文献

J-GLOBAL ID：202102268498966919   整理番号：21A3307550

画像復元のためのターゲットベクトル更新モジュールを用いた効果的な深層ネットワーク【JST・京大機械翻訳】

An effective deep network using target vector update modules for image restoration

著者 (5件)： Zhai Sen (College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China) ,  Ren Chao (College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China) ,  Wang Zhengyong (College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China) ,  He Xiaohai (College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China) ,  Qing Linbo (College of Electronics and Information Engineering, Sichuan University, Chengdu 610065, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  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： 画像復元(IR)は,多くのコンピュータビジョンアプリケーションで広く使用されている。モデルベースのIR法は,明確な理論的基盤を持つ。しかし,多数のハイパーパラメータは経験的に設定する必要があり,しばしば挑戦的で時間がかかる。強力な非線形フィッティング能力のため,深い畳み込みニューラルネットワーク(CNN)は,近年IRタスクで広く使用されている。しかし,IR性能をさらに著しく改善するために新しいネットワークアーキテクチャを設計することは挑戦的である。プラグとプレイ(P&P)法に触発されて,著者らは最初に元のIR問題を可変分割技法で2つの部分問題に分離する。次に,モデルベースの方法から誘導して,変換ドメインにおける新規な深いCNNフレームワークを提案して,2つの部分問題の最適化プロセスを模倣した。提案したフレームワークは,ターゲットベクトル更新(TVU)モジュールによって効果的に駆動される。広範な実験は,他の最先端のIR法よりも提案した方法の有効性を実証した。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： 最適化 ,  *ネットワーク ,  プラグ ,  応用プログラム ,  コンピュータビジョン ,  深層 ,  有効性 ,  ネットワークアーキテクチャ ,  *画像復元
準シソーラス用語： 部分問題 ,  プラグアンドプレイ ,  モデルベース ,  ハイパーパラメータ ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 画像復元 ,  プラグアンドプレイ法 ,  畳込みニューラルネットワークフレームワーク ,  変換領域 ,  ターゲットベクトル更新モジュール

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 画像復元 ,  ターゲット ,  ベクトル ,  更新 ,  モジュール ,  深層