文献

J-GLOBAL ID：202002290514384153   整理番号：20A0745908

RDB-FSU:画像超解像のための特徴選択ユニットを持つ残留高密度ネットワーク【JST・京大機械翻訳】

RDB-FSU: Residual Dense Network with Feature Selection Unit for Image Super Resolution

著者 (3件)： Haitham M. (MUST University, 6th October, Egypt) ,  Zaghloul Alaa (MUST University, 6th October, Egypt) ,  AbdEl-Azeem Mostafa (AASTMT, Heliopolis, Egypt)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1153  ページ： 501-510  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 深いコンボリューションニューラルネットワーク(DCNN)の大きな成功の後。実用的で,残留で高密度なネットワークにおいて。ほとんどの深い方法は,元の低分解能(LR)画像からの特徴を完全に利用しない。本論文は,画像とビデオSRの両方においてこの問題に取り組む特徴選択ユニット(RDB-FSU)を有する高密度ネットワークにおける新規残差を提案した。RDB-FSUは全ての畳込み層からの特徴を完全に利用する。特に,残留高密度ブロック(RDB)は,密に接続されたコンボリューション層を介して特徴を抽出するために提示された。次に,特徴選択ユニット(FSU)は,画素シャッフルモジュールを用いてスケールアップされるために,抽出された特徴からより効果的な特徴を適応的に学習する。種々のモデルによる広範な実験により,提示したRDB-FSUは,画像およびビデオベンチマークデータセットの両方に対して,適切な性能対最新技術を実現することを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 畳込み ,  *ネットワーク ,  録画装置 ,  *特徴選択 ,  残差 ,  スケールアップ ,  *超解像 ,  ベンチマーク ,  画素
準シソーラス用語： 深層学習 ,  高密度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  超解像 ,  残留物中の残留物 ,  高密度ブロック

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： RDB ,  超解像 ,  特徴選択 ,  残留 ,  高密度