抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
目的:雨天戸外で採取した画像は、しばしば雨線カバー画像情報により、色変化とファジー現象が生じる。雨天画像の品質を改善するために,適応選択畳込みネットワーク深さ学習に基づく単一画像脱雨アルゴリズムを提案した。方法:降雨図中の背景誤判定と雨痕の残留問題に対して、ネットワーク訓練の降雨線修正係数(refinefactor,RF)を加え、既存の雨図モデルを改善し、雨図の各画素が雨線に与える影響をより正確に記述する。畳込みネットワーク(selectivekernelnetwork,SKNet)を構築し、適応的に異なる畳み込み核に対応する次元の情報を選択し、異なる畳み込み核の情報をさらに学習、融合し、ネットワークの表現力を高め、最後にSKNetを含む。refinefactornetとresidualnetサブネットの適応畳込み残差修正ネットワーク(selectivekernelconvolutionusingaresidualrefinefactor)。SKRF)は,降雨線図と残差補正係数(RF)を直接学習し,マッピング区間を減少させ,背景誤判定を減らす。結果:実験が設計したSKRFネットワークを通じて、公開されたRain12テストセット上で脱雨実験を行い、既存の方法より高い精度が得られ、ピーク信号対雑音比(peaksignaltonoiseratio,PSNR)は34に達した。62dB、構造類似性(structuralsimilarity,SSIM)は0.9706に達した。結果は,SKRFネットワークが単一画像の降雨除去に明白な利点を持つことを示した。結論:単一画像脱雨SKRFアルゴリズムは雨図モデルにおける降雨線図に余分な修正残差係数を提供し、学習マッピング区間を低減させ、適応選択畳込みネットワークモデルを採用して雨図モデルの表現力と互換性を向上できる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】