고밀도 스킵 연결을 통한 재귀 잔차 구조를 이용한 단일 이미지 초해상도 기법 = Single Image Super-resolution using Recursive Residual Architecture Via Dense Skip Connections

국문 초록 (Abstract)

최근, 단일 이미지 초해상도 복원 기법(super-resolution)에서 컨볼루션 신경망 모델은 매우 성공적이다. 잔여 학습 기법은 컨볼루션 신경망 훈련의 안전성과 성능을 향상시킬 수 있다. 본 논문은 저해상도 입력 이미지에서 고해상도 목표 이미지로 비선형 매핑 학습을 위해 고밀도 스킵 연결(dense skip-connection)을 통한 재귀 잔차 구조를 이용한 단일 이미지 초해상도 복원 기법을 제안한다. 제안하는 단일 이미지 초해상도 복원 기법은 고밀도 스킵 연결 방식을 통해 재귀 잔차 학습 방법을 채택해서 깊은 신경망에서 학습이 어려운 문제를 완화하고 더 쉽게 최적화하기 위해 신경망 안에 불필요한 레이어를 제거한다. 제안하는 방법은 매우 깊은 신경망의 사라지는 변화도(vanishing gradient) 문제를 완화할 뿐만 아니고 낮은 복잡성으로 뛰어난 성능을 얻음으로써 단일 이미지 초해상도 복원 기법의 성능을 향상시킨다. 실험 결과를 통해 제안하는 알고리듬이 기존의 알고리듬 보다 결과가 더 우수함을 보인다.

참고문헌 (Reference)

1 W. Zou, "Very low resolution face recognition problem" 21 (21): 327-340, 2011

2 H. Chang, "Super-resolution through neighbor embedding" 2004

3 S. Peled, "Super-resolution in MRI: application to human white matter fiber tract visualization by diffusion tensor imaging" 45 (45): 29-35, 2001

4 D. Glasner, "Super-resolution from a single image" 2009

5 R. Timofte, "Seven ways to improve example-based single image super resolution" 1865-1873, 2016

6 P. Sermanet, "Overfeat: Intergrated recognition, localization and detection using convolution networks" 2013

7 R. Zeyde, "On single image scale-up using sparse-representations" 711-730, 2012

8 C. G. Marco Bevilacqua, "Low complecity single-image super-resolution based on nonnegative neighbor embedding" 2012

9 W. T. Freeman, "Learning low-level vision" 40 (40): 25-47, 2000

10 C. E. Duchon, "Lanczos filtering in one and two dimensions" 1016-1022, 1979

11 M. Irani, "Improving resolution by image registration" 231-239, 1991

12 A. Krizhevsky, "Imagenet calssification with deep convolutiuon neural network" 2012

13 J. Yang, "Image super-resolution via sparse representation" 19 (19): 2010

14 C. Dong, "Image super-resolution using deep convolution networks" 38 (38): 2016

15 B. K. Gunturk, "Eigenface-domain super-resolution for face recognition" 12 (12): 597-606, 2003

16 G. H, Z. L, L. van der Maaten, "Densely connected convolutional networks" 2017

17 K. He, "Deep residual learning for image recognition" 2015

18 Nah, "Deep multi-scale convolutional neural network for dynamic scene deblurring" 2016

19 D. Y. Han, "Comparison of commonly used image interpolation methods" 2013

20 W. Shi, "Cardiac image super-resolution with global correspondence using multi-atlas patchmatch" 9-16, 2013

21 S. Ioffe, "Batch normalization : Accelerating deep network training by reducing internal covariate shift" 1097-1105, 2012

22 J. Kim, "Accurate image super-resolution using very deep convolution networks" 2016

23 C. Dong, "Accelerating the super-resolution convolutional neural network" 2016

24 R. Timofte, "A+: Adjusted anchored neighborhood regression for fast super-resolution" 2014

25 D. Martin, "A database of human segmented natural images and its application to evaluating segmentation algorithms and measuring ecological statistics" 2001