文献

J-GLOBAL ID：202202218639183530   整理番号：22A0202713

畳込みニューラルネットワークによる教師なしリモートセンシング画像超解像のための多重劣化支援法【JST・京大機械翻訳】

A Multi-Degradation Aided Method for Unsupervised Remote Sensing Image Super Resolution With Convolution Neural Networks

著者 (8件)： Zhang Ning (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun, China) ,  Wang Yongcheng (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun, China) ,  Zhang Xin (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun, China) ,  Xu Dongdong (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun, China) ,  Wang Xiaodong (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun, China) ,  Ben Guangli (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun, China) ,  Zhao Zhikang (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun, China) ,  Li Zheng (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5600814.1-14  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  資料種別： 逐次刊行物 (A)
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： リモートセンシングでは,画像超解像度(SR)技術を用いて画像分解能を改善するのが望ましい。しかし,2つの課題がある:第1のものは,高解像度(HR)画像が不十分または利用できないことである;もう1つは,バイキュービック(BIC)のような単一劣化モデルが実世界で好ましい画像を超解決できないことである。上記の2つの問題に取り組むために,本論文は,深い学習に基づくマルチ分解,教師なしSR方式を提示した。このフレームワークは,SR画像を生成するために,画像劣化モデルと発電機Gに適合する分解器Dから成る。Dを導入することによって,SR画像とHR画像の間の損失関数を,教師つきSR方法として計算することは,低解像度(LR)画像とSR画像によって劣化する画像の間の計算損失に変換することができて,それによって,教師なし学習を実現した。いくつかの劣化モデルに関する実験は,著者らの方法が既存の教師なしSR方式と比較して最先端の結果を与えて,教師つきSR方式と対比して競合結果を達成することを示した。さらに,吉林-1衛星によって得られた実際のリモートセンシング画像に対して,著者らの方法は視覚的により妥当な結果を得て,それは実世界応用における可能性を実証した。Copyright 2022 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： 視覚 ,  損失関数 ,  教師なし学習 ,  *多重化 ,  *リモートセンシング ,  *超解像 ,  高分解能
準シソーラス用語： 画像劣化 ,  *リモートセンシング画像 ,  画像解像度 ,  *畳込みニューラルネットワーク , 【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 (6件)： 畳込みニューラルネットワーク ,  教師 ,  リモートセンシング画像 ,  超解像 ,  多重 ,  支援