| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-07-16 14:20 画像再構成のための自己符号化器を収縮関数に用いた学習型ISTAに関する検討 ○横山健人・高邉賢史・和田山 正（名工大）  IT2020-13 |
|
| 抄録 | （和） | ISTA(Iterative Shrinkage-Thresholding Algorithm) は観測信号からスパースな原信号を推定する圧縮センシングにおいて用いられる基本的なアルゴリズムのひとつである. 近年, Trainable ISTAのように圧縮センシングのアルゴリズムに深層学習を組み合わせた手法が高い信号再現を達成している. 本稿では画像再構成への応用を目指し画像の特徴を事前学習させたDAE(Denoising AutoEncoder)をISTAの収縮関数に利用したDAE-ISTAを提案する. 実データを用いた性能評価によって, DAE-ISTAは既存手法と比べて信号再現性能を大きく向上させることが明らかとなった. |
| （英） | ISTA (Iterative Shrinkage-Thresholding Algorithm) is one of the basic algorithms used in compressed sensing to estimate sparse signals from observed signals. Recently, techniques such as Trainable ISTA that combine deep learning with compressed sensing algorithms have achieved high signal recovery performance. In this paper, we propose the DAE-ISTA that uses a DAE (Denoising AutoEncoder) with pre-trained image features as the shrinkage function of ISTA for image recovery. Numerical simulations based on real data have revealed that DAE-ISTA improves the image recovery performance compared with an existing method. |
|
| キーワード | （和） | DAE / ISTA / 圧縮センシング / 深層学習 / / / / |
| （英） | DAE / ISTA / compressed sensing / deep learning / / / / | |
| 文献情報 | 信学技報, vol. 120, no. 105, IT2020-13, pp. 13-18, 2020年7月. | |
| 資料番号 | IT2020-13 | |
| 発行日 | 2020-07-09 (IT) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IT2020-13 |
|
| 研究会情報 | |
| 研究会 | IT |
| 開催期間 | 2020-07-16 - 2020-07-16 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | フレッシュマンセッション，一般 |
| テーマ（英） | Freshman session, General |
| 講演論文情報の詳細 | |
| 申込み研究会 | IT |
| 会議コード | 2020-07-IT |
| 本文の言語 | 日本語（英語タイトルなし） |
| タイトル（和） | 画像再構成のための自己符号化器を収縮関数に用いた学習型ISTAに関する検討 |
| サブタイトル（和） | |
| タイトル（英） | A Study on Trainable ISTA using Auto Encoder as Shrinkage Function for Image Recovery |
| サブタイトル（英） | |
| キーワード(1)（和/英） | DAE / DAE |
| キーワード(2)（和/英） | ISTA / ISTA |
| キーワード(3)（和/英） | 圧縮センシング / compressed sensing |
| キーワード(4)（和/英） | 深層学習 / deep learning |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 横山 健人 / Kento Yokoyama / ヨコヤマ ケント |
| 第1著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： NIT) |
| 第2著者 氏名（和/英/ヨミ） | 高邉 賢史 / Satoshi Takabe / タカベ サトシ |
| 第2著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： NIT) |
| 第3著者 氏名（和/英/ヨミ） | 和田山 正 / Tadashi Wadayama / ワダヤマ タダシ |
| 第3著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： NIT) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-07-16 14:20:00 |
| 発表時間 | 25分 |
| 申込先研究会 | IT |
| 資料番号 | IT2020-13 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.105 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2020-07-09 (IT) |
[研究会発表申込システムのトップページに戻る]