题目:Siamese Cooperative Learning for Unsupervised Image Reconstruction From Incomplete Measurements
无监督图像重建的孪生合作学习方法
作者:Yuhui Quan; Xinran Qin; Tongyao Pang; Hui Ji
摘要
从不完整测量中重建图像是成像中的基本任务。尽管近年来有监督的深度学习已成为图像重建的强大工具,但其应用受限于需要大量潜在图像进行模型训练。为扩展深度学习在获取潜在图像具有挑战性的成像任务中的应用,本文提出了一种无监督的深度学习方法,该方法在训练深度模型进行图像重建时仅访问测量数据。我们开发了一种孪生网络,其双子网络在一对互补空间(测量矩阵的零空间和其伪逆的范围空间)上协同进行重建。孪生网络通过包含三个项的自监督损失进行训练:在范围空间中的数据一致性损失、在零空间中的中间结果数据一致性损失,以及在整个空间中对双子网络预测结果的互相一致性损失。该方法应用于来自不同应用的四个成像任务,广泛的实验表明其相对于现有无监督解决方案的优势。
关键词
- 深度学习
- 图像重建
- 孪生神经网络
- 无监督学习
I. 引言
从不完整线性测量中重建图像在许多成像任务中都有应用,如医学成像、多光谱成像和高速成像。它可以被表述为求解一个病态的线性逆问题: