User: Guest  Login
Original title:
Model-based learning of co-sparse representations for image processing applications 
Translated title:
Modellbasiertes Lernen von co-sparse Darstellungen für Anwendungen in der Bildverarbeitung 
Year:
2019 
Document type:
Dissertation 
Institution:
Fakultät für Elektrotechnik und Informationstechnik 
Advisor:
Kleinsteuber, Martin (Priv.-Doz. Dr.) 
Referee:
Kleinsteuber, Martin (Priv.-Doz. Dr.); Steinbach, Eckehard (Prof. Dr.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik 
Keywords:
representation learning, sparse data modeling, image processing, analysis operator learning, analysis model, image reconstruction, image registration, image segmentation 
Translated keywords:
Representation Learning, Bildverarbeitung, Datenmodelle, Analyse Modell, Analyse Operator Learning, Bildrekonstruktion, Bildregistrierung, Bildsegmentierung 
TUM classification:
DAT 570d 
Abstract:
In this thesis, approaches for unsupervised learning of image representations are developed with the goal of reducing training complexity over fully learned and improving accuracy over expert-crafted models. To that end, application-specific knowledge of image formation is incorporated into sparsity-based, unsupervised learning models for low-level image representations. The designed numerical algorithms achieve state-of-the-art results in uni- and multi-modal image reconstruction, alignment, an...    »
 
Translated abstract:
In dieser Arbeit werden Ansätze für das unüberwachte Lernen von Bilddarstellungen entwickelt, mit dem Ziel, die Komplexität des Trainings gegenüber rein datengetriebener Ansätze zu reduzieren und die Genauigkeit gegenüber manuell erstellter Modelle zu erhöhen. Zu diesem Zweck wird anwendungsspezifisches Wissen über die Bilderzeugung in spärliche, unüberwachte Lernmodelle für Bilddarstellungen integriert. Benchmark-Ergebnisse für uni- und multimodale Bildrekonstruktion, -Ausrichtung und -Segmenti...    »
 
Oral examination:
26.11.2019 
File size:
35297359 bytes 
Pages:
180 
Last change:
13.12.2019