深度盲压缩感知
计算机视觉与模式识别
2016-12-23 v1
摘要
本工作解决了直接从压缩测量中提取深度学习特征的问题。该领域此前尚无相关研究。现有的深度学习工具仅在应用于完整信号时才能给出良好结果，且通常需要经过预处理。这些技术要求首先重建信号。在本工作中，我们展示了通过直接从压缩域进行学习，可以获得显著更好的结果。本工作扩展了最近提出的深度矩阵分解框架，并将其与盲压缩感知相结合；因此称为深度盲压缩感知。仿真实验在单像素相机成像、无线体域网中出现的欠采样生物医学信号以及压缩高光谱成像上进行。在所有情况下，均能展现出我们提出的深度盲压缩感知的优越性。
引用
@article{arxiv.1612.07453,
title = {Deep Blind Compressed Sensing},
author = {Shikha Singh and Vanika Singhal and Angshul Majumdar},
journal= {arXiv preprint arXiv:1612.07453},
year = {2016}
}
备注
DCC 2017 Poster