权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

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：
黒木祥光
金额：
$ 2.66万
依托单位：
Kurume National College of Technology
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：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K11878/
关键词：
畳み込み型スパース表現分散圧縮符号化深層学習凸最適化

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 the AI is working on the classification problem (CNN: Convolutional Neural Network). The characteristics of CNN are as follows: CNN's learning is based on the expected output, example, classification, one-hot, one-call, one-call. This study focuses on the approximate method of CNN and its characteristics, and a few of its characteristics, such as the coefficient of the image, and the coefficient of the image. The evaluation of the optimal term is based on the approximation error, the loss term and the regularization term. In the fourth year, the performance of CNN was recorded, and the performance of CNN was recorded. This achievement was awarded the Student Best Paper Award at ICIIBMS 2022. In 2022, ISIPS published a list of 2 international publications, including the publication of a list of publications, a list of publications, and a list of publications. The Best Presentation Award was awarded.

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：
2021 International Symposium on Intelligent Signal Processing and Communication Systems (ISPACS)
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：
2021 6th International Conference on Intelligent Informatics and Biomedical Sciences (ICIIBMS)
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