지식 전이 기반의 해충 영상 초해상화 기법

국문 초록 (Abstract)

최근 초해상화 분야는 텍스처 복원과 인지 화질 평가에서 우수한 성능을 거두고 있는 인지 주도 방식이 대세를 이루고 있다. 기존의 인지 주도 기반의 초해상화 기법은 저해상도 영상을 사용해서 학습하기 때문에 고해상도 영상의 특징을 학습하기 어렵다는 단점이 있다. 따라서 본 연구에서는 고해상도 영상으로 학습된 오토인코더를 활용하여 고해상도 영상의 특징 정보를 초해상화 모델에 전이할 수 있는 신경망 모델을 제안하고자 한다. 또한 실험 결과를 통해, 제안한 지식 전이 손실 모델을 사용하여 복원 영상의 선명도를 개선할 수 있음을 입증하고자 한다.

다국어 초록 (Multilingual Abstract)

Recently, in the field of super-resolution, the cognitive-driven method, which has excellent performance in texture restoration and recognition quality evaluation, is in trend. The existing perceptual-driven super-resolution method has a disadvantage in that it is difficult to learn the characteristics of high-resolution images because it learns using low-resolution images. Therefore, in this study, we propose a neural network model that can transfer feature information of high-resolution images to super-resolution models by using autoencoders learned from high-resolution images. Also, through the experimental results, we intend to prove that the sharpness of the reconstructed image can be improved using the proposed knowledge transfer loss model.

목차 (Table of Contents)

• 요약
• Abstract
• Ⅰ. 서론
• Ⅱ. 관련 연구
• Ⅲ. 제안한 지식 전이 손실 모델
• Ⅳ. 실험 및 결과
• Ⅴ. 결론
• 참고문헌