인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
최근 합성곱 신경망(CNN) 학습 기술의 발전으로 단일 이미지 초해상화(SISR) 분야에서 다양한 심층 학습기반 기법들이 우수한 성능을 보여주고 있다. 특히, 잔차 밀집 블록(Residual dense block)을 활용하여 초기 특징을 최종 계층까지 전달하고, 이전 계층의 출력을 후속 계층의 입력으로 사용하는 잔차 밀집 네트워크(RDN), 그리고 그와 유사한 기법들이 연구되어 왔다. 그러나 성능 향상을 위해 모델의 구조가 점점 복잡해지는 사례 역시 존재한다. 본 논문에서는 RDN의 기본 구조를 유지하면서도 성능 향상을 위해 기존 합성곱 연산을 자기 보정 합성곱으로 대체하는 방법을 제안한다. 제안한 모델은 구조가 복잡하지 않으면서 수용 영역을 확장하여 더 세밀한 복원 이미지를 생성하도록 한다. 실험 결과, 제안한 모델은 상당 수의 지표에서 기존 RDN 대비 우수한 성능을 보였으며, 이는 제안된 자기 보정 합성곱이 복원 품질 향상에 효과적임을 보여준다.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095647479
