文献

J-GLOBAL ID：201302299693600871   整理番号：13A0889525

重み付き特徴量と符号量見積もりに基づくCNN予測器の設計とその評価

Designing and Evaluation of CNN Predictors based on Weighted Feature Quantity and Estimate of Coding Bits

著者 (6件)： 瀧澤恵介 (東京理大 理工) ,  青森久 (中京大 工) ,  大竹敢 (玉川大 工) ,  松田一朗 (東京理大 理工) ,  伊東晋 (東京理大 理工) ,  田中衞 (上智大 理工)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 113  号： 15(NLP2013 1-8)  ページ： 1-6  発行年： 2013年04月18日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年,医療や芸術などの分野を中心に可逆符号化方式への関心が高まってきている。また,多様な受信端末に対応する解像度での再生を可能とするスケーラブルな符号化方式が注目されている。これらの背景から,我々は輪郭の方向性に応じたCNN予測器と予測誤差を算術符号化する際の確率モデルを画素毎に適応選択する方式を提案した。本論文ではこれを基本方式として採用している。基本方式においては,予測器設計において,階層毎に予測誤差のエントロピーを最小とするCNNパラメータの組を決定しているが,算術符号化を前提としたパラメータ設定法では無いという問題点がある。本論文では,予測誤差を算術符号化する際の見積もり符号量を最小とするよう最終階層から逆順に予測器を反復的に最適化することで基本方式の問題点を克服すると共に効率的な符号化を実現している。さらに,確率モデルを推定する特徴量算出の際に,階層差に逆比例した重み付けを参照する予測誤差にすることで,コンテクストモデリングにおける確率モデル推定精度の向上を図っている。(著者抄録)

シソーラス用語： *セルラニューラルネットワーク ,  *画像符号化 ,  教師つき学習 ,  最適化 ,  予測技法 ,  予測誤差 ,  指標 ,  離散時間ニューラルネットワーク ,  粒子群最適化 ,  改変
準シソーラス用語： 可逆符号化 ,  画像特徴量 ,  符号量 ,  予測器

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： 特徴量 ,  符号量 ,  見積もり ,  CNN ,  予測器 ,  設計 ,  評価