水平・垂直畳み込みニューラルネットワークを用いた超解像

カテゴリ: 論文誌(論文単位)

グループ名: 【C】電子・情報・システム部門

発行日: 2018/07/01

タイトル(英語): Super-Resolution with Horizontal and Vertical Convolutional Neural Networks

著者名: 加藤　裕（神戸大学大学院工学研究科電気電子工学専攻），大谷　真也（神戸大学大学院工学研究科電気電子工学専攻），黒木　修隆（神戸大学大学院工学研究科電気電子工学専攻），廣瀬　哲也（神戸大学大学院工学研究科電気電子工学専攻），沼　昌宏（神戸大学大学院工学研究科電気電子工学専攻）

著者名(英語): Yu Kato (Guraduate School of Engineering, Kobe University), Shinya Ohtani (Guraduate School of Engineering, Kobe University), Nobutaka Kuroki (Guraduate School of Engineering, Kobe University), Tetsuya Hirose (Guraduate School of Engineering, Kobe Univers

キーワード: 超解像，画像強調，畳み込みニューラルネットワーク，深層学習　　super-resolution，resolution enhancement，convolutional neural networks，deep learning

要約(英語): This paper proposes an image super-resolution technique with convolutional neural networks using horizontal and vertical filters. In the proposed method, calculation costs become small because square filters at a hidden layer are replaced with horizontal and vertical bar filters. Experimental results have shown that the average processing time for the proposed architecture was only a half of the conventional one while keeping high image qualities.

本誌: 電気学会論文誌C（電子・情報・システム部門誌） Vol.138 No.7 （2018）特集：平成29年電子・情報・システム部門大会

本誌掲載ページ: 957-963 p

原稿種別: 論文／日本語

電子版へのリンク: https://www.jstage.jst.go.jp/article/ieejeiss/138/7/138_957/_article/-char/ja/