Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores
- Autores
- González, Mario
- Año de publicación
- 2018
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión aceptada
- Descripción
- Los esquemas de compresión wavelet tales como el JPEG2000 o el standard CCSDS (para satélites de muy alta resolución) llevan a la aparición de artefactos visuales muy específicos debido a la cuantificación de los coeficientes wavelet. Éstos tienen una estructura espacial muy correlacionada que hace que sean difíciles de remover por algoritmos de denoising clásicos. En este trabajo, proponemos un esquema de denoising y descompresión conjuntos, basado en plug-and-play ADMM, que combina un término de ajuste a datos que modela la cuantificación de coeficientes wavelet y un prior de imágenes naturales implícito contenido en una red neuronal convolucional de denoising del estado del arte
Fil: González, Mario. Universidad de La República (Uruguay). - Materia
-
Matemática
Comprensión
Imágenes
Denoising
Wavelets
Redes neuronales - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de Cuyo
- OAI Identificador
- oai:bdigital.uncu.edu.ar:13183
Ver los metadatos del registro completo
id |
BDUNCU_92e9b1618a5bcf4cbb27bc162575a38b |
---|---|
oai_identifier_str |
oai:bdigital.uncu.edu.ar:13183 |
network_acronym_str |
BDUNCU |
repository_id_str |
1584 |
network_name_str |
Biblioteca Digital (UNCu) |
spelling |
Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores González, MarioMatemáticaComprensiónImágenesDenoisingWaveletsRedes neuronalesLos esquemas de compresión wavelet tales como el JPEG2000 o el standard CCSDS (para satélites de muy alta resolución) llevan a la aparición de artefactos visuales muy específicos debido a la cuantificación de los coeficientes wavelet. Éstos tienen una estructura espacial muy correlacionada que hace que sean difíciles de remover por algoritmos de denoising clásicos. En este trabajo, proponemos un esquema de denoising y descompresión conjuntos, basado en plug-and-play ADMM, que combina un término de ajuste a datos que modela la cuantificación de coeficientes wavelet y un prior de imágenes naturales implícito contenido en una red neuronal convolucional de denoising del estado del arte Fil: González, Mario. Universidad de La República (Uruguay). González, MarioMusé, Pablo 2018-10-01documento de conferenciainfo:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://bdigital.uncu.edu.ar/13183spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/2.5/ar/reponame:Biblioteca Digital (UNCu)instname:Universidad Nacional de Cuyoinstacron:UNCU2025-09-11T10:19:46Zoai:bdigital.uncu.edu.ar:13183Institucionalhttp://bdigital.uncu.edu.ar/Universidad públicaNo correspondehttp://bdigital.uncu.edu.ar/OAI/hdegiorgi@uncu.edu.ar;horaciod@gmail.comArgentinaNo correspondeNo correspondeNo correspondeopendoar:15842025-09-11 10:19:46.57Biblioteca Digital (UNCu) - Universidad Nacional de Cuyofalse |
dc.title.none.fl_str_mv |
Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores |
title |
Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores |
spellingShingle |
Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores González, Mario Matemática Comprensión Imágenes Denoising Wavelets Redes neuronales |
title_short |
Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores |
title_full |
Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores |
title_fullStr |
Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores |
title_full_unstemmed |
Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores |
title_sort |
Denoising y descompresión conjuntos de imágenes usando redes neuronales convolucionales como regularizadores |
dc.creator.none.fl_str_mv |
González, Mario |
author |
González, Mario |
author_facet |
González, Mario |
author_role |
author |
dc.contributor.none.fl_str_mv |
González, Mario Musé, Pablo |
dc.subject.none.fl_str_mv |
Matemática Comprensión Imágenes Denoising Wavelets Redes neuronales |
topic |
Matemática Comprensión Imágenes Denoising Wavelets Redes neuronales |
dc.description.none.fl_txt_mv |
Los esquemas de compresión wavelet tales como el JPEG2000 o el standard CCSDS (para satélites de muy alta resolución) llevan a la aparición de artefactos visuales muy específicos debido a la cuantificación de los coeficientes wavelet. Éstos tienen una estructura espacial muy correlacionada que hace que sean difíciles de remover por algoritmos de denoising clásicos. En este trabajo, proponemos un esquema de denoising y descompresión conjuntos, basado en plug-and-play ADMM, que combina un término de ajuste a datos que modela la cuantificación de coeficientes wavelet y un prior de imágenes naturales implícito contenido en una red neuronal convolucional de denoising del estado del arte Fil: González, Mario. Universidad de La República (Uruguay). |
description |
Los esquemas de compresión wavelet tales como el JPEG2000 o el standard CCSDS (para satélites de muy alta resolución) llevan a la aparición de artefactos visuales muy específicos debido a la cuantificación de los coeficientes wavelet. Éstos tienen una estructura espacial muy correlacionada que hace que sean difíciles de remover por algoritmos de denoising clásicos. En este trabajo, proponemos un esquema de denoising y descompresión conjuntos, basado en plug-and-play ADMM, que combina un término de ajuste a datos que modela la cuantificación de coeficientes wavelet y un prior de imágenes naturales implícito contenido en una red neuronal convolucional de denoising del estado del arte |
publishDate |
2018 |
dc.date.none.fl_str_mv |
2018-10-01 |
dc.type.none.fl_str_mv |
documento de conferencia info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
acceptedVersion |
dc.identifier.none.fl_str_mv |
http://bdigital.uncu.edu.ar/13183 |
url |
http://bdigital.uncu.edu.ar/13183 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
|
publisher.none.fl_str_mv |
|
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital (UNCu) instname:Universidad Nacional de Cuyo instacron:UNCU |
reponame_str |
Biblioteca Digital (UNCu) |
collection |
Biblioteca Digital (UNCu) |
instname_str |
Universidad Nacional de Cuyo |
instacron_str |
UNCU |
institution |
UNCU |
repository.name.fl_str_mv |
Biblioteca Digital (UNCu) - Universidad Nacional de Cuyo |
repository.mail.fl_str_mv |
hdegiorgi@uncu.edu.ar;horaciod@gmail.com |
_version_ |
1842974864877551616 |
score |
13.070432 |