UMLE:低光強調のための教師なしマルチ弁別器ネットワーク【JST・京大機械翻訳】

Qu Yangyang; Chen Kai; Liu Chao; Ou Yongsheng

プレプリント

J-GLOBAL ID：202202219399012429 整理番号：21P0070810

UMLE:低光強調のための教師なしマルチ弁別器ネットワーク【JST・京大機械翻訳】

UMLE: Unsupervised Multi-discriminator Network for Low Light Enhancement

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年12月24日プレプリントサーバーでの情報更新日： 2020年12月24日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

低光画像から色やテクスチャの詳細を回復するような低光画像強調は複雑で不可欠なタスクである。自動運転のために,低光シナリオは視覚ベースの応用に対して重大な意味を持つであろう。この問題に取り組むために,多重識別器,すなわち,マルチスケール識別器,テクスチャ識別器,およびカラー識別器を含む実時間教師なし生成敵対ネットワーク(GAN)を提案した。これらの明確な識別器は,異なる視点から画像の評価を可能にする。さらに,異なるチャネル特徴が異なる情報を含み,照明が画像において不均一であることを考慮して,特徴融合注意モジュールを提案した。このモジュールは,画像特徴を抽出するために,チャネル注意とピクセル注意機構を組み合わせた。さらに,訓練時間を減らすために,発電機と弁別器のために共有符号器を採用した。これにより,モデルの構造がよりコンパクトになり,訓練がより安定になった。実験は,この方法が定性的および定量的評価において最先端の方法より優れていることを示し,自動操縦位置決めと検出結果の両方に対して顕著な改善を達成した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般 , 人工知能

, ,

前のページに戻る