文献

J-GLOBAL ID：201802276636329342   整理番号：18A0518958

圧縮センシングにおけるスパース性平均化のための重み行列の学習【Powered by NICT】

Learning the weight matrix for sparsity averaging in compressive imaging

著者 (4件)： Perdios Dimitris (Signal Processing Laboratory (LTS5), Ecole Polytechnique Fe ́de ́rale de Lausanne (EPFL), Switzerland) ,  Besson Adrien (Signal Processing Laboratory (LTS5), Ecole Polytechnique Fe ́de ́rale de Lausanne (EPFL), Switzerland) ,  Rossinelli Philippe (Signal Processing Laboratory (LTS5), Ecole Polytechnique Fe ́de ́rale de Lausanne (EPFL), Switzerland) ,  Thiran Jean-Philippe (Signal Processing Laboratory (LTS5), Ecole Polytechnique Fe ́de ́rale de Lausanne (EPFL), Switzerland)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 3056-3060  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： 深部ニューラルネットワーク(DNN)への高速反復ソフト閾値アルゴリズムを写像し,ウェーブレット基底の連結における事前スパース性,圧縮イメージングとの関連ですることを提案した。対応する再重みづけl_1最小化問題の最適重み行列を学習するためにDNNアーキテクチャを利用した。後画像再構成プロセスのための学習重み行列,簡単なl_1最小化問題として再計算を用いた。学習拡張FISTAと呼ぶ手法は,画像品質に関して,最先端のアルゴリズムと比較して有望な結果を示し,再重みづけl_1最小化問題を解くために必要な再構成時間を大幅に短縮する。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： 画質 ,  波束 ,  計算機アーキテクチャ ,  画像再構成 ,  最小化問題 ,  再構成 ,  高速度 ,  *学習 ,  アルゴリズム ,  重みづけ ,  基底 ,  画像処理
準シソーラス用語： 最先端 ,  *スパース性 ,  *圧縮センシング , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  音声処理  (JE05000E)

タイトルに関連する用語 (5件)： 圧縮センシング ,  スパース性 ,  平均 ,  行列 ,  学習