| 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 | 2018-05-25 14:15 CNNの構造に基づいた多視点超解像画像の最適設計と符号化画質評価 ○河畑則文（名大）  IMQ2018-3 |
|
| 抄録 | （和） | 多視点画像は多くの視点を扱うため，単視点画像と比較して，1視点毎の画面解像度は低い．それゆえに，画像提示の際に，超解像処理がなされることが多い．低解像度画像から高解像度画像に変換する際に，出力データは，入力データより多くのデータを出力することになる．このことから，今までに，ニューラルネットワークを用いる手法が研究されており，更に，深層学習ツールの普及により，超解像処理に関して深層学習に基づくアプローチが可能になった．単に，超解像処理に深層学習理論を適用するだけでも性能は発揮されるが，アルゴリズムの改良をし，最適なパラメータを設定することで，超解像処理における最適な条件及び設計がよりよく可能になると考える．本稿では，畳み込みニューラルネットワークの構造に着目して，Chainerを用いて，多視点3D符号化画像の超解像処理の最適な条件，設計に関する実験を行った．そして，生成画像に対して，画質評価を行い，各々の画像を比較し，考察を行った． |
| （英） | The image screen resolution by viewpoints is low, comparing to single-view images since there are many viewpoints for multi-view images. Therefore, the super-resolution image processing is often carried out in the case of presenting image. In the case of transforming from low to high resolution image, the number of output data is more than that of input data. From this, there are many studies for super-resolution processing method using neural network. Furthermore, we can come to approach on super-resolution processing based on deep learning by appearing deep learning tools. These performance are shown by applying the only deep learning theory for super-resolution processing. However, we consider that the optimal condition and design for super-resolution processing are achieved better by improving these algorithms and setting parameter appropriately. In this paper, first, we carried out experiments on optimal condition and design of super-resolution processing for the multi-view 3D images encoded and decoded by H.265/HEVC, focused on structure of convolutional neural network by using Chainer. And then, we assessed for the generated images quality objectively, and compare to each image. Finally, we discussed for experimental results. | |
| キーワード | （和） | 多視点3D画像 / 超解像 / Chainer / 畳み込みニューラルネットワーク / H.265/HEVC / PSNR / / |
| （英） | Multi-view 3D Image / Super-resolution / Chainer / Convolutional Neural Network (CNN) / H.265/HEVC / Peak Signal to Noise Ratio (PSNR) / / | |
| 文献情報 | 信学技報, vol. 118, no. 65, IMQ2018-3, pp. 15-20, 2018年5月. | |
| 資料番号 | IMQ2018-3 | |
| 発行日 | 2018-05-18 (IMQ) | |
| 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 | IMQ2018-3 |
|
| 研究会情報 | |
| 研究会 | IMQ |
| 開催期間 | 2018-05-25 - 2018-05-25 |
| 開催地（和） | 千葉工業大学 津田沼キャンパス |
| 開催地（英） | Chibe Institute of Technology, Tsudanuma Campus |
| 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 |
| 講演論文情報の詳細 | |
| 申込み研究会 | IMQ |
| 会議コード | 2018-05-IMQ |
| 本文の言語 | 日本語 |
| タイトル（和） | CNNの構造に基づいた多視点超解像画像の最適設計と符号化画質評価 |
| サブタイトル（和） | |
| タイトル（英） | Optimal Design and Coded Image Quality Assessment of the Multi-view and Super-resolution Images Based on Structure of Convolutional Neural Network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 多視点3D画像 / Multi-view 3D Image |
| キーワード(2)（和/英） | 超解像 / Super-resolution |
| キーワード(3)（和/英） | Chainer / Chainer |
| キーワード(4)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Network (CNN) |
| キーワード(5)（和/英） | H.265/HEVC / H.265/HEVC |
| キーワード(6)（和/英） | PSNR / Peak Signal to Noise Ratio (PSNR) |
| 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） | 河畑 則文 / Norifumi Kawabata / カワバタ ノリフミ |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | / / |
| 第2著者 所属（和/英） | (略称： ) (略称： ) |
| 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 | 2018-05-25 14:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IMQ |
| 資料番号 | IMQ2018-3 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | no.65 |
| ページ範囲 | pp.15-20 |
| ページ数 | 6 |
| 発行日 | 2018-05-18 (IMQ) |
[研究会発表申込システムのトップページに戻る]