| 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 | 2022-05-27 14:25 Classification-ESRGAN ～ 被写体のカテゴリー分類による超解像度画像の合成 ～ ○劉 敬安・原田 侑・ナイワラ P. チャンドラシリ（工学院大）  IMQ2022-3 |
|
| 抄録 | （和） | 近年，深層学習を基に超解像度技術は著しく発展してきた．特に，超解像度技術では画像の鮮明さを上げるためにGANが用いられている．しかし，画質において生成結果と本物画像の間には大きな差が生じている．それに加えて，主流なアルゴリズムでは画像のチャンネル情報を強調できないため，画像本来の知覚情報を正しく反映できない問題がある．本研究では画像本来の知覚情報をより正しく反映させるため，超解像度画像の合成を目的とする．そのため，三つの提案を行った．まず，画像分類を行うために，転移学習済みのResNetを使用した．次に，画像の詳細情報を取得するために，SENetを適用した．最後に，特徴量のパラメータをより多く取得するために抽出ネットワークをVGGからResNetに変更した．その結果としては，犬と猫の超解像度画像には従来研究以上の性能が示せた．さらに，ベンチマーク用のデータセットにおいても画像をより自然に合成できた． |
| （英） | In recent years, super-resolution techniques have been significantly developed based on deep learning. In particular, GAN have been applied to increase the sharpness of images in super resolution. However, there is a large difference in image quality between the generated results and the real images. In addition, there is a problem that the mainstream algorithms cannot correctly reflect the original perceptual information of the image. In this study, we aim to synthesize a super-resolution image that more accurately reflects the original perceptual information of the image. In this study, three proposals are made to correctly obtain and reflect the original perceptual information of an image. First, to correctly reflect the original perceptual information of the image, we used ResNet, which has been transition trained. Second, we applied SENet to obtain more of the original perceptual information of the image. Finally, the extraction network was changed from VGG to ResNet in order to obtain more parameters of the features. As a result, it is possible to show better performance than previous studies for super-resolution images of dogs and cats. Furthermore, we were able to synthesize images more naturally on the benchmark dataset. | |
| キーワード | （和） | 超解像度技術 / GAN / SENet / 画像分類 / ResNet / / / |
| （英） | super-resolution / generative adversarial networks / SENet / Image classification / ResNet / / / | |
| 文献情報 | 信学技報, vol. 122, no. 55, IMQ2022-3, pp. 12-17, 2022年5月. | |
| 資料番号 | IMQ2022-3 | |
| 発行日 | 2022-05-20 (IMQ) | |
| ISSN | 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 | IMQ2022-3 |
|
| 研究会情報 | |
| 研究会 | IMQ |
| 開催期間 | 2022-05-27 - 2022-05-27 |
| 開催地（和） | 東京工科大学八王子キャンパス |
| 開催地（英） | |
| テーマ（和） | イメージ・メディア・クオリティ一般 |
| テーマ（英） | Image Media Quality, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IMQ |
| 会議コード | 2022-05-IMQ |
| 本文の言語 | 日本語 |
| タイトル（和） | Classification-ESRGAN |
| サブタイトル（和） | 被写体のカテゴリー分類による超解像度画像の合成 |
| タイトル（英） | Classification-ESRGAN |
| サブタイトル（英） | Synthesis of super-resolution images based on subject categorization |
| キーワード(1)（和/英） | 超解像度技術 / super-resolution |
| キーワード(2)（和/英） | GAN / generative adversarial networks |
| キーワード(3)（和/英） | SENet / SENet |
| キーワード(4)（和/英） | 画像分類 / Image classification |
| キーワード(5)（和/英） | ResNet / ResNet |
| 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） | 劉 敬安 / Jingan Liu / リュウ ケイアン |
| 第1著者 所属（和/英） | 工学院大学 (略称： 工学院大) Kogakuin University (略称： Kogakuin Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 原田 侑 / Atsumu Harada / ハラダ アツム |
| 第2著者 所属（和/英） | 工学院大学 (略称： 工学院大) Kogakuin University (略称： Kogakuin Univ.) |
| 第3著者 氏名（和/英/ヨミ） | ナイワラ P. チャンドラシリ / Naiwala P. Chandrasiri / ナイワラ P. チャンドラシリ |
| 第3著者 所属（和/英） | 工学院大学 (略称： 工学院大) Kogakuin University (略称： Kogakuin Univ.) |
| 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 | 2022-05-27 14:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IMQ |
| 資料番号 | IMQ2022-3 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.55 |
| ページ範囲 | pp.12-17 |
| ページ数 | 6 |
| 発行日 | 2022-05-20 (IMQ) |
[研究会発表申込システムのトップページに戻る]