文献

J-GLOBAL ID：202002276249399933   整理番号：20A1114180

条件付き生成敵対ネットワークによる熱赤外線カラー化【JST・京大機械翻訳】

Thermal infrared colorization via conditional generative adversarial network

著者 (7件)： Kuang Xiaodong (Nanjing University of Science and Technology, Nanjing 210094, China) ,  Zhu Jianfei (Nanjing University of Science and Technology, Nanjing 210094, China) ,  Sui Xiubao (Nanjing University of Science and Technology, Nanjing 210094, China) ,  Liu Yuan (Nanjing University of Science and Technology, Nanjing 210094, China) ,  Liu Chengwei (Nanjing University of Science and Technology, Nanjing 210094, China) ,  Chen Qian (Nanjing University of Science and Technology, Nanjing 210094, China) ,  Gu Guohua (Nanjing University of Science and Technology, Nanjing 210094, China)
資料名： Infrared Physics & Technology  (Infrared Physics & Technology)
巻： 107  ページ： Null  発行年： 2020年 
JST資料番号： H0184A  ISSN： 1350-4495  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 熱赤外画像を現実的なRGB画像に変換することは困難な課題である。本論文では,このギャップを橋渡しするための深い学習法を提案した。著者らは,詳細を保存する粗から微細な発生器を用いて,変換マッピングを学習することを提案した。標準的な平均二乗損失は,カラー化とグランドトルース画像の間の距離を良く表現することができないので,コンテンツ,敵,知覚および全変動損失を組み合わせた複合損失関数を提案した。コンテンツ損失はグローバル画像情報を回復するために使用されるが,後者の3つの損失は局所的な現実的なテクスチャを合成するために使用される。定量的および定性的実験は,著者らのアプローチがKAISTマルチスペクトル歩行者データセットに関する既存のアプローチよりも著しく優れており,より妥当なRGB画像を達成することを実証した。このコードはオンラインで利用可能である。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  損失関数 ,  *ネットワーク ,  歩行者 ,  赤外線画像 ,  コンテンツ
準シソーラス用語： 画像情報 ,  オンライン ,  グランドトゥルース , 【Automatic Indexing@JST】

著者キーワード (4件)： 赤外線画像 ,  カラー化 ,  深層学習 ,  畳み込みニューラルネットワーク

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  光学情報処理  (BD03060T)

タイトルに関連する用語 (3件)： 敵対 ,  熱赤外線 ,  カラー