可逆压缩感知算法的研究  

作　　者：孙冰峰 

机构地区：[1]北京大学深圳研究生院,广东省深圳市518055

出　　处：《电子技术与软件工程》2021年第20期31-32,共2页ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

摘　　要：本文调研了压缩感知相关算法的一些发展现状,并且概要分析了各种不同算法的优劣势。基于神经网络的压缩感知方法在训练过程中的GPU内存消耗,随着网络层数的变多快速增大,导致该类网络大多是浅层网络,性能提升空间有限。针对该问题,本文结合可逆网络,提出了一种新的可逆压缩感知算法,名为InvICS。由于可逆网络的特性,该模型不存在GPU内存瓶颈。通过在多个数据集上验证,其能极大的减少训练期间的内存消耗,而且还取得了恢复精度的提升。

关 键 词：压缩感知 耦合层 可逆网络 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]