要約
最新の深層学習手法は、様々な画像復元タスクにおいて最先端の信号処理手法を上回る性能を示しています。しかし、画像に多くのパターンや構造が含まれている場合、これらのCNN（畳み込みニューラルネットワーク）の性能は依然として劣ることがあります。この問題に対処するため、本稿では従来の残差学習を上回る新しい特徴空間での深層残差学習アルゴリズムを提案します。本アルゴリズムの主なアイデアは、入力またはラベルの多様体が解析的なマッピングにより特徴空間で位相的に単純化されると、学習アルゴリズムの性能が向上することに基づいています。我々が行ったノイズ除去実験とNTIREシングルイメージスーパーレゾリューション（SISR）コンペティションにおける広範な数値研究は、提案された特徴空間での残差学習が既存の最先端手法を上回ることを示しています。さらに、当アルゴリズムはトップチームと比較して5〜10倍速い計算時間でNTIREコンペティションで3位となりました。ソースコードは以下のページで公開されています: https://github.com/iorism/CNN.git