文献

J-GLOBAL ID：202202240141378765   整理番号：22A0104460

画像強調と分類のための低光準同形フィルタリングネットワーク【JST・京大機械翻訳】

Low-Light Homomorphic Filtering Network for integrating image enhancement and classification

著者 (2件)： Al Sobbahi Rayan (Department of Electrical and Computer Engineering, Lebanese American University (LAU), 36 Byblos, Lebanon) ,  Tekli Joe (Department of Electrical and Computer Engineering, Lebanese American University (LAU), 36 Byblos, Lebanon)
資料名： Signal Processing: Image Communication  (Signal Processing: Image Communication)
巻： 100  ページ： Null  発行年： 2022年 
JST資料番号： T0844A  ISSN： 0923-5965  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 低光画像(LLI)増強技術は,最近,特に深層学習手法の使用で顕著な進歩を示した。しかしながら,ほとんどの既存の技術は独立解として開発され,オブジェクト分類のような高レベルコンピュータビジョンタスクに対するLLI強化の影響を考慮していない。本論文では,画像対周波数フィルタ学習を遂行し,分類モデルにシームレスな統合のために設計した,LLHFNet(Low-light Homomorphic Filtering Network)の新しいLLI強化モデルを提案した。この統合を通して,分類モデルを内部強化能力で埋め込んで,画像強調と分類性能の両方を最適化するために共同訓練した。SICE,Pascal VOCおよびExDarkデータセットを用いて,この方法の強調品質および分類性能を定量的および定性的に評価するために,大きな電池実験を行った。独立強化モデルとして評価したとき,著者らの解は,最良の既存の画像強調技術の間で一貫してランクする。分類モデルを埋め込むと,著者らの解は,分類精度において平均5.5%の改善を達成し,分離強化の従来のパイプラインと比較して,分類が続く。結果は,LLIと正常光画像(NLI)の両方に関するロバスト分類品質を生み出し,文献への明確な改善を強調する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  電池 ,  フィルタ ,  学習 ,  *フィルタリング ,  *画像強調 ,  ロバスト性
準シソーラス用語： シームレス ,  分類精度 ,  分類モデル ,  深層学習 ,  共同訓練 , 【Automatic Indexing@JST】

著者キーワード (5件)： 画像強調 ,  低光条件 ,  深層学習 ,  オブジェクト分類 ,  準同形フィルタリング

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： 画像強調 ,  分類 ,  フィルタリング