文献

J-GLOBAL ID：202002267405810432   整理番号：20A1078617

圧縮画像回復のためのハイブリッドモデル:RESNETに基づく雑音除去のGAMPへの統合【JST・京大機械翻訳】

Hybrid model for compressive image recovery: Integrating ResNet-based denoiser into GAMP

著者 (2件)： Chen Qun (School of Automation, Guangdong University of Technology, Guangzhou 510006, China) ,  Zhang Haochuan (School of Automation, Guangdong University of Technology, Guangzhou 510006, China)
資料名： Signal Processing  (Signal Processing)
巻： 173  ページ： Null  発行年： 2020年 
JST資料番号： A0102B  ISSN： 0165-1684  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ニューラルネットワークは圧縮信号の回復において大きな成功を示した。しかし,これらのネットワークは,特定の測定行列に制限され,量子化のような非線形処理に適用できないように,訓練が困難な,主に未処理のブラックボックスである。これらのすべての障害を回避するために,本論文では,データ駆動モデル,ResNetをハンド設計アルゴリズム,GAMPに統合する新しいネットワークを提案し,反復スパース信号回復アルゴリズムを用いて解釈可能な深いネットワークを形成する非ローリング方法論に従った。他の最先端の方法と比較して,提案したアルゴリズムはより能力があるだけでなく,より複雑でない。一方では,顕著な利得によりLD-AMPとGAMPの両方を超える高性能で量子化画像を回復することができる。他方では,それはLD-AMPに類似する最良の競合モデルの半分であるモデルサイズを持っている。この理由のために,それはより安定で,訓練が容易である。その上,新しい方法は,GAMPアルゴリズムの一般性のために,トレーニングとテストフェーズの間の測定マトリックスの変化に鈍感である。また,時間のかかる最適化プロセスを避けるので,競合する非学習ベースの方法よりもはるかに高速に動作する。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  量子化 ,  学習 ,  ネットワーク ,  ニューラルネットワーク ,  ブラックボックス ,  利得 ,  横揺れ ,  普遍性 ,  *雑音除去
準シソーラス用語： *ハイブリッドモデル ,  データ駆動 ,  疎信号回復 ,  *圧縮画像 , 【Automatic Indexing@JST】

著者キーワード (3件)： LD-GAMP ,  GAMP ,  RESNET

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 圧縮画像 ,  回復 ,  ハイブリッドモデル ,  雑音除去 ,  統合