An autoencoder based formulation for compressed sensing reconstruction
Angshul Majumdar
2018
阅读日期:2020.01.18
泛读。这篇文章研究的是MRI 重建。作者的想法是用自编码来自适应重建图像,类似于 DL 或 TL,这种做法不需要训练数据,是在重建图像的过程中训练自编码。作者使用 ADMM 算法来求解,因为自编码器只使用了一层隐层,而且激活函数是可逆的,因此在数学上可以比较容易的求解 ADMM 的子问题。另外因为不需要 SVD 分解,求解的速度比 DL 和 TL 要快。(以及,作者在文章中说 deep learning 的方法比 CS 好,但比 DL 和 TL 要差)
DL 的优化目标函数:
TL 的优化目标函数:
自编码器的优化目标函数:
个人感觉自编码器有点像 DL 和 TL 的结合。
ADMM 算法的求解步骤:
- least squares problem
- least squares problem
- least squares problem
-
$l_1$ -regularized least squares problem,using iterative soft thresholding algorithm
@article{majumdar2018autoencoder,
title={An autoencoder based formulation for compressed sensing reconstruction},
author={Majumdar, Angshul},
journal={Magnetic resonance imaging},
volume={52},
pages={62--68},
year={2018},
publisher={Elsevier}
}