| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2020-09-03 13:10 ［招待講演］画像復元のための高階埋め込み多様体モデルの研究 ○横田達也（名工大）  MI2020-27 |
|
| 抄録 | （和） | 本招待講演では，近年さまざまな画像処理の課題において顕著な成果を上げている畳み込みニューラルネットワークについて議論しようと思う．まず，Deep Image PriorやConvolutional Sparse Codingなど，近年の畳み込みニューラルネットワークを理解するために役立つ研究についていくつか紹介する．次に，畳み込み演算が遅延埋め込みと線形変換に分離できることを説明する．この気付きから畳み込みニューラルネットワークを遅延埋め込みと自己符号化器の組み合わせに単純化することを提案し，これが埋め込み空間の多様体モデル(MMES)として解釈できることを説明する．Deep Image PriorとMMESの類似性を計算機実験により示し，畳み込みニューラルネットワークの構造が規定する画像を理解するためには，シフト不変性，自己相似性などの視点が役立つことを主張する． |
| （英） | In this invited talk, I will discuss convolutional neural networks, which have achieved remarkable results in various image processing tasks in recent years. First of all, I would like to introduce some studies that are useful for understanding convolutional neural networks, such as Deep Image Prior and Convolutional Sparse Coding. Next, we explain that convolution operation can be separated into delay embedding and linear transformation. From this point of view, we propose to simplify the convolutional neural network to a combination of delay embedding and auto-encoder, and explain that it can be interpreted as a manifold modeling in embedded space (MMES). We show the similarity between Deep Image Prior and MMES by computational experiments, and argue that perspectives such as shift-invariance and self-similarity are useful for understanding the image defined by the structure of the convolutional neural network. | |
| キーワード | （和） | 畳み込みニューラルネットワーク / Deep Image Prior / 遅延埋め込み / 自己符号化器 / シフト不変性 / 自己相似性 / 高階埋め込み多様体モデル / |
| （英） | Convolutional Neural Networks / Deep Image Prior / Delay-embeddin / Auto-encoder / Shift-invariance / Self-similarity / Manifold modeling in embedded space / | |
| 文献情報 | 信学技報, vol. 120, no. 156, MI2020-27, pp. 43-44, 2020年9月. | |
| 資料番号 | MI2020-27 | |
| 発行日 | 2020-08-27 (MI) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | MI2020-27 |
|
| 研究会情報 | |
| 研究会 | MI |
| 開催期間 | 2020-09-03 - 2020-09-03 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 医用画像解析一般 |
| テーマ（英） | Medical Image Analysis |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2020-09-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | 画像復元のための高階埋め込み多様体モデルの研究 |
| サブタイトル（和） | |
| タイトル（英） | Manifold modeling in embedded space for image restoration |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 畳み込みニューラルネットワーク / Convolutional Neural Networks |
| キーワード(2)（和/英） | Deep Image Prior / Deep Image Prior |
| キーワード(3)（和/英） | 遅延埋め込み / Delay-embeddin |
| キーワード(4)（和/英） | 自己符号化器 / Auto-encoder |
| キーワード(5)（和/英） | シフト不変性 / Shift-invariance |
| キーワード(6)（和/英） | 自己相似性 / Self-similarity |
| キーワード(7)（和/英） | 高階埋め込み多様体モデル / Manifold modeling in embedded space |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 横田 達也 / Tatsuya Yokota / ヨコタ タツヤ |
| 第1著者 所属（和/英） | 名古屋工業大学 (略称： 名工大) Nagoya Institute of Technology (略称： Nitech) |
| 講演者 | 第1著者 |
| 発表日時 | 2020-09-03 13:10:00 |
| 発表時間 | 45分 |
| 申込先研究会 | MI |
| 資料番号 | MI2020-27 |
| 巻番号（vol） | vol.120 |
| 号番号（no） | no.156 |
| ページ範囲 | pp.43-44 |
| ページ数 | 2 |
| 発行日 | 2020-08-27 (MI) |
[研究会発表申込システムのトップページに戻る]