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。
単一画像雑音除去は,ビデオ監視や自己駆動システムのようないくつかの下流人工知能アプリケーションにとって重要で挑戦的なタスクである。既存の深層学習ベースの方法の大部分は,ネットワークを訓練された画像を生成するのに制約するが,それらのほとんどは,中間層,異なるレベル,および降雨ストリーク除去に有益である異なるモジュールからの特徴を探索する。本論文では,多スケールコンパクト制約と双方向スケールコンテンツ類似性マイニングモジュールを有する高次協調ネットワークを提案し,降雨ストリーク除去のために外部と内部で深いネットワークから特徴を利用する。外部に,著者らは,協調方式で訓練された3つのサブネットワークを有する脱線フレームワークを設計し,そこでは,底面ネットワークが中間ネットワークに中間特徴を送信し,また,トップネットワークから浅い雨特徴を受け,そして,ボトムネットワークにバック特徴を送る。内部的に,ラプラシアンピラミッドを介して有用な特徴を学習するために,深いネットワークの中間層にマルチスケールコンパクト制約を課した。さらに,著者らは,ダウンツーアップおよびダウンツーダウン方式で異なるスケールで特徴を調査するために,双方向スケールコンテンツ類似性マイニングモジュールを開発した。実世界画像に関するモデル性能を改善するために,著者らは,ネットワークを微調整するために実世界の雨画像を用いて,自己監督された方法で脱線結果を更新するオンライン更新学習アプローチを提案した。大規模な実験は,著者らの提案方法が5つの公開合成データセットと1つの実世界データセットに関して11の最先端の方法に対して有利に機能することを示した。ソースコードは,ウルル{https://supercong94.wixsite.com/supercong94}で利用可能である。【JST・京大機械翻訳】