論文の概要: Gabor is Enough: Interpretable Deep Denoising with a Gabor Synthesis Dictionary Prior

• arxiv url: http://arxiv.org/abs/2204.11146v1
• Date: Sat, 23 Apr 2022 22:21:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-27 06:07:58.842000
• Title: Gabor is Enough: Interpretable Deep Denoising with a Gabor Synthesis Dictionary Prior
• Title（参考訳）: gaborは十分である:gabor合成辞書を先行して解釈可能なディープ・デノイジング
• Authors: Nikola Janju\v{s}evi\'c, Amirhossein Khalilian-Gourtani, and Yao Wang
• Abstract要約: ガバーライクなフィルタはCNN分類器の初期層や低レベルの画像処理ネットワークで観測されている。 本研究では,自然像のCNNのフィルタを2次元実ガボルフィルタで学習するために,この観察を極端かつ明示的に制限する。 提案したネットワーク(GDLNet)は,一般的な完全畳み込みニューラルネットワークにおいて,最先端のデノゲーション性能を実現することができる。
• 参考スコア（独自算出の注目度）: 6.297103076360578
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Image processing neural networks, natural and artificial, have a long history with orientation-selectivity, often described mathematically as Gabor filters. Gabor-like filters have been observed in the early layers of CNN classifiers and even throughout low-level image processing networks. In this work, we take this observation to the extreme and explicitly constrain the filters of a natural-image denoising CNN to be learned 2D real Gabor filters. Surprisingly, we find that the proposed network (GDLNet) can achieve near state-of-the-art denoising performance amongst popular fully convolutional neural networks, with only a fraction of the learned parameters. We further verify that this parameterization maintains the noise-level generalization (training vs. inference mismatch) characteristics of the base network, and investigate the contribution of individual Gabor filter parameters to the performance of the denoiser. We present positive findings for the interpretation of dictionary learning networks as performing accelerated sparse-coding via the importance of untied learned scale parameters between network layers. Our network's success suggests that representations used by low-level image processing CNNs can be as simple and interpretable as Gabor filterbanks.
• Abstract（参考訳）: 自然言語と人工的な画像処理ニューラルネットワークは、配向選択性を持つ長い歴史を持ち、数学的にはガボルフィルタと呼ばれることが多い。 gaborのようなフィルタはcnn分類器の初期層や低レベルの画像処理ネットワークでも観測されている。 本研究では,自然像のCNNのフィルタを2次元実ガボルフィルタで学習するために,この観察を極端かつ明示的に制限する。 驚くべきことに、提案したネットワーク(GDLNet)は、一般的な完全畳み込みニューラルネットワークにおいて、学習パラメータのごく一部で、最先端の復調性能を達成できる。 さらに、このパラメータ化がベースネットワークのノイズレベルの一般化(トレーニングと推論ミスマッチ)特性を維持し、個々のgaborフィルタパラメータがdenoiserの性能に与える影響についても検証する。 本研究は,ネットワーク層間の学習スケールパラメータの欠如を重要視することで,辞書学習ネットワークのスライスコーディングを高速化することを示す。 我々のネットワークの成功は、低レベル画像処理CNNで使われる表現は、Gaborフィルタバンクと同じくらいシンプルで解釈可能であることを示唆している。

関連論文リスト

• PICNN: A Pathway towards Interpretable Convolutional Neural Networks [12.31424771480963]
  フィルタと画像のクラス間の絡み合いを軽減する新しい経路を導入する。 我々はBernoulliサンプリングを用いて、学習可能なフィルタクラス対応行列からフィルタクラスタ割り当て行列を生成する。 提案手法の有効性を,広く使用されている10のネットワークアーキテクチャ上で評価する。
  論文  参考訳（メタデータ） (2023-12-19T11:36:03Z)
• Batch Normalization Tells You Which Filter is Important [49.903610684578716]
  我々は,事前学習したCNNのBNパラメータに基づいて,各フィルタの重要性を評価することによって,簡易かつ効果的なフィルタ刈取法を提案する。 CIFAR-10とImageNetの実験結果から,提案手法が優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2021-12-02T12:04:59Z)
• New SAR target recognition based on YOLO and very deep multi-canonical correlation analysis [0.1503974529275767]
  本稿では,異なるCNN層から有効な特徴を適応的に融合させることにより,SAR画像ターゲット分類のためのロバストな特徴抽出手法を提案する。 MSTARデータセットの実験により,提案手法が最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-10-28T18:10:26Z)
• Graph Neural Networks with Adaptive Frequency Response Filter [55.626174910206046]
  適応周波数応答フィルタを用いたグラフニューラルネットワークフレームワークAdaGNNを開発した。 提案手法の有効性を,様々なベンチマークデータセット上で実証的に検証した。
  論文  参考訳（メタデータ） (2021-04-26T19:31:21Z)
• Unrolling of Deep Graph Total Variation for Image Denoising [106.93258903150702]
  本稿では,従来のグラフ信号フィルタリングと深い特徴学習を併用して,競合するハイブリッド設計を提案する。 解釈可能な低パスグラフフィルタを用い、最先端のDL復調方式DnCNNよりも80%少ないネットワークパラメータを用いる。
  論文  参考訳（メタデータ） (2020-10-21T20:04:22Z)
• Training Interpretable Convolutional Neural Networks by Differentiating Class-specific Filters [64.46270549587004]
  畳み込みニューラルネットワーク(CNN)は、様々なタスクでうまく使われている。 CNNは、しばしば「ブラックボックス」と解釈可能性の欠如とみなされる。 本稿では,クラス固有のフィルタを奨励することで,解釈可能なCNNを訓練する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-16T09:12:26Z)
• The Neural Tangent Link Between CNN Denoisers and Non-Local Filters [4.254099382808598]
  畳み込みニューラルネットワーク(CNN)は現在、計算画像問題を解決するための確立されたツールである。 ニューラルネットワークタンジェント(NTK)とよく知られた非局所フィルタリング技術によるネットワーク間の公式なリンクを導入する。 本研究は,広範囲な画像復号化実験により評価した。
  論文  参考訳（メタデータ） (2020-06-03T16:50:54Z)
• Filter Grafting for Deep Neural Networks: Reason, Method, and Cultivation [86.91324735966766]
  フィルタは現代の畳み込みニューラルネットワーク(CNN)のキーコンポーネントである 本稿では,この目的を達成するためにフィルタグラフト(textbfMethod)を導入する。 我々は,フィルタの情報を測定するための新しい基準と,グラフトされた情報をネットワーク間でバランスをとるための適応重み付け戦略を開発する。
  論文  参考訳（メタデータ） (2020-04-26T08:36:26Z)
• Gabor Convolutional Networks [103.87356592690669]
  我々は、Gaborフィルタをディープ畳み込みニューラルネットワーク(DCNN)に組み込む、GCN(Gabor Convolutional Networks)と呼ばれる新しいディープモデルを提案する。 GCNは簡単に実装でき、一般的なディープラーニングアーキテクチャと互換性がある。 実験により,物体認識におけるアルゴリズムの超能力を示す。
  論文  参考訳（メタデータ） (2017-05-03T14:37:55Z)

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。