文献

J-GLOBAL ID：202002270948969311   整理番号：20A2028508

2方向生成敵対ネットワークに基づくウインドシールドの風遮蔽画像エンハンサー背後の停止【JST・京大機械翻訳】

Stop Hiding Behind Windshield A Windshield Image Enhancer Based on a Two-way Generative Adversarial Network

著者 (6件)： Chang Chi-Rung (National Chiao Tung University, Hsinchu, Taiwan) ,  Lung Kuan-Yu (National Chiao Tung University, Hsinchu, Taiwan) ,  Chen Yi-Chung (National Chiao Tung University, Hsinchu, Taiwan) ,  Huang Zhi-Kai (National Chiao Tung University, Hsinchu, Taiwan) ,  Shuai Hong-Han (National Chiao Tung University, Hsinchu, Taiwan) ,  Cheng Wen-Huang (National Chiao Tung University, Hsinchu, Taiwan)
資料名： ACM Proceedings  (ACM Proceedings)
号： MMAsia ’19  ページ： 1-6  発行年： 2019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： 監視カメラによって捉えられた風遮蔽画像は,反射,動きぼけ,低光,煙霧,および雑音のような厳しい画像劣化のために,通常,見つかるのは難しい。このような画像劣化は,人々の同定と追跡の能力を妨げる。本論文では,2方向個別正規化認識ネットワーク(TWIN-PAN)と呼ばれる,2方向生成敵対ネットワークに基づく新しい深層学習モデルを提示することにより,この挑戦的な風遮蔽画像強調タスクを扱うことを目指した。TWIN-PANは,訓練のための劣化および対応するグランドトルース画像のペアを必要としない不対学習ネットワークである。また,1回の特定のタイプの劣化のみに対処する既存の画像復元アルゴリズムとは異なり,TWIN-PANは様々なタイプの劣化から画像を復元できる。極度に劣化した風遮蔽内のコンテンツを復元し,画像の意味論的一貫性を確保するために,ネットワークに周期的知覚損失を導入し,それをサイクル一貫性損失と結合させた。さらに,より良い復元画像を生成するために,発電機のために個々のインスタンス正規化層を導入し,著者らの発電機が自分自身の入力分布によりよく適応するのを助けることができる。さらに,著者らは,著者らのネットワークを訓練するために,大きな高品質風遮蔽画像データセット(WIE-Dataset)を収集し,劣化した風遮蔽画像を復元する著者らの方法のロバスト性を検証した。人間検出,車両ReID,およびユーザ研究に関する実験結果は,提案方法が風遮蔽画像復元に有効であることを明らかにした。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 ,  雑音 ,  意味論 ,  学習 ,  *ネットワーク ,  *ウインドシールド ,  画像強調 ,  正規化 ,  ロバスト性 ,  コンテンツ ,  画像復元
準シソーラス用語： 監視カメラ ,  画像劣化 ,  グランドトゥルース ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： ウインドシールド画像強調 ,  生成敵対ネットワーク ,  個々のインスタンス正規化 ,  知覚損失

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 2方向 ,  敵対 ,  ウインドシールド ,  風 ,  遮蔽