文献

J-GLOBAL ID：202402243326382626   整理番号：24A2484274

画像雑音除去のための自己検証型ノイズ2ノイズ訓練フレームワーク【JST機械翻訳】

A self-validation Noise2Noise training framework for image denoising

著者 (3件)： Limsuebchuea Asavaron (Department of Electrical Engineering, Faculty of Engineering, Prince of Songkla University, Songkhla, Thailand) ,  Duangsoithong Rakkrit (Department of Electrical Engineering, Faculty of Engineering, Prince of Songkla University, Songkhla, Thailand) ,  Jaruenpunyasak Jermphiphut (Department of Biomedical Sciences and Biomedical Engineering, Faculty of Medicine, Prince of Songkla University, Songkhla, Thailand)
資料名： Imaging Science Journal  (Imaging Science Journal)
巻： 72  号： 7  ページ： 855-870  発行年： 2024年 
JST資料番号： D0155A  ISSN： 1368-2199  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 画像ノイズ除去は,画像品質を強化することを目指す画像処理における重要なアルゴリズムであった。深層学習に基づく画像雑音除去手法は教師つきおよび教師なしアプローチに分類できる。教師つき学習は,実世界シナリオでは実用的でないノイズ無し訓練データのペアを要求する。教師なし学習は訓練のために一対の雑音画像を用いるが,精度は低い。さらに,深層学習に基づく方法は,しばしば大量の訓練データを必要とする。これらの課題を克服するために,本研究では,ノイズフリーペアを必要とせずにノイズ画像のみを用いて検証集合を生成する自己検証ノイズ2ノイズ(SV-N2N)フレームワークを提案した。提案したSV-N2N法は,実世界のシナリオを解くのに効率的である雑音のないグランドトルースを必要とせずに,教師つきおよび教師なし法に匹敵する雑音を効果的に低減する。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST機械翻訳】

シソーラス用語： アルゴリズム ,  効率 ,  *雑音 ,  教師なし学習 ,  画像処理 ,  *画像 ,  教師つき学習 ,  画質 ,  *画像補正 ,  画像復元 ,  深層学習
準シソーラス用語： 訓練データ ,  *画像雑音除去 ,  グランドトゥルース , 【Automatic Indexing@JST】

著者キーワード (8件)： 画像雑音除去 ,  単一画像雑音除去 ,  自己教師つき画像雑音除去 ,  深層学習 ,  ノイズ2クリーン ,  雑音2雑音 ,  ブラインド雑音 ,  画像復元

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 画像雑音除去 ,  自己 ,  検証 ,  ノイズ ,  訓練 ,  フレームワーク