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Deep-learning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なるが、取得コストによってそのようなデータセットの取得が困難なタスクも存在する。このような場合、データセットが小さくなりがちで、小さなデータセットで学習したモデルではオーバーフィッティングや低い汎化性能が発生する。このような問題を回避するために、モデルベースの最適化手法が画像復元に広く採用されている。そこで、本論文では、ディープニューラルネットワークとディープアンフォールディングネットワークを組み合わせることで、特に学習データ量が限られているという非理想的な条件下で、汎化性能を向上させる方法を提案します。ディープニューラルネットワークは、ディープアンフォールディングネットワークの前処理を行う。提案手法をノイズ除去や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していることを確認した。

Publication related to your research:
（International conference paper）

• T. Itasaka and M. Okuda, “Effects of incorporating a deep-unfolding framework into a deep neural network: implications for image restoration,” in 2022 Asia-Pacific Signal and Information Processing Association Annual Summit and Conference (APSIPA ASC), pp. 649–652, Nov. 2022.