画像雑音除去のための操作対畳込みニューラルネットワーク【JST・京大機械翻訳】

Malik Junaid; Kiranyaz Serkan; Gabbouj Moncef

プレプリント

J-GLOBAL ID：202202205802428567 整理番号：22P0186927

画像雑音除去のための操作対畳込みニューラルネットワーク【JST・京大機械翻訳】

Operational vs Convolutional Neural Networks for Image Denoising

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 (3件)： , ,
資料名：
発行年： 2020年09月01日プレプリントサーバーでの情報更新日： 2020年09月01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)

畳込みニューラルネットワーク(CNN)は,最近,その適応学習能力,特に深い構成により,画像雑音除去のための好ましい技法となっている。しかし,それらの効果は,線形畳込みのユニークな使用によるそれらの均一なネットワーク形成のために本質的に制限される。本研究では,データ変換のコアに追加の非線形性を埋め込むためのより大きな柔軟性を可能にする異種ネットワークモデルを提案した。この目的のために,著者らは,操作ニューロンまたは操作ニューラルネットワーク(ONN)のアイデアを提案し,それは,層間および層内ニューロン多様性の両方を用いて,柔軟な非線形および不均一構成を可能にした。さらに,筆者らは,任意のアーキテクチャにおける非線形性に対するデータ駆動選択を行うことができる,Synaptic Plasticity Monitoring(SPM)と呼ばれるHebbian理論に触発されたロバスト演算子探索戦略を提案する。2つの厳しい画像雑音除去問題に対するONNとCNNの比較評価の広範囲なセットは,非線形演算子によって富化されたONNが,等価とよく知られた深い配置の両方を有するCNNに対して優れた雑音除去性能を達成できるという決定的証拠を与える。【JST・京大機械翻訳】

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

人工知能 , パターン認識

前のページに戻る