を節約するために,改良SRCNNを提案し,2760ディジタルロックコア画像を用いて性能を試験した。実験は,改良SRCNNがデータセットを作成するための計算時間の11.1%を減らすが,超分解能の性能は元のSRCNNと類似していることを示した。提案方法は,将来のジョブのために百万のデジタルロックコア画像を扱うとき,多くの電気料金を節約できる。さらに,それは他の分野におけるSRCNNによる超解像タスクのための実用的価値を有した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  電気料金 ,  分解能 ,  *岩石 ,  内挿法 ,  画素 ,  ディジタル方式 ,  *超解像 ,  画像強調 ,  石油工業
準シソーラス用語： 複雑性 ,  画像解像度 ,  線形補間 ,  ディープニューラルネットワーク ,  *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)： 深層ニューラルネットワーク ,  デジタル岩石画像 ,  画像強調 ,  画像分解能 ,  超解像

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 超解像 ,  畳込みニューラルネットワーク ,  ディジタル ,  岩石 ,  コア ,  画像分解能 ,  強化