画像超解像のための深層解析辞書の学習【JST・京大機械翻訳】

Huang Jun-Jie; Dragotti Pier Luigi

プレプリント

J-GLOBAL ID：202202219515058644 整理番号：21P0023538

画像超解像のための深層解析辞書の学習【JST・京大機械翻訳】

Learning Deep Analysis Dictionaries for Image Super-Resolution

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 (2件)： ,
資料名：
発行年： 2020年01月31日プレプリントサーバーでの情報更新日： 2020年11月10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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

深層ニューラルネットワークの最近の成功と多層辞書モデルを開発するための最近の努力に触発されて,著者らは,単一画像超解像として知られる特定の回帰タスクに取り組むために最適化される深層解析辞書モデル(DeepAM)を提案した。他の多層辞書モデルとは対照的に,このアーキテクチャは,解析辞書とソフト閾値演算子のL層を含み,手で回帰タスクを最適化するように設計された,高レベル特徴と合成辞書の層を徐々に抽出する。提案アプローチでは,各解析辞書を2つの部分辞書に分割した:情報保存解析辞書(IPAD)とクラスタリング解析辞書(CAD)。対応するソフト閾値と共にIPADを,以前の層から次の層に鍵情報を通過させるように設計し,一方,対応するソフト閾値演算子と共にCADを,重要な特徴の識別を容易にする入力データのスパース特徴表現を生成するために設計した。深いAMは,教師つきおよび教師なしセットアップの両方を使用する。シミュレーション結果は,提案した深層解析辞書モデルが,同じ構造を持ち,訓練データセットが小さいとき,逆伝搬を用いて最適化される深層ニューラルネットワークと比較して,より良い性能を達成することを示した。【JST・京大機械翻訳】

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

図形・画像処理一般 , 人工知能

, , , ,

前のページに戻る