반복적인 딥 뉴럴 네트워크를 이용한 ill-posed 역문제 해결

Source: Dev.to

수학과 학습된 네트워크를 결합한 더 빠르고 선명한 CT 이미지

이 새로운 접근법은 일반적으로 잡음이 많고 흐릿한 결과를 초래하는 어려운 영상 문제를 해결합니다. 알려진 물리 법칙을 예시 학습과 결합하여, 데이터 생성 방식을 이미 알고 있는 정보를 보존하면서 단계별로 이미지를 복원할 수 있습니다.

그 결과, 딥 네트워크가 각 단계를 안내하는 루프가 형성되어 ill‑posed problems에서 고전적인 방법이 실패하는 부분의 디테일을 개선합니다. 간단한 팬텀과 머리 CT에 대한 테스트에서 기존 재구성보다 훨씬 선명한 이미지를 얻었으며, 일반적인 방법보다 약 5 dB 향상을 보였습니다.

성능

• 단일 GPU에서 512 × 512 이미지를 대략 0.4 초에 생성합니다.
• 기본 물리 법칙을 포기하지 않으면서 더 선명한 이미지를 제공합니다.
• 필요한 정보만 학습하여 수학과 데이터를 함께 활용함으로써 전통적인 트릭보다 적은 추가 단계로도 더 빠르고 종종 더 좋은 결과를 얻을 수 있습니다.

추가 읽을거리

Paperium.net에서 종합 리뷰 읽기:
Solving ill‑posed inverse problems using iterative deep neural networks