低精度の算術演算を用いた形態学的演算子に基づく深層ガウス雑音除去ネットワーク

FUJISAKI Hikaru; NAKASHIZUKA Makoto

文献

J-GLOBAL ID：202202265881119421 整理番号：22A1213737

低精度の算術演算を用いた形態学的演算子に基づく深層ガウス雑音除去ネットワーク

Deep Gaussian Denoising Network Based on Morphological Operators with Low-Precision Arithmetic

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A1213737&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A1213737&from=J-GLOBAL&jstjournalNo=U0466A") }}

著者 (2件)： ,
資料名：
巻： E105.A 号： 4 ページ： 631-638(J-STAGE) 発行年： 2022年
JST資料番号： U0466A ISSN： 1745-1337 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：日本 (JPN) 言語：英語 (EN)

本論文は,ガウス雑音除去のための形態学的フィルタに基づく深層ネットワークを提示した。形態学的フィルタは,加算,最大,および最小関数のみに適用でき,必要な計算リソースはほとんどない。したがって,提案したネットワークは小型マイクロプロセッサを用いた実装に適している。提案したネットワークの各層は,入力画像から雑音成分の小さな山と谷を抽出するトップハット変換から成る。雑音成分は,入力画像から雑音成分を差し引くことにより各層で反復的に低減される。本論文では,この深層ネットワークのトップハット変換のための形態学的フィルタの線形結合として,開口と閉鎖の拡張を導入した。乗算は,提案したネットワークにおける形態学的フィルタの線形結合のためにのみ必要である。ネットワークのほとんど全てのパラメータが形態学的フィルタの構造化要素であるので,特徴マップとパラメータは短いビット長の整数形式で表現でき,単一命令,複数データ(SIMD)命令による実装に適している。雑音除去の例では,提案したネットワークが,線形畳込みなしで,実物大の深層畳込みニューラルネットワーク[2]のパラメータ数の約10分の1で,BM3D[1]の雑音除去結果に匹敵する雑音除去結果を取得することを示した。さらに,マイクロプロセッサのSIMD命令を用いた提案方法の計算時間も提示した。(翻訳著者抄録)

, , , , , ,
, , ,

著者キーワード (5件)： , , , ,

図形・画像処理一般 , 人工知能

引用文献 (26件)：

[1] K. Dabov, A. Foi, V. Katkovnik, and K. Egiazarian, “Image denoising by sparse 3-D transform domain collaborative filtering,” IEEE Trans. Image Process., vol.16, no.8, pp.2080-2095, Aug. 2007. 10.1109/tip.2007.901238
[2] K. Zhang, W. Zuo, Y. Chen, D. Meng, and L. Zhang, “Beyond a Gaussian denoiser: Residual learning of deep CNN for image denoising,” IEEE Trans. Image Process., vol.26, no.7, pp.3142-3155, July 2017. 10.1109/tip.2017.2662206
[3] S. Gu, L. Zhang, W. Zuo, and X. Feng, “Weighted nuclear norm minimization with application to image denoising,” Proc. IEEE Conf. Comput. Vis. Pattern Recognit., pp.2862-2869, June 2014. 10.1109/cvpr.2014.366
[4] H.C. Burger, C.J. Schuler, and S. Harmeling, “Image denoising: Can plain neural networks compete with BM3D?,” Proc. IEEE Conf. Comput. Vis. Pattern Recognit., pp.2392-2399, June 2012. 10.1109/cvpr.2012.6247952
[5] X. Mao, C. Shen, and Y.-B. Yang, “Image restoration using very deep convolutional encoder-decoder networks with symmetric skip connection,” Proc. Asv. Neural Inf. Process. Syst., pp.2802-2810, 2016.

, , , ,

前のページに戻る