展开式插即用梯度图拉普拉西安调节器用于图像恢复
概括
使用基于图形的优化开发了用于图像恢复的可解释深度学习网络. 与通用深度学习模型相比,这些网络提供了具有竞争力的性能,具有较少的参数和更好的稳定性.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 图像恢复的通用深度学习 (DL) 网络缺乏数学解释性和稳定性.
- 它们需要大量的训练数据和大量的参数集.
- 共变量转移对当前的DL模型构成重大挑战.
研究的目的:
- 开发可解释的深度学习网络,用于图像恢复.
- 解决通用DL模型在解释性,数据要求和稳定性方面的局限性.
- 引入一种新的方法,将基于图形的优化与深度学习相结合.
主要方法:
- 制定了一个凸的二次编程 (QP) 问题,用一个新的梯度图拉普拉斯调节器 (GGLR) 进行先前的碎片平面 (PWP) 信号重建.
- 通过引入辅助变量来解决 QP 问题,设计了一个交替方向法乘数 (ADMM) 算法家族.
- 不卷式ADMM算法进入具有图形学习模块的可变复杂度前网络,灵感来自自我注意力机制.
主要成果:
- 与通用DL网络相比,无线网络实现了具有竞争力的图像恢复质量.
- 拟议的网络使用了通用DL模型参数的一小部分.
- 在图像修复任务中证明了对共变量转移的强度提高.
结论:
- 开发的可解释无网络为图像恢复提供了通用DL模型的可行替代方案.
- 该方法成功地将数学可解释性与深度学习性能相结合.
- 未来的工作可以探索更复杂的图形结构和规范化先验,以提高性能.
相关概念视频
01:22Second Derivatives and Laplace Operator
1.2K
The first order operators using the del operator include the gradient, divergence and curl. Certain combinations of first order operators on a scalar or vector function yield second order expressions. Second-order expressions play a very important role in mathematics and physics. Some second order expressions include the divergence and curl of a gradient function, the divergence and curl of a curl function, and the gradient of a divergence function.
Consider a scalar function. The curl of its...
Consider a scalar function. The curl of its...
1.2K
01:20Region of Convergence of Laplace Tarnsform
411
The Region of Convergence (ROC) is a fundamental concept in signal processing and system analysis, particularly associated with the Laplace transform. The ROC represents an area in the complex plane where the Laplace transform of a given signal converges, determining the transform's applicability and utility.
Consider a decaying exponential signal that begins at a specific time. When deriving its Laplace transform, the time-domain variable is replaced with a complex variable. This...
Consider a decaying exponential signal that begins at a specific time. When deriving its Laplace transform, the time-domain variable is replaced with a complex variable. This...
411