バイアスフリー畳込みニューラルネットワークによるロバストで解釈可能なブラインド画像雑音除去【JST・京大機械翻訳】

Mohan Sreyas; Kadkhodaie Zahra; Simoncelli Eero P.; Fernandez-Granda Carlos

プレプリント

J-GLOBAL ID：202202217939909153 整理番号：22P0065547

バイアスフリー畳込みニューラルネットワークによるロバストで解釈可能なブラインド画像雑音除去【JST・京大機械翻訳】

Robust and interpretable blind image denoising via bias-free convolutional neural networks

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： 2019年06月13日プレプリントサーバーでの情報更新日： 2020年02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)

深い畳み込みネットワークはしばしば付加定数(”バイアス”)項を畳み込み演算に付加し,機能的マッピングのより豊富なレパートリーを可能にする。また,トレーニング画像(バッチ正規化の成分)のバッチに対する平均応答を差し引くことにより,バイラーゼも訓練を容易にするために使用する。最近の最先端のブラインド雑音除去法(例えば,DnCNN)は,それらの成功のためにこれらの用語を必要とするようである。しかし,これらのネットワークが訓練範囲外の雑音レベルで展開されたとき,これらのネットワークが雑音レベルに系統的に適合し,その性能が劇的に低下することを示す。対照的に,ネットワークの全層において一定項を除去することにより取得したバイアスフリーアーキテクチャーは,雑音レベル全体にわたってロバストに一般化し,訓練範囲内で最先端の性能を保存する。局部的に,バイアスフリーネットワークは雑音画像に線形に作用し,標準線形代数ツールによるネットワーク挙動の直接解析を可能にする。これらの解析は,非線形適応フィルタリングに関するネットワーク機能の解釈と,低次元部分空間の結合への投影を提供し,学習ベース法をより伝統的な雑音除去方法論に接続する。【JST・京大機械翻訳】

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

図形・画像処理一般

, , , ,

前のページに戻る