
要約
ブースティングは、多様なコンピュータビジョンタスクに成功裏に適用されてきた古典的なアルゴリズムである。しかし、画像ノイズ除去の文脈においては、近年登場した学習ベースのモデルに、従来のブースティング手法はすでに及ばなくなっている。本論文では、前向きに結合された複数の畳み込みネットワークを統合する新しい深層ブースティングフレームワーク(DBF)を提案する。しかしながら、統合されたネットワークにより、ブースティングフレームワークの深さが顕著に増大し、学習の難易度が高まるという課題が生じる。この問題を解決するために、勾配消失を克服するための密接接続(dense connection)の概念を導入する。さらに、拡張畳み込み(dilated convolution)と協調するパス広げ融合スキームを提案し、軽量でありながら効率的な畳み込みネットワークとしてのブースティングユニットを構築した。これを「拡張密接融合ネットワーク(Dilated Dense Fusion Network; DDFN)」と命名する。広範な実験により、本研究で提案するDBFが、さまざまなノイズ除去タスクにおいて、既存手法を上回る性能を示すことが実証された。