| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2017-10-13 10:40 超解像のためのネットワーク構造の並列化 ○田中健太・森 康久仁（千葉大）  PRMU2017-89 |
|
| 抄録 | （和） | 超解像とは，入力された解像度の低い画像に対して高解像度の画像を出力する技術のことである． 近年，動画像の高解像度化が進み，既存の動画像をより高画質で出力することが多く求められている． これまでにも様々な超解像の手法が提案されているが，その中でも，画像の特徴を抽出することができる畳み込みニューラルネットワーク(CNN)を用いた超解像の手法が提案され，CNNは超解像にも有効な手段であることがわかってきた． しかし，従来のCNN1つで行う超解像の場合，Bicubic法で拡大した画像を入力としたことでエッジの再現性が悪い問題が生じていた． そこで，再現性の悪さを緩和するためにCNNを並列するネットワーク構造を提案する． 並列化したそれぞれのCNNに異なる方法で拡大した画像を入力する方式をとることで，従来手法の問題点を解決することに成功した． 提案手法の有効性を示すために，並列する場合としない場合で超解像の評価実験を行った． その結果，PSNRおよびSSIMの2つの指標で提案手法の有効性を確認することができた． |
| （英） | Super-resolution is a technique of outputting the high-resolution image for an image with low resolution. In this paper, we propose a super-resolution technique using convolutional neural network(CNN). By parallelizing CNN, our technique can accurately reproduce the edge part of the image, which is difficult with the conventional methods. Experiments of super-resolution were performed on actual images, and comparison was made between cases where parallelization was performed and cases where parallelization was not performed. As a result, in the evaluation values PSNR and SSIM, the proposed method exceeds the value of the conventional method. |
|
| キーワード | （和） | 超解像 / 畳み込みニューラルネットワーク / 機械学習 / 並列化 / / / / |
| （英） | super-resolution / neural network / deep learning / Parallelization / / / / | |
| 文献情報 | 信学技報, vol. 117, no. 238, PRMU2017-89, pp. 149-154, 2017年10月. | |
| 資料番号 | PRMU2017-89 | |
| 発行日 | 2017-10-05 (PRMU) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | PRMU2017-89 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2017-10-12 - 2017-10-13 |
| 開催地（和） | 熊本大学 |
| 開催地（英） | |
| テーマ（和） | 深層学習 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2017-10-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | 超解像のためのネットワーク構造の並列化 |
| サブタイトル（和） | |
| タイトル（英） | Parallelization of the structure of neural network for super-resolution |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 超解像 / super-resolution |
| キーワード(2)（和/英） | 畳み込みニューラルネットワーク / neural network |
| キーワード(3)（和/英） | 機械学習 / deep learning |
| キーワード(4)（和/英） | 並列化 / Parallelization |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 田中 健太 / Kenta Tanaka / タナカ ケンタ |
| 第1著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 森 康久仁 / Yasukuni Mori / モリ ヤスクニ |
| 第2著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ.) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-10-13 10:40:00 |
| 発表時間 | 30分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2017-89 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.238 |
| ページ範囲 | pp.149-154 |
| ページ数 | 6 |
| 発行日 | 2017-10-05 (PRMU) |
[研究会発表申込システムのトップページに戻る]