| 講演名 | 2010-05-27 錐制約付き並進不変スパース画像表現のための部分空間学習(信号処理,一般,音声,応用/電気音響,信号処理,及び一般) 中静 真, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | スパース信号表現は,信号を辞書に含まれる基底の線形結合で近似する方法である.できるだけ少ない基底で信号を表現するために,辞書を学習する方法がいくつか提案されている.並進不変性を制約とした辞書の学習では,辞書が座標のシフトにより生成された基底により構成され,基底を画像から学習することで,繰り返し発生する局所的な構造を基底として捉えることができる.しかしながら,従来のスパース表現のための辞書学習では,一つの基底が一つの局所構造に対応するように学習されるために,繰り返し現れる局所構造に変形があった場合,近似が困難となった.そこで,本研究ではスパース信号表現の基底を,部分空間の中の錐に拡張し,錐を張るベクトルにより微小な構造の変化を記述する.報告では,提案する新しいスパース信号表現の生成モデルを示し,錐の発生に関するスパース性の下で部分空聞を学習するアルゴリズムを提案する.実験では,幾何変換により歪んだ複数の画像パターンを,提案法により学習し,分離できることを示す. |
| 抄録(英) | In this paper, we propose a sparse representation of images with cone-constrained subspaces. The sparse representation provides a linear image generative model under a sparsity penalty. Due to the sparsity, the image is represented with a small number of atoms that are included in a dictionary. The dictionary learning have been proposed to improve the sparsity of the representation. In the dictionary learning, the image local structures can be represented by the atoms of the dictionary. Especially, the dictionary, on which the translation-invariance is imposed, represents the set of the image structures that repeatedly appear in an image. However, such image structures appear with some fluctuations due to geometric-transformations, changes of lighting conditions and so on. In order to represent such fluctuations in the generative model, we extend the set of atoms to the set of cones in subspaces. To learn the set of subspaces, we propose an iterative algorithm based on an alternative update method for the vectors that span the subspaces and decomposition coefficients. In learning example, we demonstrate that the proposed method learns a set of the cones for distorted image patterns and separates an image into a set of components according to the learnt cones. |
| キーワード(和) | スパース信号表現 / ブラインド信号分離 / 画像解析 / 画像特徴抽出 / 教師なし学習 |
| キーワード(英) | Sparse signal representation / blind signal separation / image analysis / image feature analysis / unsupervised learning |
| 資料番号 | EA2010-18,SIP2010-18,SP2010-18 |
| 発行日 |
| 研究会情報 | |
| 研究会 | SIP |
|---|---|
| 開催期間 | 2010/5/19(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Signal Processing (SIP) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 錐制約付き並進不変スパース画像表現のための部分空間学習(信号処理,一般,音声,応用/電気音響,信号処理,及び一般) |
| サブタイトル（和） | |
| タイトル（英） | Subspace learning for cone-constrained translation-invariant sparse image representations |
| サブタイトル（和） | |
| キーワード(1)（和/英） | スパース信号表現 / Sparse signal representation |
| キーワード(2)（和/英） | ブラインド信号分離 / blind signal separation |
| キーワード(3)（和/英） | 画像解析 / image analysis |
| キーワード(4)（和/英） | 画像特徴抽出 / image feature analysis |
| キーワード(5)（和/英） | 教師なし学習 / unsupervised learning |
| 第 1 著者 氏名（和/英） | 中静 真 / Makoto NAKASHIZUKA |
| 第 1 著者 所属（和/英） | 大阪大学大学院基礎工学研究科 Graduate School of Engineering Science, Osaka University |
| 発表年月日 | 2010-05-27 |
| 資料番号 | EA2010-18,SIP2010-18,SP2010-18 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | 55 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |