深層学習が圧縮センシングを追いやる

この記事は約2分で読めます。

深層学習を利用した圧縮センシング再構成の高速化

Accelerating Compressed Sensing Image Reconstruction using Deep Learning

Compressed Sensing(CS)は計算コストが問題となるため、Deep LearningDL)で検討する内容

残差学習法を用いて、所要時間・画質について検討している

時間が短くアーチファクトが除去された画質を提供できている。

画質評価はPSNRSSIM

2次元方向でのランダム間引きと1次元方向でのランダム間引きを行い比較している。

CSと比べ平滑化される傾向にあるが、アーチファクトが良好に除去される。

1次元方向のランダム間引きにおいてはデータを拡張させるとアーチファクト除去効果が上がる。

残差学習法での除去はガウス雑音を想定しているが、近似したアーチファクトはともに除去される。

2次元での間引きによるアーチファクトはインコヒーレントとなり

ガウス雑音と近似度が高いが、

1次元ではコヒーレントとなり近似度は低く、拡張が十分な学習を生み出し功を奏する。

JJMRM 2019.39(1).29-32.

 

残差学習法とは:K.Zhangらが提案したConvolutional Neural Network(CNN)による画像の白色雑音除去法

PSNRとは:peak signal to noise ratio. 値が少ないほど劣化が激しく、高いほど劣化していないことを示します。

 

DLが全盛となると、もはやCSは過去の産物となるだろう。

しかし通過点はいつの時代もどの分野も必要だとおもう。

まるでMDプレイヤーのようだ。