Affiliation：Doshisha University Faculty of Science and Engineering

Abstract：ディープラーニングを用いた画像復元手法では，一般的に高い性能を得るために大規模なデータセットが必要とされる．しかし，データ取得コストがかかるため，そのようなデータセットの取得が困難なタスクがある．このようなデータセットで学習すると、モデルは過学習し汎化性能が低くなる。対照的に，モデルベース最適化手法では，大量のデータ取得が困難な場合に有効であり，画像復元に広く採用されている．本研究では、Deep Neural Networkと最適化手法を深層展開したDeep Unfolding Networkを組み合わせることにより、学習データ量が限られた非理想的条件下で汎化性能を向上させる。上記手法をノイズ除去および画素補間のための小規模データセットに適用し、ディープニューラルネットワークの汎化性能が向上することを確認した。

Publication related to your research
（International conference paper）

• Tatsuki Itasaka, “Study on generalization performance of deep image restoration with unfolding on small datasets”, 2021 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC) Session OD-RA, December 2021