如何热启动你的展开网络
机器学习
2025-02-10 v2 图像与视频处理
信号处理
摘要
我们提出了一种新的集成框架，用于提升解决压缩感知问题的过参数化展开网络的性能。我们将一个最先进的过参数化展开网络与一种连续技术相结合，以热启动该网络架构中的一个关键量；我们将由此产生的连续网络命名为 C-DEC。此外，为了训练和评估 C-DEC，我们采用了 log-cosh 损失函数，该函数兼具线性和二次行为特性。最后，我们在真实世界图像上数值评估了 C-DEC 的性能。结果表明，将连续技术与过参数化展开架构相结合，并使用所选损失函数进行训练和评估，能够在所有数据集上一致地产生更平滑的损失景观，并改善 C-DEC 的重建和泛化性能。
引用
@article{arxiv.2502.01854,
title = {How to warm-start your unfolding network},
author = {Vicky Kouni},
journal= {arXiv preprint arXiv:2502.01854},
year = {2025}
}