文献

J-GLOBAL ID：202002266251093466   整理番号：20A0812402

RESLAP:画像超解像による高分解能気候予測の生成【JST・京大機械翻訳】

ResLap: Generating High-Resolution Climate Prediction Through Image Super-Resolution

著者 (6件)： Cheng Jianxin (School of Computer, Wuhan University, Wuhan, China) ,  Kuang Qiuming (Public Meteorological Service Center, China Meteorological Administration, Beijing, China) ,  Shen Chenkai (School of Computer, Wuhan University, Wuhan, China) ,  Liu Jin (School of Computer, Wuhan University, Wuhan, China) ,  Tan Xicheng (School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China) ,  Liu Wang (School of Computer, Wuhan University, Wuhan, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 39623-39634  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： 近年,畳込みニューラルネットワークに基づく多くのモデルが,単一画像超解像のための高品質再構成を達成した。一方,画像超解像に関する多くの研究が様々な分野に適用されている。しかし,いくつかの研究しか気候予測に適用されていない。本論文では,高分解能気候予測を達成するためのResLapを提示した。ResLapは低空間分解能気候データを高分解能地域気候予報に変換する空間ダウンスケーリング法である。この方法は,主に,Laplaceピラミッド超解像ネットワーク(LapSRN)に新しい残留高密度ブロック(RDB)を導入する。それらの間で,著者らは,アップサンプリング画像再構成を達成するために,LapSRNを使用して,すべての畳込み層から階層的特徴を完全に抽出するためにRDBを採用した。ベンチマーク気候データセットに関する広範な実験結果は,著者らの新しい提案モデルが多くの超解像法より良く機能することを示した。その上,気候データは,その動的およびカオス的性質のため,一般的画像より複雑である。モデル訓練を容易にするために,著者らは中国気象局によって提供されたオリジナルの気候データを統合して,次にそれを訓練可能な気候画像に変換した。また,研究のためにオンラインでいくつかの気候画像データセットを発表する。最後に,生成した高分解能気候画像におけるチェッカー盤アーチファクトを避けた。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： *超解像 ,  空間分解能 ,  再構成 ,  角錐 ,  ベンチマーク ,  カオス ,  *気候 ,  *高分解能 ,  画像再構成 ,  気象 ,  畳込み ,  アーチファクト ,  ネットワーク
準シソーラス用語： オンライン ,  アップサンプリング , 【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 (3件)： 超解像 ,  高分解能 ,  気候予測