웨이블릿 변환 기반 합성곱 신경망을 이용한 초고해상도 영상 복원 기법 성능 비교 및 분석 :Comparison and analysis of super-resolution using convolutional neural network based on wavelet transform

이현재

추천

검색

자료유형: 학위논문

저자정보: 이현재 (영남대학교, 영남대학교 대학원)

지도교수: 최상규

발행연도: 2018

저작권: 영남대학교 논문은 저작권에 의해 보호받습니다.

이용수0

이 논문의 연구 히스토리 (2)

2018

웨이블릿 변환 기반 합성곱 신경망을 이용한 초고해상도 영상 복원 기법 성능 비교 및 분석

이현재 정보통신공학과 2018.01 학위논문

2017

웨이블릿 변환 데이터를 학습한 합성곱 신경망 기반의 초해상도 복원 기법

이현재 , 정호열 , 최규상 한국통신학회 학술대회논문집 2017.11 학술대회자료

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

최근 데이터 수의 증가와 하드웨어 성능 향상으로 인해 합성곱 신경망을 사용한 다양한 연구가 이루어지고 있다. 이를 바탕으로 컴퓨터 비젼 분야의 많은 문제들이 해결되고 있으며, 초고해상도 복원 기법 분야 또한 그중 하나다. 기존의 초고해상도 복원 기법으로 필터 보간법, 예측모델 등 많은 방법이 있다. 하지만, 영상이 전체적으로 흐릿하고, 에지 정보가 많이 손실되는 단점이 있다. 합성곱 신경망의 경우 기존의 초고해상도 복원 기법보다 높은 성능을 입증하였고, 지금도 많은 연구 중에 있다. 특히, 영상의 고주파수 영역 복원을 위한 합성곱 신경망들이 제안되고 있다. 그중 디지털 신호 처리 및 이미지 압축에 사용되는 웨이블릿 변환 기반 합성곱 신경망이 고주파 복원에 높은 성능을 보이고 있다. 웨이블릿 변환은 영상의 서브밴드를 분할할 수 있으며, 이는 합성곱 신경망이 고주파 영역을 집중적으로 학습할 수 있도록 도와주는 역할을 한다. 영상에 웨이블릿 변환을 적용하여 서브밴드를 학습하며, 출력된 결과를 역웨이블릿 변환을 적용하여 고해상도의 영상을 얻는다. 본 논문에서는 웨이블릿 변환 기반 합성곱 신경망과 기존 합성곱 신경망의 성능을 평가하고, 비교 및 분석한다.

Ⅰ. 서 론 10
Ⅱ. 관련 연구 12
2.1 ANN(Artificial Neural Network) 12
2.2 SRCNN(Super-Resolution Convolutional Neural Network) 14
Ⅲ. 합성곱 신경망 기반의 초고해상도 영상 복원기법 17
3.1 VDSR(Very Deep Super-Resolution) 17
3.2 DWSR(Deep Wavelet Super-Resolution) 20
3.3 ISSR(Individual Sub-band Super-Resolution) 24
Ⅳ. 실험 환경 27
4.1 데이터 전처리 27
4.2 학습 환경 29
V. 실험 결과 및 분석 31
5.1 합성곱 신경망의 계층 깊이에 따른 성능 비교 31
5.2 학습 데이터의 수에 따른 성능 비교 33
5.3 최적의 환경에서의 성능 및 실행 시간 비교 36
5.4 초고해상도 복원기법이 적용된 영상을 시각적 비교 37
Ⅵ. 결 론 42
참 고 문 헌 43
Abstract 46

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)