画像のスーパーレゾリューションのためのカスケード畳み込みニューラルネットワーク

超解像畳み込みニューラルネットワーク（SRCNN）の発展に伴い、深層学習技術は画像超解像分野に広く応用されるようになっている。従来の研究は主にSRCNNのネットワーク構造の最適化に注力しており、画像超解像において高速性と復元品質の両面で良好な性能を達成している。しかし、これらの大多数の手法は学習プロセスにおいて特定のスケールの画像のみを考慮しており、異なるスケール間の関係性を無視しているという課題がある。この問題意識に基づき、本論文では、画像超解像を目的とした段階的畳み込みニューラルネットワーク（CSRCNN）を提案する。本手法は3段階に接続された高速SRCNN（Fast SRCNN）から構成されており、各Fast SRCNNは特定のスケールの画像処理を担当する。異なるスケールの画像を同時に学習可能であり、学習されたネットワークは異なるスケールに内在する情報を効果的に活用できる。広範な実験の結果、本ネットワークは画像超解像において優れた性能を発揮することが確認された。