文献

J-GLOBAL ID：201802214957507368   整理番号：18A0518734

圧縮センシングのための合成解析deconvolutionalネットワーク【Powered by NICT】

Synthesis-analysis deconvolutional network for compressed sensing

著者 (2件)： Liu Qiegen (School of Electronic Information Engineering, Nanchang University, Nanchang, 330031, China) ,  Leung Henry (Department of Electrical and Computer Engineering, University of Calgary, Calgary, T2N 1N4, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 1940-1944  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 二つの代表的なタイプのモデルとしてスパース符号化(SC)とMarkov確率場(MRF)を用いて,合成学習と解析学習は,画像多様体を記述するために二相補的手段である。SCは規則的特徴/陽的視覚多様体を表現する強度を有するが,その有効性は,訓練データセットに依存する。がMRFは確率的テクスチャ/陰的視覚多様体を特徴づける高訓練計算量のコストでが大きな可能性を有する。本論文では,畳込み演算子を用いて,統一された合成と解析deconvolutional網(SADN)を紹介した。スパースであることを生成符号化係数を必要とするだけでなく,またフィルタと訓練された画像間のコンボリューションをスパースであった。提案したモデルは,両方のSCとMRFの強度,生成的アプローチと識別的の両能力を有する一般的な画像を表現するためにそれを組み込んだ。得られた最小化は交互最適化と反復再重みづけ最小二乗(IRLS)の組み合わせにより検討した。圧縮センシング(CS)応用上で行った実験は定量的にも定性的にもその大きな可能性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 最小二乗法 ,  フィルタ ,  符号化 ,  学習 ,  計算量 ,  透視図法 ,  畳込み ,  視覚 ,  重みづけ ,  最適化 ,  画像 ,  *多様体
準シソーラス用語： Markov確率場 ,  スパースコーディング ,  *圧縮センシング , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 圧縮センシング ,  合成解析