심층 신경망 기반 효율적인 단일 영상 초해상도 복원 기법

Abstract

단일 영상 초해상도 복원은 하나의 저해상도 영상에서 고해상도 영상을 복원하는 과정이다. 최근 깊은 인공 신경망 기술이 발전함에 따라 단일 영상 초해상도 복원에서도 깊은 인공 신경망 기술이 성과를 나타냈다. 본 논문은 단일 영상 초해상도 복원을 위해 깊은 인공 신경망 기술을 효율적으로 적용하는 방법에 대해 연구하였으며, 네트워크 내부 확대 기법, L1 손실 함수의 사용, 잔차 학습 구조를 통해 기존 기법보다 효율적으로 영상 복원하는 기법을 제안한다. 제안하는 방법은 기존 방법보다 화질은 PSNR기준으로 0.57dB만큼 우수하며 속도는 1.48배 빠른 것을 실험을 통해 확인하였다.

Single image super-resolution is to restore a high-resolution image from a low-resolution image. Recently, deep neural networks have been applied in various image processing field, and they achieve successful results in the single image super-resolution. In this paper, we propose an efficient way of utilizing the deep neural networks to the single image super-resolution. we improve the quality of single image super-resolution by using convolution transpose layer, L1 loss function, and residual learning. Experimental results have shown that our method is 0.57㏈ better in terms of PSNR and 1.48 times faster in execution time, compared with existing methods.