著者

竹之内 星矢 青森 久 大竹 敢 田中 衞 松田 一朗 伊東 晋

出版者

一般社団法人電子情報通信学会

雑誌

電子情報通信学会技術研究報告. NLP, 非線形問題 (ISSN:09135685)

巻号頁・発行日

vol.110, no.82, pp.69-73, 2010-06-11

参考文献数

11

被引用文献数

1

---

本論文では,画像毎の特徴に応じ適応的に処理を行うセルラニューラルネットワーク(CNN)を用いた階層的可逆符号化方式を提案する.提案方式は,画像の分割と予測に基づく方式であり,符号化性能は予測性能に大きく依存する.このため,予測を予測誤差を最小とする最適化問題に帰着させることにより,CNNによる最適な予測を実現している.また,画像の特徴に応じて,CNNのテンプレート形状を変化させ,予測性能の向上を図った.さらに,コンテクストモデリングを用いる算術符号化器を導入し,高い符号化効率を実現している.様々な画像に対し符号化を行い,提案方式の有効性を確認した.

著者

瀧澤 恵介 竹之内 星矢 青森 久 大竹 敢 田中 衛 松田 一朗 伊東 晋

出版者

一般社団法人電子情報通信学会

雑誌

電子情報通信学会技術研究報告. NLP, 非線形問題 (ISSN:09135685)

巻号頁・発行日

vol.111, no.106, pp.119-124, 2011-06-23

---

本稿では,Paricle Swarm Optimization(PSO)を用い,符号化レートを最小とするセルラーニューラルネットワーク(CNN)による画像予測器の教師付学習手法を提案する.提案手法では,従来予測誤差電力を最小化するよう設計されているCNNによる画像予測器をロスレス符号化性能向上のため,符号化レート最小化をPSOを用いた学習により実現している.特に,本方式で用いられているPSOは評価関数の勾配情報を利用しないため,CNNによる非線形予測器の学習に非常に効果的であると考えられる.様々な標準画像に対し符号化を行い,従来手法と比較し提案手法の有効性を確認した.