| 講演名 | 2018-08-08 CNN予測器を適応型差分進化法により最適化する階層型可逆符号化 河合 悠輝(中京大), 長野 裕樹(中京大), 戸田 英治(中京大), 青森 久(中京大), 大竹 敢(玉川大), 松田 一朗(東京理科大), 伊東 晋(東京理科大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 我々はセルラーニューラルネットワーク(CNN)を予測器として利用した画像のスケーラブルな可逆符号化方式について研究を展開してきた．ここで，CNN予測器は画素毎に適応的に選択され，その形状と割り当ては符号化した際の符号量が最小となるよう最適化される．従来の方式では，最適化の際の探索点は超立方体で定義され，これを逐次的に探索していたが，この手法は局所解に容易にトラップされてしまうため，効果的な探索手法の開発が課題となっている．本研究では，適応型差分進化をCNN予測器とその割当の最適化に導入することにより，前述の問題に対処する．様々な画像に対して符号化実験を行い，提案手法の有効性を確認した． |
| 抄録(英) | We have been proposed on hierarchical lossless image coding using predictors composed of Cellular Neural Network(CNN).Their shapes and assignment are optimized to minizing coding bits.In the conventional method, a sequential search method for searching space defined by a hypercube was emploied.However, since a sequential search method is easily trapped in local minimum, development of effective search method has become issue.In this paper, to address the aforementioned problems, an adaptive differential evolution are introduced into the optimization of CNN predictors and their assignment.The effectiveness of proposed method confirmed by coding experiment on various images. |
| キーワード(和) | セルラーニューラルネットワーク / 階層型可逆符号化 / 適応型差分進化 |
| キーワード(英) | Cellular Neural Network / Hierarchical Lossless Image Coding / Adaptive Differential Evolution |
| 資料番号 | NLP2018-59 |
| 発行日 | 2018-08-01 (NLP) |
| 研究会情報 | |
| 研究会 | NLP |
|---|---|
| 開催期間 | 2018/8/8(から2日開催) |
| 開催地（和） | 香川大学 幸町キャンパス |
| 開催地（英） | Saiwai-cho Campus, Kagawa Univ. |
| テーマ（和） | 一般 |
| テーマ（英） | etc. |
| 委員長氏名（和） | 高橋 規一(岡山大) |
| 委員長氏名（英） | Norikazu Takahashi(Okayama Univ.) |
| 副委員長氏名（和） | 黒川 弘章(東京工科大) |
| 副委員長氏名（英） | Hiroaki Kurokawa(Tokyo Univ. of Tech.) |
| 幹事氏名（和） | 山内 将行(広島工大) / 木村 貴幸(日本工大) |
| 幹事氏名（英） | Masayuki Yamauchi(Hiroshima Inst. of Tech.) / Takayuki Kimura(Nippon Inst. of Tech.) |
| 幹事補佐氏名（和） | 木村 真之(京大) / 島田 裕(埼玉大) |
| 幹事補佐氏名（英） | Masayuki Kimura(Kyoto Univ.) / Yutaka Shimada(Saitama Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Nonlinear Problems |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | CNN予測器を適応型差分進化法により最適化する階層型可逆符号化 |
| サブタイトル（和） | |
| タイトル（英） | Hierarchical Lossless Image Coding Using CNN Predictors Optimized by Adaptive Differential Evolution |
| サブタイトル（和） | |
| キーワード(1)（和/英） | セルラーニューラルネットワーク / Cellular Neural Network |
| キーワード(2)（和/英） | 階層型可逆符号化 / Hierarchical Lossless Image Coding |
| キーワード(3)（和/英） | 適応型差分進化 / Adaptive Differential Evolution |
| 第 1 著者 氏名（和/英） | 河合 悠輝 / Yuki Kawai |
| 第 1 著者 所属（和/英） | 中京大学(略称：中京大) Chukyo University(略称：Chukyo Univ.) |
| 第 2 著者 氏名（和/英） | 長野 裕樹 / Yuki Nagano |
| 第 2 著者 所属（和/英） | 中京大学(略称：中京大) Chukyo University(略称：Chukyo Univ.) |
| 第 3 著者 氏名（和/英） | 戸田 英治 / Hideharu Toda |
| 第 3 著者 所属（和/英） | 中京大学(略称：中京大) Chukyo University(略称：Chukyo Univ.) |
| 第 4 著者 氏名（和/英） | 青森 久 / Hisashi Aomori |
| 第 4 著者 所属（和/英） | 中京大学(略称：中京大) Chukyo University(略称：Chukyo Univ.) |
| 第 5 著者 氏名（和/英） | 大竹 敢 / Tsuyoshi Otake |
| 第 5 著者 所属（和/英） | 玉川大学(略称：玉川大) Tamagawa University(略称：Tamagawa Univ.) |
| 第 6 著者 氏名（和/英） | 松田 一朗 / Ichiro Matsuda |
| 第 6 著者 所属（和/英） | 東京理科大学(略称：東京理科大) Tokyo University of Science(略称：TUS) |
| 第 7 著者 氏名（和/英） | 伊東 晋 / Susumu Itoh |
| 第 7 著者 所属（和/英） | 東京理科大学(略称：東京理科大) Tokyo University of Science(略称：TUS) |
| 発表年月日 | 2018-08-08 |
| 資料番号 | NLP2018-59 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | NLP-174 |
| ページ範囲 | pp.35-38(NLP), |
| ページ数 | 4 |
| 発行日 | 2018-08-01 (NLP) |