Convolutional sparse representation of l1 norm error criterion and its development for distributed video coding and deep learning
l1范数误差准则的卷积稀疏表示及其在分布式视频编码和深度学习中的发展
基本信息
- 批准号:20K11878
- 负责人:
- 金额:$ 2.66万
- 依托单位:
- 依托单位国家:日本
- 项目类别:Grant-in-Aid for Scientific Research (C)
- 财政年份:2020
- 资助国家:日本
- 起止时间:2020-04-01 至 2024-03-31
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
現在のAIブームは畳み込みニューラルネットワーク(CNN: Convolutional Neural Network)が画像の分類問題において既存の手法を凌駕したことを嚆矢とする。CNNは画像の特徴を表す畳み込みフィルタとフィルタを畳み込むことによって生じる特徴マップの組を多層化することによって構成されている。CNNの学習は入力画像と所望の出力、例えばクラス分類であれば,one-hotと呼ばれる当該クラス番号だけを1、他を0とするベクトルの組を多数与え、誤差を少なくすることによって実現される。本研究で着目する畳み込み型スパース表現はCNNと異なり、畳み込みフィルタと特徴マップに相当するフィルタ係数によって画像を近似する方法であり、少数の画像でフィルタを設計できる、また,フィルタ係数の大部分がゼロで、局所的に非ゼロとなる、つまり、スパース(疎)となるようにフィルタおよびフィルタ係数を求める。ここで、最適なフィルタを求める評価関数は、近似誤差を表す損失項とスパース性を表す正則化項の加重和で与えられる。令和4年度は上に記した畳み込みスパース表現とCNNの親和性に着目し、畳み込みスパース表現で作成したフィルタをCNNの初期値に用いることにより、学習画像が少数の時に従来法よりも高い認識精度を得ることができた。この成果は国際会議ICIIBMS 2022にてStudent Best Paper Awardを受賞した。また、畳み込みスパース表現を分散圧縮に応用し、複数のキーフレームを用いたノンキーフレーム用の辞書作成、ならびにL1ノルムを誤差項とした場合の評価について、2件の国際ポスター発表をISIPS 2022で行った。そのうち1件はBest Presentation Awardを受賞した。
Now の AI ブ ー ム は 畳 み 込 み ニ ュ ー ラ ル ネ ッ ト ワ ー ク (CNN: Convolutional Neural Network) が portrait の classification problem に お い て existing の gimmick を above し た こ と を our と す る. CNN は portrait の, 徴 を table す 畳 み 込 み フ ィ ル タ と フ ィ ル タ を 畳 み 込 む こ と に よ っ て raw じ る, 徴 マ ッ プ を の group multiple stratification す る こ と に よ っ て constitute さ れ て い る. CNN の learning は portrait was looking の と into force output, example え ば ク ラ ス classification で あ れ ば, one - hot と shout ば れ る when the ク ラ ス mash だ け を 1, he を 0 と す る ベ ク ト ル の group を most with え, less error を な く す る こ と に よ っ て be presently さ れ る. This study with mesh す で る 畳 み 込 み type ス パ ー ス performance は CNN と different な り, 畳 み 込 み フ ィ ル タ と, 徴 マ ッ プ に quite す る フ ィ ル タ coefficient に よ っ て portrait を approximate す る method で あ り, a few portraits の で フ ィ ル タ を design で き る, ま た, フ ィ ル タ coefficient の most が ゼ ロ で, bureau of に ゼ ロ と な る, つ ま り, ス パ ー ス (疎) と な る よ う に フ ィ ル タ お よ び フ ィ ル を タ coefficient for め る. こ こ で, optimum な フ ィ ル タ を o め る review 価 masato は, approximation error を table す loss item と ス パ ー ス sex を table す regularization item の is aggravating and で え ら れ る. Make and (4) the annual は に し た 畳 み 込 み ス パ ー ス performance と CNN の affinity に mesh し, 畳 み 込 み ス パ ー ス performance で made し た フ ィ ル タ を on CNN early の numerical に with い る こ と に よ り, learning to portrait が minority の に 従 to method よ り も high い meet precision を る こ と が で き た. Youdaoplaceholder0 Student 's Best Paper Awardを recipient of award た ま た, 畳 み 込 み ス パ ー ス performance を scattered 圧 shrinkage に 応 し, plural の キ ー フ レ ー ム を with い た ノ ン キ ー フ レ ー ム with the の dictionaries, な ら び に L1 ノ ル ム を error term と し た occasions の review 価 に つ い て, 2 pieces の international ポ ス タ ー 発 table を ISIPS line 2022 で っ た. Youdaoplaceholder0 うち1 うち Best Presentation Awardを winner た
项目成果
期刊论文数量(11)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
Convolutional Dictionary Learning with Huber Error and l<sub>1</sub> Regularization Terms
使用 Huber 误差和 l<sub>1</sub> 正则化项进行卷积字典学习
- DOI:10.1109/ispacs51563.2021.9651025
- 发表时间:2021
- 期刊:
- 影响因子:0
- 作者:Yoda Satoshi;Kawazoe Hironori;Kuroki Yoshimitsu
- 通讯作者:Kuroki Yoshimitsu
On Initial CNN parameters using convolutional sparse filters
使用卷积稀疏滤波器的初始 CNN 参数
- DOI:
- 发表时间:2021
- 期刊:
- 影响因子:0
- 作者:Satoshi Yoda;Akito Narahara;and Yoshimitsu Kuroki
- 通讯作者:and Yoshimitsu Kuroki
An image classification using convolutional sparse representation and cone-restricted subspace method
- DOI:10.1109/iciibms52876.2021.9651582
- 发表时间:2021-11
- 期刊:
- 影响因子:0
- 作者:Yosuke Higuchi-;Tomoya Hirakawa;Y. Kuroki
- 通讯作者:Yosuke Higuchi-;Tomoya Hirakawa;Y. Kuroki
Distributed Compressed Video Sensing based on Convolutional Sparse Coding using a large number of keyframes
基于大量关键帧的卷积稀疏编码的分布式压缩视频感知
- DOI:
- 发表时间:2022
- 期刊:
- 影响因子:0
- 作者:Misaka Takashi;Herwan Jonny;Kano Seisuke;Sawada Hiroyuki;Furukawa Yoshiyuki;光谷和剛,山本佳士,園田潤,木本智幸;Yosuke Higuchi and Yoshimitsu Kuroki
- 通讯作者:Yosuke Higuchi and Yoshimitsu Kuroki
Distributed Compressed Video Sensing based on Convolutional Sparse Coding using Fourier Measurement Matrix and L1 Fidelity Term
基于使用傅里叶测量矩阵和 L1 保真项的卷积稀疏编码的分布式压缩视频传感
- DOI:
- 发表时间:2022
- 期刊:
- 影响因子:0
- 作者:Takuro Eguchi;Hayata Morisaki;and Yoshimitsu Kuroki
- 通讯作者:and Yoshimitsu Kuroki
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
黒木 祥光其他文献
実信号向けのダウンサンプリングに基づくスパースFFT
基于真实信号下采样的稀疏FFT
- DOI:
- 发表时间:
2016 - 期刊:
- 影响因子:0
- 作者:
矢野 貴大;杉本 憲治郎;黒木 祥光;鎌田 清一郎 - 通讯作者:
鎌田 清一郎
疑似乱数スペクトル順列を用いたダウンサンプリング型スパースFFT
使用伪随机频谱排列对稀疏 FFT 进行下采样
- DOI:
- 发表时间:
2016 - 期刊:
- 影响因子:0
- 作者:
秋吉 優作;杉本 憲治郎;黒木 祥光;鎌田 清一郎 - 通讯作者:
鎌田 清一郎
黒木 祥光的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('黒木 祥光', 18)}}的其他基金
Distributed video coding and deep learning using convolutional sparse dictionary generated with large scale datasets
使用大规模数据集生成的卷积稀疏字典进行分布式视频编码和深度学习
- 批准号:
23K11159 - 财政年份:2023
- 资助金额:
$ 2.66万 - 项目类别:
Grant-in-Aid for Scientific Research (C)
STM画像の符号化に関する研究
STM图像编码研究
- 批准号:
11750345 - 财政年份:1999
- 资助金额:
$ 2.66万 - 项目类别:
Grant-in-Aid for Encouragement of Young Scientists (A)