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。

当前的AI繁荣始于以下事实：卷积神经网络（CNN）超过了图像分类问题中现有方法。 CNN是通过多层划分的一组特征图来组成的，该特征图由代表图像和卷积过滤器的特征的卷积过滤器产生。 CNN学习是通过给出大量向量的输入图像的类数和所需输出（例如一hot，称为一击）而将其他为0的矢量来实现的，以减少错误。与CNN不同，本研究的卷积稀疏表示是一种使用卷积过滤器近似图像的方法和与特征图相对应的滤波器系数，可以使用少量的图像设计过滤器，并且计算了少量的过滤器和滤波器系数，以便大多数滤波器系数是零和非Zero，spresse spresse spresse spress spress spress。在这里，查找最佳滤波器的评估函数由代表近似误差的损失项的加权总和和代表稀疏性的正则化项给出。在2022年，通过使用以卷积稀疏表示形式创建的过滤器作为CNN的初始值，我们就可以在只有几个学习图像时获得更高的识别准确性。这项成就是在2022年国际伊基布斯国际会议上获得学生最佳纸质奖的。此外，在ISIPS 2022上进行了两个国际海报演示，使用卷积稀疏表示进行分发压缩，创建了使用多个键框的非钥匙框架的字典，并在L1 Norm nord nord n ofrer任期中进行评估。其中一个赢得了最佳演讲奖。

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