无监督深度基追踪：无需真实数据学习逆问题
信号处理
2020-02-18 v3 图像与视频处理
摘要
基追踪是一种压缩感知优化，其中在模型误差约束下最小化ℓ1范数。这里我们使用深度神经网络先验代替ℓ1正则化。利用已知的噪声统计，我们在没有真实数据的情况下联合学习先验并重建图像。在训练期间，我们在展开的迭代网络上使用交替最小化，并联合求解神经网络权重和训练集图像重建。在推理时，我们固定权重并将测量值通过网络。我们比较了无监督和监督（即使用真实数据）方法的重建性能。我们假设该技术可用于在真实数据不可用时学习重建，例如在高分辨率动态MRI中。
引用
@article{arxiv.1910.13110,
title = {Unsupervised Deep Basis Pursuit: Learning inverse problems without ground-truth data},
author = {Jonathan I. Tamir and Stella X. Yu and Michael Lustig},
journal= {arXiv preprint arXiv:1910.13110},
year = {2020}
}
备注
https://deep-inverse.org/