Momentum-Net: Fast and Convergent Iterative Neural Network for Inverse Problems

外推法 迭代重建 算法 计算机科学 人工神经网络 数学优化 人工智能 数学 数学分析
作者
Il Yong Chun,Zhengyu Huang,Hongki Lim,Jeffrey A. Fessler
出处
期刊:IEEE Transactions on Pattern Analysis and Machine Intelligence [IEEE Computer Society]
卷期号:45 (4): 4915-4931 被引量:84
标识
DOI:10.1109/tpami.2020.3012955
摘要

Iterative neural networks (INN) are rapidly gaining attention for solving inverse problems in imaging, image processing, and computer vision. INNs combine regression NNs and an iterative model-based image reconstruction (MBIR) algorithm, often leading to both good generalization capability and outperforming reconstruction quality over existing MBIR optimization models. This paper proposes the first fast and convergent INN architecture, Momentum-Net, by generalizing a block-wise MBIR algorithm that uses momentum and majorizers with regression NNs. For fast MBIR, Momentum-Net uses momentum terms in extrapolation modules, and noniterative MBIR modules at each iteration by using majorizers, where each iteration of Momentum-Net consists of three core modules: image refining, extrapolation, and MBIR. Momentum-Net guarantees convergence to a fixed-point for general differentiable (non)convex MBIR functions (or data-fit terms) and convex feasible sets, under two asymptomatic conditions. To consider data-fit variations across training and testing samples, we also propose a regularization parameter selection scheme based on the "spectral spread" of majorization matrices. Numerical experiments for light-field photography using a focal stack and sparse-view computational tomography demonstrate that, given identical regression NN architectures, Momentum-Net significantly improves MBIR speed and accuracy over several existing INNs; it significantly improves reconstruction quality compared to a state-of-the-art MBIR method in each application.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
kyousan完成签到,获得积分10
2秒前
Liii完成签到 ,获得积分10
3秒前
leapper发布了新的文献求助10
6秒前
柒川森完成签到 ,获得积分10
9秒前
霸气的小土豆完成签到 ,获得积分10
13秒前
18秒前
n01W97的应助被leapper采纳,获得10
22秒前
goodsheperd完成签到 ,获得积分10
22秒前
planto完成签到,获得积分0
22秒前
着急的靖柔完成签到,获得积分10
26秒前
Rongbid完成签到,获得积分10
27秒前
清脆代真完成签到,获得积分20
29秒前
dingyi完成签到,获得积分10
29秒前
Ken完成签到 ,获得积分10
35秒前
syvshc的应助被Wang采纳,获得10
36秒前
遇见完成签到,获得积分10
39秒前
俏皮的莫言完成签到,获得积分10
41秒前
zxcvbnmgx完成签到 ,获得积分10
48秒前
Singhi完成签到 ,获得积分10
50秒前
John完成签到,获得积分10
50秒前
allen1994完成签到,获得积分10
59秒前
朴素海亦完成签到 ,获得积分10
1分钟前
zyw完成签到 ,获得积分10
1分钟前
1分钟前
优秀笑柳完成签到,获得积分10
1分钟前
MS903完成签到 ,获得积分10
1分钟前
1分钟前
活泼草莓完成签到 ,获得积分10
1分钟前
矮小的幻儿完成签到 ,获得积分10
1分钟前
不如看海完成签到 ,获得积分10
1分钟前
小研家完成签到,获得积分10
1分钟前
优雅含灵完成签到 ,获得积分10
1分钟前
1分钟前
忆雪完成签到,获得积分10
1分钟前
卜硕完成签到 ,获得积分10
1分钟前
1分钟前
孤独孤风完成签到,获得积分10
1分钟前
HCT完成签到,获得积分10
1分钟前
炙热梦曼完成签到 ,获得积分10
1分钟前
敏感的飞松完成签到 ,获得积分10
1分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8173289
求助须知:如何正确求助?哪些是违规求助? 9565594
关于积分的说明 21780581
捐赠科研通 7767462
什么是DOI,文献DOI怎么找? 3431542
关于科研通互助平台的介绍 2555764
邀请新用户注册赠送积分活动 2476697