文献

J-GLOBAL ID：202202278456357134   整理番号：22A1055679

画像超解像のためのマルチスケール生成敵対ネットワーク【JST・京大機械翻訳】

Multi-scale generative adversarial network for image super-resolution

著者 (4件)： Daihong Jiang (Xuzhou University of Technology, Xuzhou, China) ,  Sai Zhang (China University of Mining and Technology, Xuzhou, China) ,  Lei Dai (Xuzhou University of Technology, Xuzhou, China) ,  Yueming Dai (Xuzhou University of Technology, Xuzhou, China)
資料名： Soft Computing  (Soft Computing)
巻： 26  号： 8  ページ： 3631-3641  発行年： 2022年 
JST資料番号： W1043A  ISSN： 1432-7643  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,深い畳み込みニューラルネットワーク(CNN)が画像超解像度で広く採用されている。深いCNNの電力のおかげで,再構成性能は大幅に改善される。しかし,低解像度画像における高周波情報と詳細は,まだ再構成できない。上記の問題に対処するため,本論文では,マルチスケール生成敵対ネットワークを提案する。発電機内部のマルチスケールピラミッドモジュールは,高周波情報を含む特徴を抽出することができ,次に,双三次補間の結果による高分解能画像を再構成した。著者らのモデルにおける識別器を用いて,再因子処理後の入力画像の信頼度を同定した。最終損失関数は,敵対損失と平均二乗誤差(L2)再構成損失を含む。訓練の効率をさらに改善するために,発電機をL2損失で事前訓練し,識別器最適化の効率を改善した。正常プレーン畳込みネットワークだけに基づくアルゴリズムと比較して,提案したアルゴリズムは,超解像タスクの2つのインデックスPSNRとSSIMにおいて,より良く機能した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  畳込み ,  弁別器 ,  信頼度 ,  損失関数 ,  電力 ,  *ネットワーク ,  内挿法 ,  HF【周波数】 ,  *画像 ,  *超解像
準シソーラス用語： 平均二乗誤差 ,  *マルチスケール ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 画像超解像 ,  マルチスケール ,  生成敵対ネットワーク ,  圧縮活性化モジュール

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)： 超解像 ,  マルチ ,  敵対