動的単一画素イメージングとセンシングのための重み付き符号化最適化【JST・京大機械翻訳】

Zhan Xinrui; Bian Liheng; Zhu Chunli; Zhang Jun

プレプリント

J-GLOBAL ID：202202202269553401 整理番号：22P0025070

動的単一画素イメージングとセンシングのための重み付き符号化最適化【JST・京大機械翻訳】

Weighted Encoding Optimization for Dynamic Single-pixel Imaging and Sensing

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年01月08日プレプリントサーバーでの情報更新日： 2022年01月08日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

単一ピクセル検出を用いて,符号化と復号化の両方を同時に最適化するエンドツーエンドニューラルネットワークは,高精度イメージングと高レベル意味センシングを可能にする。しかし,様々なサンプリング速度に対して,大規模ネットワークには,労力と計算を消費する再訓練を必要とする。本レターでは,動的レート適応単一ピクセルイメージングとセンシングのための重み付き最適化技術を報告し,サンプリング速度に利用可能な1つの時間に対してネットワークを訓練するだけを必要とした。特に,異なるパターン変調効率を特徴付けるために,符号化プロセスにおける新しい重み付け方式を導入した。ネットワークを高サンプリングレートで訓練する間,変調パターンと対応する重みを反復的に更新し,収束するときに最適ランク符号化系列を生成する。実験実装において,最高の重みを有する最適パターン系列を光変調のために採用して,このように,高効率イメージングとセンシングを達成した。報告した戦略は,既存の動的単一ピクセルネットワークによって要求される別の低レートネットワークの追加訓練を節約し,さらに訓練効率をさらに二倍にする。MNISTデータセットに関する実験は,一度ネットワークが1のサンプリングレートで訓練されたとき,平均画像PSNRが0.1サンプリングレートで23.50dBに達し,そして,画像フリー分類精度は,サンプリング速度0.1で0.03と97.91%のサンプリング率で95.00%に達することを証明した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般 , その他のオペレーションズリサーチの手法 , 通信方式一般

, , , ,

前のページに戻る