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。
深層画像修復研究は,主に様々なニューラルネットワークアーキテクチャの構築,あるいは新しい最適化目的の課程に焦点を当てた。しかし,一方では,最先端の深い修復モデルの構築は,極めて複雑なタスクであり,他方,得られた性能利得は,時には非常に制限される。修復モデルのフレームワークの他に,しばしば見落とされる軽量の伝統的画像処理技術は,実際にこれらの深いモデルに役立つと信じる。本論文では,古典的画像複雑性メトリックの助けを借りて,深い画像修復モデルを強化する。訓練手順におけるバッチ選択を導くために,欠測複雑性とフォワード損失から成る知識支援指数を提示した。このインデックスは,各反復における最適化により役に立つサンプルを見出し,最終的に総合的修復性能を高めるのを助ける。提案した手法は簡単で,コードの少数の線だけを変えることによって,多くの深い修復モデルにプラグできる。様々なデータセットにおけるいくつかの最近開発した画像修復モデルの改善を実験的に実証した。【JST・京大機械翻訳】