| 講演名 | 2020-09-03 ［招待講演］画像復元のための高階埋め込み多様体モデルの研究 横田 達也(名工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本招待講演では，近年さまざまな画像処理の課題において顕著な成果を上げている畳み込みニューラルネットワークについて議論しようと思う．まず，Deep Image PriorやConvolutional Sparse Codingなど，近年の畳み込みニューラルネットワークを理解するために役立つ研究についていくつか紹介する．次に，畳み込み演算が遅延埋め込みと線形変換に分離できることを説明する．この気付きから畳み込みニューラルネットワークを遅延埋め込みと自己符号化器の組み合わせに単純化することを提案し，これが埋め込み空間の多様体モデル(MMES)として解釈できることを説明する．Deep Image PriorとMMESの類似性を計算機実験により示し，畳み込みニューラルネットワークの構造が規定する画像を理解するためには，シフト不変性，自己相似性などの視点が役立つことを主張する． |
| 抄録(英) | In this invited talk, I will discuss convolutional neural networks, which have achieved remarkable results in various image processing tasks in recent years. First of all, I would like to introduce some studies that are useful for understanding convolutional neural networks, such as Deep Image Prior and Convolutional Sparse Coding. Next, we explain that convolution operation can be separated into delay embedding and linear transformation. From this point of view, we propose to simplify the convolutional neural network to a combination of delay embedding and auto-encoder, and explain that it can be interpreted as a manifold modeling in embedded space (MMES). We show the similarity between Deep Image Prior and MMES by computational experiments, and argue that perspectives such as shift-invariance and self-similarity are useful for understanding the image defined by the structure of the convolutional neural network. |
| キーワード(和) | 畳み込みニューラルネットワーク / Deep Image Prior / 遅延埋め込み / 自己符号化器 / シフト不変性 / 自己相似性 / 高階埋め込み多様体モデル |
| キーワード(英) | Convolutional Neural Networks / Deep Image Prior / Delay-embeddin / Auto-encoder / Shift-invariance / Self-similarity / Manifold modeling in embedded space |
| 資料番号 | MI2020-27 |
| 発行日 | 2020-08-27 (MI) |
| 研究会情報 | |
| 研究会 | MI |
|---|---|
| 開催期間 | 2020/9/3(から1日開催) |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 医用画像解析一般 |
| テーマ（英） | Medical Image Analysis |
| 委員長氏名（和） | 河田 佳樹(徳島大) |
| 委員長氏名（英） | Yoshiki Kawata(Tokushima Univ.) |
| 副委員長氏名（和） | 北坂 孝幸(愛知工大) / 本谷 秀堅(名工大) |
| 副委員長氏名（英） | Takayuki Kitasaka(Aichi Inst. of Tech.) / Hidekata Hontani(Nagoya Inst. of Tech.) |
| 幹事氏名（和） | 平野 靖(山口大) / 原口 亮(兵庫県立大) |
| 幹事氏名（英） | Yasushi Hirano(Yamaguchi Univ.) / Ryo Haraguchi(Univ. of Hyogo) |
| 幹事補佐氏名（和） | 滝沢 穂高(筑波大) / 大竹 義人(奈良先端大) |
| 幹事補佐氏名（英） | Hotaka Takizawa(Tsukuba Univ.) / Yoshito Otake(NAIST) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Medical Imaging |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ［招待講演］画像復元のための高階埋め込み多様体モデルの研究 |
| サブタイトル（和） | |
| タイトル（英） | [Invited Talk] Manifold modeling in embedded space for image restoration |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Networks |
| キーワード(2)（和/英） | Deep Image Prior / Deep Image Prior |
| キーワード(3)（和/英） | 遅延埋め込み / Delay-embeddin |
| キーワード(4)（和/英） | 自己符号化器 / Auto-encoder |
| キーワード(5)（和/英） | シフト不変性 / Shift-invariance |
| キーワード(6)（和/英） | 自己相似性 / Self-similarity |
| キーワード(7)（和/英） | 高階埋め込み多様体モデル / Manifold modeling in embedded space |
| 第 1 著者 氏名（和/英） | 横田 達也 / Tatsuya Yokota |
| 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：Nitech) |
| 発表年月日 | 2020-09-03 |
| 資料番号 | MI2020-27 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | MI-156 |
| ページ範囲 | pp.43-44(MI), |
| ページ数 | 2 |
| 発行日 | 2020-08-27 (MI) |