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。

当卷积神经网络（CNN）在图像分类问题上优于现有方法时，当前的人工智能热潮就开始了。 CNN 是通过对一组表示图像特征的卷积滤波器和通过卷积滤波器生成的特征图进行分层来构建的。 CNN学习是通过提供输入图像和期望的输出来实现的，例如，对于类别分类，通过给出许多对称为one-hot的向量，其中只有相关类别号设置为1，其他设置为0 ，以减少误差。我们在本研究中关注的卷积稀疏表示与 CNN 的不同之处在于，它使用卷积滤波器和对应于特征图的滤波器系数来近似图像，找到滤波器和滤波器系数，使它们为零且局部非零，即稀疏。这里，用于确定最佳滤波器的评估函数由表示近似误差的损失项和表示稀疏性的正则化项的加权和给出。在2020财年，我们重点研究了上述卷积稀疏表达与CNN之间的亲和力，通过使用以卷积稀疏表达创建的滤波器作为CNN的初始值，在训练图像数量较少时，我们获得了比传统方法更高的识别率。我能够获得准确性。该成果在国际会议ICIBS 2022上获得学生最佳论文奖。此外，我们还在 ISIPS 2022 上做了两场国际海报演讲，内容涉及将卷积稀疏表示应用于分布式压缩、使用多个关键帧为非关键帧创建字典以及评估使用 L1 范数作为错误项。其中一位获得了最佳演讲奖。

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