深層CNNとスキップ接続およびネットワークインネットワークを用いた高速かつ高精度な画像超解像

私たちは、深層畳み込みニューラルネットワーク（Deep CNN）を用いた、効率的かつ高速な単一画像超解像（Single Image Super-Resolution: SISR）モデルを提案します。最近の研究では、Deep CNNが単一画像超解像において優れた再構成性能を示していることが明らかになっています。現在の傾向は、より深いCNN層を使用して性能を向上させることですが、深いモデルは大きな計算リソースを必要とし、モバイル端末やタブレット、IoTデバイスなどのネットワークエッジデバイスには適していないという課題があります。私たちのモデルは、Deep CNNに残差ネットワーク（Residual Net）、スキップ接続（Skip Connection）、およびネットワークインネットワーク（Network in Network: NiN）を組み合わせたDCSCNによって、少なくとも10倍低い計算コストで最先端の再構成性能を達成しています。Deep CNNとスキップ接続層の組み合わせは、局所的な領域と全体的な領域における画像特徴量抽出器として使用されます。また、次元削減を行いながら情報損失を最小限に抑え、高速な計算を可能にするネットワークインネットワークのような1x1 CNNも並列化して使用されています。これにより、元の画像を直接処理することが可能になります。さらに、各CNNの層数とフィルター数を最適化することで計算コストを大幅に削減しています。したがって、提案するアルゴリズムは最先端の性能だけでなく、高速かつ効率的な計算も実現しています。コードは以下のURLから入手可能です：https://github.com/jiny2001/dcscn-super-resolution