l_1DecNet ̄+:スパース特徴セグメンテーションのためのl_1分解および反復アンフォールディングによる新しいアーキテクチャフレームワーク【JST機械翻訳】

Ren Yumeng; Gao Yiming; Wu Chunlin; Tai Xue-cheng

プレプリント

J-GLOBAL ID：202202207594509771 整理番号：22P0299340

l_1DecNet ̄+:スパース特徴セグメンテーションのためのl_1分解および反復アンフォールディングによる新しいアーキテクチャフレームワーク【JST機械翻訳】

$\ell_1$DecNet+: A new architecture framework by $\ell_1$ decomposition and iteration unfolding for sparse feature segmentation

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03月05日プレプリントサーバーでの情報更新日： 2024年06月15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)

l_1に基づくスパース正則化は圧縮センシングと画像処理において中心的役割を果たす。本論文では,l_1関連スパース正則化を組み込んだ変分分解モデルから導出され,乗数のスケール化交互方向法(ADMM)により解かれる非折畳みネットワークとして,l_1DecNetを提案した。l_1 DecNetは,入力画像をスパース特徴と学習済み密特徴に効果的に分解し,従って,後続のスパース特徴関連演算を支援する。これに基づいて,筆者らはl_1DecNet+,筆者らのl_1DecNet及び元の画像の代わりに抽出されたスパース特徴上で作動するセグメンテーションモジュールからなる学習可能アーキテクチャフレームワークを開発した。このアーキテクチャは数学的モデリングとデータ駆動型アプローチの利点をうまく組み合わせている。筆者らの知る限り,これはセグメンテーションネットワーク構造における特徴抽出に事前の数学的画像を組み込むための最初の研究である。さらに,著者らのl_1DecNet+フレームワークは,3Dケースに容易に拡張できる。2つの普通に遭遇するスパースセグメンテーションタスク:医用画像処理における網膜血管セグメンテーションと産業異常同定における舗装亀裂検出,に対するl_1DecNet+の有効性を評価した。異なるデータセット上での実験結果により,各種の軽量セグメンテーションモジュールを用いた提案l_1DecNet+アーキテクチャでは,それらの拡大バージョンよりもそれぞれ同等またはより優れた性能を達成できることを示した。これは,リソース制限デバイスに関する特に実用的な利点をもたらす。【JST機械翻訳】

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

パターン認識 , 人工知能 , 図形・画像処理一般

, , , , ,

前のページに戻る