抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
畳込みスパース符号化(CSC)は,コンピュータビジョンにおける教師なし学習のための有望な方向である。最近の管理された方法とは対照的に,CSCは,畳込み画像表現を可能にした高レベルビジョンタスクと低レベル画像再構成のための同等に有用であることを学ぶべき教訓と問題特定再学習なしにタスクの広い範囲に適用できる。極端な記憶の要求のために,しかし,既存のCSCソルバは,これまで時間で低分解能例画像の少数を用いた低次元問題とデータセットに限られていた。本論文では,コンセンサス最適化問題,これらの限界を高めるとしてCSCを解くための新しいアプローチを提案した。初めて大規模画像データセットから学習CSC特徴により,数イメージングタスクの顕著な品質改善を達成した。さらに,提案した方法は,既存のCSC法を用いて出来なくなってきたことを高次元特徴学習における新しい応用を可能にする。これは多様な問題領域を横切る再構成問題の実証した,3Dマルチスペクトルデモザイキングと4D光視野合成を含んでいる。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】