| 研究課題/領域番号 |
17K14683
|
|---|
| 研究種目 |
若手研究(B)
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
通信・ネットワーク工学
|
|---|
| 研究機関 | 北九州市立大学 |
|---|
研究代表者 |
京地 清介 北九州市立大学, 国際環境工学部, 准教授 (70634616)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| キーワード | テンソル辞書 / スパース表現 / 高解像度映像 / 信号圧縮 / 信号復元 / 凸最適化 |
|---|
| 研究成果の概要 |
本研究では指向性テンソル辞書に基づく高解像度映像スパース表現手法を確立した．大規模テンソルデータである高精細・マルチスペクトル・多視点映像を（信号圧縮・復元に向けて）スパースに表現するには，大規模なテンソル辞書が必要となる．しかしテンソル辞書学習はその多次元性により，非常に計算負荷が高いため，テンソル辞書の各次元が大規模になると学習は困難になる．本研究では，濃淡画像の各画素の方向相関（縦横斜めの方向への高い相関）が映像でも成り立つことに着目し，まず指向性（特定方向への分布形状）要素を有した非学習型大規模テンソル辞書を設計し，高解像度映像のスパース表現を行うアルゴリズムを開発した．
|
| 自由記述の分野 |
信号処理
|
| 研究成果の学術的意義や社会的意義 |
高解像度映像スパース表現のための大規模テンソル辞書を非学習型辞書の多層線形結合によって生成するコンセプトは非常にユニークであり，またその効果を確認することができた．また本研究で開発したエピグラフ変形による各層のパラメータ学習手法は，近年活発に研究が進められている深層ニューラルネットワーク（DNN）のパラメータ学習に応用できると考えられる．DNNの性質はブラックボックスになっている部分が多く，これまで経験的な試行錯誤によって開発が進められてきたが，エピグラフ変形を架け橋として，理論が整備されている凸最適化工学の知見を活用しながら，更に高度なDNNを構築できると考えられる．
|
