کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4973747 1451708 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Deep fully-connected networks for video compressive sensing
ترجمه فارسی عنوان
عمیق شبکه های کاملا متصل برای حساسیت فشرده سازی ویدئو
کلمات کلیدی
حساسیت فشرده سازی ویدئو، شبکه های عمیق عصبی، شبکه های کاملا متصل
ترجمه چکیده
در این کار، یک چارچوب یادگیری عمیق برای سنجش فشرده سازی ویدیو ارائه می کنیم. فرمول پیشنهادی قادر به بازیابی فریم های ویدیویی در چند ثانیه با کیفیت قابل توجهی بهبود بازسازی نسبت به روش های قبلی است. تحقیقات ما با یادگیری یک نقشه ی خطی بین توالی های ویدئویی و فریم های اندازه گیری مربوطه آغاز می شود که به نظر می رسد نتایج یک امیدوار کننده را ارائه می دهد. سپس فرمول خطی را به شبکه های عمیق متصل به هم متصل می کنیم و به دست آوردن عملکرد با استفاده از معماری های عمیق کشف می کنیم. تجزیه و تحلیل ما همیشه توسط کاربرد چارچوب پیشنهاد شده در معماری های ویدیویی فشرده موجود هدایت می شود. شبیه سازی های گسترده در چندین ترانه ویدئویی، برتری روش ما را کمی و کیفی نشان می دهد. در نهایت، تجزیه و تحلیل ما ارائه می دهد بینش برای درک اینکه چگونه اندازه داده ها و تعداد لایه ها بر عملکرد بازسازی تاثیر می گذارد در حالی که افزایش چند نقطه برای تحقیقات آینده.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
چکیده انگلیسی
In this work we present a deep learning framework for video compressive sensing. The proposed formulation enables recovery of video frames in a few seconds at significantly improved reconstruction quality compared to previous approaches. Our investigation starts by learning a linear mapping between video sequences and corresponding measured frames which turns out to provide promising results. We then extend the linear formulation to deep fully-connected networks and explore the performance gains using deeper architectures. Our analysis is always driven by the applicability of the proposed framework on existing compressive video architectures. Extensive simulations on several video sequences document the superiority of our approach both quantitatively and qualitatively. Finally, our analysis offers insights into understanding how dataset sizes and number of layers affect reconstruction performance while raising a few points for future investigation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Digital Signal Processing - Volume 72, January 2018, Pages 9-18
نویسندگان
, , ,