論文の概要: Multi-modal and frequency-weighted tensor nuclear norm for hyperspectral
image denoising
- arxiv url: http://arxiv.org/abs/2106.12489v1
- Date: Wed, 23 Jun 2021 16:01:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-24 18:07:39.078218
- Title: Multi-modal and frequency-weighted tensor nuclear norm for hyperspectral
image denoising
- Title（参考訳）: ハイパースペクトル画像復調のためのマルチモーダルおよび周波数重み付きテンソル核ノルム
- Authors: Sheng Liu, Xiaozhen Xie, Wenfeng Kong, and Jifeng Ning
- Abstract要約: 低ランク性は高スペクトル画像(HSI)復調作業において重要である。
マルチモーダルおよび非重み付きテンソル準最適化性能(MFWTNN)と非MFWTNNによるHSI復調タスクを提案する。
- 参考スコア（独自算出の注目度）: 2.9993889271808807
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Low-rankness is important in the hyperspectral image (HSI) denoising tasks.
The tensor nuclear norm (TNN), defined based on the tensor singular value
decomposition, is a state-of-the-art method to describe the low-rankness of
HSI. However, TNN ignores some of the physical meanings of HSI in tackling the
denoising tasks, leading to suboptimal denoising performance. In this paper, we
propose the multi-modal and frequency-weighted tensor nuclear norm (MFWTNN) and
the non-convex MFWTNN for HSI denoising tasks. Firstly, we investigate the
physical meaning of frequency components and reconsider their weights to
improve the low-rank representation ability of TNN. Meanwhile, we also consider
the correlation among two spatial dimensions and the spectral dimension of HSI
and combine the above improvements to TNN to propose MFWTNN. Secondly, we use
non-convex functions to approximate the rank function of the frequency tensor
and propose the NonMFWTNN to relax the MFWTNN better. Besides, we adaptively
choose bigger weights for slices mainly containing noise information and
smaller weights for slices containing profile information. Finally, we develop
the efficient alternating direction method of multiplier (ADMM) based algorithm
to solve the proposed models, and the effectiveness of our models are
substantiated in simulated and real HSI datasets.
- Abstract（参考訳）: 低ランク性はハイパースペクトル画像(hsi)のタスクにおいて重要である。
テンソル核ノルム (TNN) は、テンソル特異値分解に基づいて定義され、HSIの低ランク性を記述するための最先端の手法である。
しかしながら、TNNは、非正規化タスクに対処する際のHSIの物理的意味を無視し、亜最適デノイズ化パフォーマンスをもたらす。
本稿では,マルチモーダル・周波数重み付きテンソル核ノルム (MFWTNN) と非凸MFWTNN を提案する。
まず、周波数成分の物理的意味を調査し、その重みを再考し、TNNの低ランク表現能力を改善する。
また,2つの空間次元とHSIのスペクトル次元の相関を考察し,上記のTNNの改良と組み合わせてMFWTNNを提案する。
次に、非凸関数を用いて周波数テンソルのランク関数を近似し、MFWTNNをより緩和するNonMFWTNNを提案する。
また,ノイズ情報を含むスライスに対して,プロファイル情報を含むスライスに対して,より小さなウエイトを適応的に選択する。
最後に,提案モデルを解くために,乗算器(admm)に基づくアルゴリズムの効率的な交互方向法を開発し,本手法の有効性をシミュレーションおよび実hsiデータセットで検証した。
関連論文リスト
- Hybrid Convolutional and Attention Network for Hyperspectral Image Denoising [54.110544509099526]
ハイパースペクトル画像(HSI)は、ハイパースペクトルデータの効果的な解析と解釈に重要である。
ハイブリット・コンボリューション・アテンション・ネットワーク(HCANet)を提案する。
主流HSIデータセットに対する実験結果は,提案したHCANetの合理性と有効性を示している。
論文 参考訳（メタデータ） (2024-03-15T07:18:43Z) - Hyperspectral Image Fusion via Logarithmic Low-rank Tensor Ring
Decomposition [26.76968345244154]
TR因子の低ランク性をTNNの観点から検討し,各TR因子のモード2対数TNN(LTNN)を考慮する。
このLTNN正則化と重み付き全変動を取り入れた新しい融合モデルを提案する。
論文 参考訳（メタデータ） (2023-10-16T04:02:34Z) - Hyperspectral Image Denoising via Self-Modulating Convolutional Neural
Networks [15.700048595212051]
相関スペクトルと空間情報を利用した自己変調畳み込みニューラルネットワークを提案する。
モデルの中心には新しいブロックがあり、隣り合うスペクトルデータに基づいて、ネットワークが適応的に特徴を変換することができる。
合成データと実データの両方の実験解析により,提案したSM-CNNは,他の最先端HSI復調法よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-09-15T06:57:43Z) - Benign Overfitting in Deep Neural Networks under Lazy Training [72.28294823115502]
データ分布が適切に分離された場合、DNNは分類のためのベイズ最適テスト誤差を達成できることを示す。
よりスムーズな関数との補間により、より一般化できることを示す。
論文 参考訳（メタデータ） (2023-05-30T19:37:44Z) - Incremental Spatial and Spectral Learning of Neural Operators for
Solving Large-Scale PDEs [86.35471039808023]
Incrmental Fourier Neural Operator (iFNO)を導入し、モデルが使用する周波数モードの数を徐々に増加させる。
iFNOは、各種データセット間の一般化性能を維持したり改善したりしながら、トレーニング時間を短縮する。
提案手法は,既存のフーリエニューラル演算子に比べて20%少ない周波数モードを用いて,10%低いテスト誤差を示すとともに,30%高速なトレーニングを実現する。
論文 参考訳（メタデータ） (2022-11-28T09:57:15Z) - Towards Robust k-Nearest-Neighbor Machine Translation [72.9252395037097]
近年,k-Nearest-Neighbor Machine Translation (kNN-MT)がNMTの重要な研究方向となっている。
その主なアイデアは、NMTモデルを更新することなく翻訳を変更するために、追加のデータストアから有用なキーと値のペアを取得することである。
取り出したノイズペアはモデル性能を劇的に低下させる。
ノイズの影響を軽減するために,頑健なトレーニングを施した信頼性向上kNN-MTモデルを提案する。
論文 参考訳（メタデータ） (2022-10-17T07:43:39Z) - MemSE: Fast MSE Prediction for Noisy Memristor-Based DNN Accelerators [5.553959304125023]
我々は,行列ベクトル乗算(MVM)を計算するためにmemristorを用いたDNNの平均二乗誤差を理論的に解析する。
DNNモデルのサイズを小さくする必要性から量子化ノイズと、中間値のプログラミングにおける可変性から生じるプログラミングノイズの両方を考慮に入れている。
提案手法はモンテカルロシミュレーションよりも約2桁高速であり, 与えられた電力制約に対して最小限の誤差を達成するために, 実装パラメータを最適化することができる。
論文 参考訳（メタデータ） (2022-05-03T18:10:43Z) - Hyperspectral Image Restoration via Multi-mode and Double-weighted
Tensor Nuclear Norm Minimization [2.4965977185977732]
テンソル特異値分解によって誘導される核ノルム(TNN)は、ハイパースペクトル画像(HSI)復元タスクにおいて重要な役割を果たす。
以上の3つの重要な現象に基づく多モード・二重重み付きTNNを提案する。
HSIの全てのモードにおいて、周波数成分と特異値の物理的意味に応じて適応的に縮小することができる。
論文 参考訳（メタデータ） (2021-01-19T15:20:38Z) - Deep Networks for Direction-of-Arrival Estimation in Low SNR [89.45026632977456]
我々は,真の配列多様体行列の変異チャネルデータから学習した畳み込みニューラルネットワーク(CNN)を導入する。
我々は低SNR体制でCNNを訓練し、すべてのSNRでDoAを予測する。
私たちの堅牢なソリューションは、ワイヤレスアレイセンサーから音響マイクロフォンやソナーまで、いくつかの分野に適用できます。
論文 参考訳（メタデータ） (2020-11-17T12:52:18Z) - A Fully Tensorized Recurrent Neural Network [48.50376453324581]
重み付けされたRNNアーキテクチャを導入し、各リカレントセル内の個別の重み付け行列を共同で符号化する。
このアプローチはモデルのサイズを数桁削減するが、通常のRNNと同等あるいは優れた性能を維持している。
論文 参考訳（メタデータ） (2020-10-08T18:24:12Z) - Enhancement of a CNN-Based Denoiser Based on Spatial and Spectral
Analysis [23.11994688706024]
本稿では,複数のノイズで劣化した画像を1つのモデルで復元する離散ウェーブレットデノイズCNN(WDnCNN)を提案する。
この問題に対処するために、周波数スペクトルの異なる部分から係数を正規化するバンド正規化モジュール(BNM)を提案する。
提案したWDnCNNを評価し,他の最先端のデノイザと比較した。
論文 参考訳（メタデータ） (2020-06-28T05:25:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。