文献

J-GLOBAL ID：202102258151379256   整理番号：21A0066814

クリーン・アンド・シャープ画像復元のための誇張学習【JST・京大機械翻訳】

Exaggerated Learning For Clean-And-Sharp Image Restoration

著者 (3件)： Liu Chang (Shanghai Jiao Tong University) ,  Gao Qifan (Shanghai Jiao Tong University) ,  Wu Xiaolin (Shanghai Jiao Tong University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICIP  ページ： 673-677  発行年： 2020年 
JST資料番号： W2441A  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： 深層学習は,再構成品質における伝統的方法の優位性のため,雑音除去,超解像,ぼけ,露光補正などを含む画像復元タスクのための選択の方法論になった。しかし,公開された深層学習法は,低雑音レベルと詳細鋭さの間の古いジレンマをまだ解決していない。2つの相互に矛盾する目的:雑音フリーと詳細鋭さを調和させるため,拡張深層学習と呼ばれる新しいCNN設計戦略を提案した。アイデアは,CNN最適化目的関数における望ましい属性を意図的にオーバーシュートすることである。清潔さまたは鋭さは,異なる意味的文脈に従って,過密である。超解像と低光補正の復元タスクについて,拡張学習アプローチを実験した。その有効性と利点を経験的に確認した。Copyright 2021 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： 最適化 ,  雑音 ,  *学習 ,  雑音指数 ,  露光 ,  再構成 ,  目的関数 ,  超解像 ,  オーバシュート ,  有効性 ,  *画像復元 ,  雑音除去
準シソーラス用語： 深層学習 , 【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)： クリーン ,  画像復元 ,  学習