| 講演名 | 2018-06-29 残差学習に基づくディープネットワークを用いた画像の雨すじ除去 松井 拓郎(慶大), 池原 雅章(慶大), 藤沢 貴典(慶大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 屋外で使われるカメラは天候の影響を受けてしまう．本論文では，単一画像から雨すじを除去する問題について扱う．雨すじ除去の先行研究の中には，画像の低周波部分の情報を考慮しないことにより色彩が変わってしまうものや，十分な雨画像モデルを想定できていないために性能が画像の種類に依存してしまうものがある．これらを解決するために，我々は，残差学習を用いた雨除去ネットワークを提案し，これをResDerainNetと名付ける．多層畳み込みニューラルネットワーク（CNN）をベースにして，入力である雨画像と推定雨ノイズである残差画像の間の関係を学習させる．さらに，ネットを訓練するために，様々な雨モデルを仮定して合成雨画像を作成する．とりわけ，我々は雨すじの方向や大きさだけでなく，画像合成モデルに主に焦点を当てて議論する．実験により，我々の提案する雨すじ除去手法が様々な種類の画像に対して適応できることを示す．先行研究と比較して，我々の提案手法が合成雨画像に対しても自然雨すじ画像に対してもより良い結果を出すことをできることを示す． |
| 抄録(英) | Most outdoor vision systems can be influenced by rainy weather conditions. In this paper, we address a rain removal problem from a single image. Some existing de-raining methods suffer from hue change due to neglect of the information in low frequency layer. Others fail in assuming enough rainy image models. To solve them, we propose a residual deep network architecture called ResDerainNet. Based on the deep convolutional neural network (CNN), we learn the mapping relationship between rainy and residual images from data. Furthermore, for training, we synthesize rainy images considering various rain models. Specifically, we mainly focus on the composite models as well as orientations and scales of rain streaks. The experiments demonstrate that our proposed model is applicable to a variety of images. Compared with state-of-the-art methods, our proposed method achieves better results on both synthetic and real-world images. |
| キーワード(和) | 雨除去 / 深層学習 / 畳み込みニューラルネットワーク / 残差学習 / バッチ正則化 |
| キーワード(英) | rain removal / deep learning / convolutional neural networks / residual learning / batch normalization |
| 資料番号 | IE2018-23 |
| 発行日 | 2018-06-22 (IE) |
| 研究会情報 | |
| 研究会 | IE |
|---|---|
| 開催期間 | 2018/6/29(から1日開催) |
| 開催地（和） | 沖縄セルラー電話 |
| 開催地（英） | |
| テーマ（和） | 画像処理・符号化および一般 |
| テーマ（英） | Image processing, coding, etc. |
| 委員長氏名（和） | 浜本 隆之(東京理科大) |
| 委員長氏名（英） | Takayuki Hamamoto(Tokyo Univ. of Science) |
| 副委員長氏名（和） | 児玉 和也(NII) / 木全 英明(NTT) |
| 副委員長氏名（英） | Kazuya Kodama(NII) / Hideaki Kimata(NTT) |
| 幹事氏名（和） | 高橋 桂太(名大) / 河村 圭(KDDI総合研究所) |
| 幹事氏名（英） | Keita Takahashi(Nagoya Univ.) / Kei Kawamura(KDDI Research) |
| 幹事補佐氏名（和） | 松尾 康孝(NHK) / 早瀬 和也(NTT) |
| 幹事補佐氏名（英） | Yasutaka Matsuo(NHK) / Kazuya Hayase(NTT) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Image Engineering |
|---|---|
| 本文の言語 | ENG-JTITLE |
| タイトル（和） | 残差学習に基づくディープネットワークを用いた画像の雨すじ除去 |
| サブタイトル（和） | |
| タイトル（英） | Single-image Rain Removal Using Residual Deep Learning |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 雨除去 / rain removal |
| キーワード(2)（和/英） | 深層学習 / deep learning |
| キーワード(3)（和/英） | 畳み込みニューラルネットワーク / convolutional neural networks |
| キーワード(4)（和/英） | 残差学習 / residual learning |
| キーワード(5)（和/英） | バッチ正則化 / batch normalization |
| 第 1 著者 氏名（和/英） | 松井 拓郎 / Takuro Matsui |
| 第 1 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 2 著者 氏名（和/英） | 池原 雅章 / Masaaki Ikehara |
| 第 2 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 3 著者 氏名（和/英） | 藤沢 貴典 / Takanori Fujisawa |
| 第 3 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 発表年月日 | 2018-06-29 |
| 資料番号 | IE2018-23 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | IE-113 |
| ページ範囲 | pp.13-18(IE), |
| ページ数 | 6 |
| 発行日 | 2018-06-22 (IE) |