論文の概要: Recurrent Super-Resolution Method for Enhancing Low Quality Thermal Facial Data

• arxiv url: http://arxiv.org/abs/2209.10489v1
• Date: Wed, 21 Sep 2022 16:44:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 15:59:23.947810
• Title: Recurrent Super-Resolution Method for Enhancing Low Quality Thermal Facial Data
• Title（参考訳）: 低品質熱顔データ改善のための繰り返し超解像法
• Authors: David O'Callaghan, Cian Ryan, Waseem Shariff, Muhammad Ali Farooq, Joseph Lemley, Peter Corcoran
• Abstract要約: 我々は,非冷却熱カメラから取得した低分解能熱画像データの品質を向上させるために,新しいマルチイメージ超解像リカレントニューラルネットワークを提案し,開発した。 このネットワークは、4倍の超高解像度の検証データセット上で平均ピーク信号とノイズ比を39.24で達成し、定量的にも定性的にもバイキュービックよりも優れていた。
• 参考スコア（独自算出の注目度）: 1.7289819674602296
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The process of obtaining high-resolution images from single or multiple low-resolution images of the same scene is of great interest for real-world image and signal processing applications. This study is about exploring the potential usage of deep learning based image super-resolution algorithms on thermal data for producing high quality thermal imaging results for in-cabin vehicular driver monitoring systems. In this work we have proposed and developed a novel multi-image super-resolution recurrent neural network to enhance the resolution and improve the quality of low-resolution thermal imaging data captured from uncooled thermal cameras. The end-to-end fully convolutional neural network is trained from scratch on newly acquired thermal data of 30 different subjects in indoor environmental conditions. The effectiveness of the thermally tuned super-resolution network is validated quantitatively as well as qualitatively on test data of 6 distinct subjects. The network was able to achieve a mean peak signal to noise ratio of 39.24 on the validation dataset for 4x super-resolution, outperforming bicubic interpolation both quantitatively and qualitatively.
• Abstract（参考訳）: 同一シーンの単一または複数の低解像度画像から高解像度画像を得るプロセスは、実世界の画像および信号処理アプリケーションにとって非常に興味深い。 本研究は, 深層学習に基づく画像超解像アルゴリズムによる車室内車両運転監視システムにおける高画質熱画像化手法の可能性を検討するものである。 本研究では,非冷却熱カメラから取得した低分解能熱画像データの品質向上と高分解能化を目的とした,新しいマルチイメージ超解像リカレントニューラルネットワークを提案する。 エンドツーエンドの完全な畳み込みニューラルネットワークは、屋内環境下で新たに取得した30人の被験者の熱データをスクラッチからトレーニングする。 熱調整された超解像ネットワークの有効性を、6つの異なる被験者の試験データから定量的に検証する。 ネットワークは4倍超分解能の検証データセット上で平均ピーク信号対雑音比39.24を達成し、定量的および定性的にbicubic補間を上回った。

関連論文リスト

• Research on Image Super-Resolution Reconstruction Mechanism based on Convolutional Neural Network [8.739451985459638]
  超解像アルゴリズムは、同一シーンから撮影された1つ以上の低解像度画像を高解像度画像に変換する。 再構成過程における画像の特徴抽出と非線形マッピング手法は,既存のアルゴリズムでは依然として困難である。 目的は、高解像度の画像から高品質で高解像度の画像を復元することである。
  論文  参考訳（メタデータ） (2024-07-18T06:50:39Z)
• Cross-resolution Face Recognition via Identity-Preserving Network and Knowledge Distillation [12.090322373964124]
  クロスレゾリューション顔認識は、現代の深層顔認識システムにとって難しい問題である。 本稿では,低分解能画像の低周波成分に蓄積される識別情報にネットワークを集中させる新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-03-15T14:52:46Z)
• Uncovering the Over-smoothing Challenge in Image Super-Resolution: Entropy-based Quantification and Contrastive Optimization [67.99082021804145]
  我々はDetail Enhanced Contrastive Loss (DECLoss)と呼ばれるCOO問題に対する明確な解決策を提案する。 DECLossはコントラスト学習のクラスタリング特性を利用して、潜在的な高分解能分布の分散を直接的に低減する。 我々は複数の超高解像度ベンチマーク上でDECLosを評価し,PSNR指向モデルの知覚品質を向上させることを実証した。
  論文  参考訳（メタデータ） (2022-01-04T08:30:09Z)
• Photothermal-SR-Net: A Customized Deep Unfolding Neural Network for Photothermal Super Resolution Imaging [9.160910754837756]
  本論文では, 基礎物理を考慮した深部展開によるデコンボリューションを行う光熱SR-Netを提案する。 光熱SR-Netは、各畳み込み層の得られた熱画像に訓練されたブロック分散しきい値を適用します。
  論文  参考訳（メタデータ） (2021-04-21T14:41:04Z)
• Simultaneous Face Hallucination and Translation for Thermal to Visible Face Verification using Axial-GAN [74.22129648654783]
  低分解能熱画像から熱可視面検証のタスクを紹介します。 本稿では,Axial-Generative Adversarial Network (Axial-GAN)を提案する。
  論文  参考訳（メタデータ） (2021-04-13T22:34:28Z)
• Boosting Image Super-Resolution Via Fusion of Complementary Information Captured by Multi-Modal Sensors [21.264746234523678]
  イメージスーパーレゾリューション(sr)は、低解像度光センサの画質を向上させる有望な技術である。 本稿では,安価なチャネル(可視・深度)からの補完情報を活用して,少ないパラメータを用いて高価なチャネル(熱)の画像品質を向上させる。
  論文  参考訳（メタデータ） (2020-12-07T02:15:28Z)
• Invertible Image Rescaling [118.2653765756915]
  Invertible Rescaling Net (IRN) を開発した。 我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
  論文  参考訳（メタデータ） (2020-05-12T09:55:53Z)
• Joint-SRVDNet: Joint Super Resolution and Vehicle Detection Network [17.57284924547865]
  車両の識別・高分解能画像を生成するための統合超解像・車両検出ネットワーク(Joint-SRVDNet)を提案する。 空中画像はMsGAN(Multiscale Generative Adversarial Network)を用いて4倍の係数でアップスケールされる。 ネットワークは、ターゲットの階層的特徴と識別的特徴を共同で学習し、最適な超解像結果を生成する。
  論文  参考訳（メタデータ） (2020-05-03T04:28:44Z)
• Attention Based Real Image Restoration [48.933507352496726]
  深層畳み込みニューラルネットワークは、合成劣化を含む画像に対してより良い性能を発揮する。 本稿では,新しい1段ブラインド実画像復元ネットワーク(R$2$Net)を提案する。
  論文  参考訳（メタデータ） (2020-04-26T04:21:49Z)
• Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
  畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。 ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。 提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
  論文  参考訳（メタデータ） (2020-03-15T11:04:30Z)
• Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
  本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。 特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
  論文  参考訳（メタデータ） (2020-03-02T13:28:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。