文献

J-GLOBAL ID：202102298668856362   整理番号：21A2172915

USVイメージングシステムにおける深層学習ベースの低光強調と雑音抑制【JST・京大機械翻訳】

Deep Learning Based Low-light Enhancement and Noise Suppression in USV Imaging System

著者 (5件)： Li Peizheng (E-Tech(Ningbo)Maritime Electronics Research Institute Co.,Ltd, China) ,  Luo Caofei (E-Tech(Ningbo)Maritime Electronics Research Institute Co.,Ltd, China) ,  Wu Fumin (E-Tech(Ningbo)Maritime Electronics Research Institute Co.,Ltd, China) ,  Zheng Jianan (Zhejiang Jialan Maritime Electronics Co.,Ltd, China) ,  Ma Sainan (Zhejiang Jialan Maritime Electronics Co.,Ltd, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICRAI 2020  ページ： 91-96  発行年： 2020年 
JST資料番号： D0698C  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： 人工知能技術と自律ナビゲーション技術の急速な発展によって,無人表面容器(USV)産業はそれに応じて開発して,それは水質モニタリング,海上検査と海上安全性保証の分野において重要な役割を行った。しかし,USVは外部照明環境によって容易に影響を受ける。不十分な照明の場合,収集した画像は低輝度,低コントラスト,低解像度の特性を持ち,外部雑音干渉に非常に影響を受けやすく,USVはターゲット認識や意味セグメンテーションのような視覚タスクを満たす入力要求を困難にする。本論文では,深層学習ベースの低光画像強調と雑音抑圧法(LENet)を提案した。特に,LENetを用いて,深いUnetネットワークを通して正常光画像に低光画像を写像し,CBM3Dは画像中の干渉雑音をさらに抑制し,低光画像の増強を達成した。深いUnetネットワークにおける拡張畳込みと高密度ブロックを埋め込むことにより,深層ネットワークの一般化能力とロバスト性を強化した。構造類似性(SSIM)とノルムを損失関数として用いて,強化画像の品質をさらに改善した。実験結果は,本論文で提案した深層ネットワークが不十分な照明条件の下でUSVによって収集した画像の輝度とコントラストを改善し,USV視覚タスクの入力要求条件を満たすことを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 干渉 ,  コントラスト ,  *雑音 ,  視覚 ,  畳込み ,  セグメンテーション ,  ネットワーク ,  輝度 ,  物体認識 ,  *雑音発生防止 ,  人工知能 ,  画像強調 ,  ロバスト性 ,  ノルム
準シソーラス用語： *深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 無人表面容器(USV) ,  深層学習 ,  低光増強 ,  騒音抑制

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： USV ,  イメージングシステム ,  深層学習 ,  雑音抑制