文献

J-GLOBAL ID：202102265693113955   整理番号：21A2955255

単一画像超解像のための半教師付き学生教師学習【JST・京大機械翻訳】

Semi-supervised student-teacher learning for single image super-resolution

著者 (2件)： Wang Lin (Visual Intelligence Lab, KAIST, Korea) ,  Yoon Kuk-Jin (Visual Intelligence Lab, KAIST, Korea)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 121  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 単一画像超解像(ISR)に対する既存の手法は,品質低解像度(LR-HR)対と利用可能な劣化カーネルを,完全教師つき方法で手の特定のタスクのためのネットワークを訓練する。しかし,訓練に使用されるラベル付きデータは,通常,量や多様性劣化カーネルに関して制限される。1つの劣化カーネル(例えば,バイキュービック)を持つ学習されたSRネットワークは,よく一般化せず,その性能は,他のカーネル(例えば,ぼやけや雑音)で急激に劣化する。本論文では,SIRに対する重大な課題,即ち,限定されたラベル付きLR画像と劣化カーネルを扱った。S 2 TSRと呼ばれる新しい半教師つきStudent-Tacher Super-Resolution法(S2 TSRと呼ぶ)を提案し,ラベル付きおよびラベル無しLR画像を敵対的学習により超解決した。ラベル付きLR画像から情報をより良く利用するために,教師付き学習(T)から教師なし学習(S)への知識移転を介して,学生-教師フレームワーク(S-T)を提案した。特に,S-T知識転送は,共有SRネットワーク,二重識別器の部分重み共有,及び,また,また,また,”最後に,限定されたラベル付きLR画像からより良い特徴を学習するために,非局所および注意機構を介して新しいSRネットワークを提案した。実験により,提案アプローチは教師なし手法を大幅に改善し,完全に教師つき手法よりも良好に機能することを示した。Copyright 2021 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： 雑音 ,  弁別器 ,  *学習 ,  ネットワーク ,  教師なし学習 ,  教師つき学習 ,  *超解像
準シソーラス用語： 知識移転 ,  半教師つき学習 ,  低分解能 , 【Automatic Indexing@JST】

著者キーワード (4件)： 半教師つき学習 ,  画像超解像 ,  学生-教師モデル ,  敵対的学習

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 (4件)： 超解像 ,  教師 ,  学生 ,  学習