複数の伝搬経路を持つ畳み込みニューラルネットワークによる超解像

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: 2020/06/01

タイトル(英語): Super-Resolution with Multi-Path Convolutional Neural Networks

著者名: 浦添　和哉（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），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），廣瀬　哲也（大阪大学大学院工学研究科電気電子情報工学専攻），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): Kazuya Urazoe (Graduate School of Engineering, Kobe University), Nobutaka Kuroki (Graduate School of Engineering, Kobe University), Yu Kato (Graduate School of Engineering, Kobe University), Shinya Ohtani (Graduate School of Engineering, Kobe University), Tetsuya Hirose (Graduate School of Engineering, Osaka University), Masahiro Numa (Graduate School of Engineering, Kobe University)

キーワード: 超解像，解像度変換，畳み込みニューラルネットワーク，CNNアーキテクチャ　　super-resolution，resolution conversion，convolutional neural networks，CNN architecture

要約(英語): This paper proposes an image super-resolution using convolutional neural networks (CNNS) with multiple paths.After SRCNN was proposed by C. Dong et al., CNN-based super resolutions are getting larger and deeper. They do not work quickly without accelerators such as GPU any more. For practical use, however, we need to design CNNs with less internal parameters and low computational costs for convolution operation.The proposed CNN architecture consists of multiple paths with different depth. While a shallow path generates low frequency components, a deep path generates high frequency ones. Finally, they are synthesized at the last layer. This architecture can reduce the number of parameters relative to its performance.Experimental results have shown that the average processing time for the proposed CNN was only 25% of the conventional MCH 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.140 No.6 （2020） 特集：来るべきIoT社会に向けた情報通信技術

本誌掲載ページ: 638-650 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/140/6/140_638/_article/-char/ja/