文献

J-GLOBAL ID：202202279762891495   整理番号：22A0970939

画像超解像のための層状注意高密度ネットワーク【JST・京大機械翻訳】

Stratified attention dense network for image super-resolution

著者 (5件)： Liu Zhiwei (Department of Artificial Intelligence, East China Jiaotong University, Nanchang, China) ,  Mao Xiaofeng (Department of Artificial Intelligence, East China Jiaotong University, Nanchang, China) ,  Huang Ji (Department of Artificial Intelligence, East China Jiaotong University, Nanchang, China) ,  Gan Menghan (Department of Artificial Intelligence, East China Jiaotong University, Nanchang, China) ,  Zhang Yueyuan (Department of Artificial Intelligence, East China Jiaotong University, Nanchang, China)
資料名： Signal, Image and Video Processing  (Signal, Image and Video Processing)
巻： 16  号： 3  ページ： 715-722  発行年： 2022年 
JST資料番号： W4946A  ISSN： 1863-1711  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： 深層学習技術の開発により,畳込みニューラルネットワーク(CNN)に基づく多様な画像SRアプローチを開発し,低解像度(LR)から高分解能(HR)へのマッピングを学習した。しかし,原画像からの特徴情報は,これらの既存の方法のほとんどによって明確に識別することができず,性能の低下をもたらした。良い画像分解能を達成するために,非常に深いネットワークを,LR画像からすべての特徴情報を統合するためにしばしば使用する。明らかに,利用可能な情報を完全に探索することのない深いネットワークは,非常に大きな計算量を達成するが,常に高い画像品質を確実にすることができない。これらの問題に取り組むために,層状注意高密度ネットワーク(SADN)をこの論文で提案し,高品質HR画像を再構成した。SADNにおいて,層状高密度グループ(SDG)アーキテクチャを提案し,局所およびグローバル情報を含むLR画像における特徴情報を完全に探索した。特に,ネットワークの識別を強化するために,抽出した特徴情報を区別するために,注意高密度モジュール(ADM)を提案した。ベンチマークデータセットに関する広範囲な実験は,提案した方法の有効性を確かめた。他の最先端の方法との比較は,提案したSADNの優位性を示した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  ニューラルネットワーク ,  *画像 ,  画質 ,  計算量 ,  再構成 ,  *超解像 ,  有効性 ,  高分解能 ,  ベンチマーク ,  計算機アーキテクチャ ,  機械学習
準シソーラス用語： 高密度 ,  高品質 ,  画像解像度 ,  深層学習 ,  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 ,  深層学習 ,  畳込みニューラルネットワーク ,  成層化注意密度

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 超解像 ,  層状 ,  注意 ,  高密度