tfShearlab公司 swMATH ID: 33428 软件作者: 赫克特·安德拉德·劳卡(Gitta Kutyniok) 描述: tfShearlab:深度学习的TensorFlow数字Shearlet变换。在分析具有各向异性奇异性的多维信号时,应用谐波分析的shearlet变换是目前最先进的技术。它的最佳稀疏近似特性和可靠的数字化使得剪切波可以应用于成像科学中的不同问题,例如图像去噪、图像修复和奇异点检测。例如,shearlet变换也被成功地用作特征提取器。因此,它被证明非常适合与数据驱动方法(如深度神经网络)相结合的图像预处理。这尤其需要在当前的深度学习框架(如TensorFlow)中实现shearlet变换。基于这个动机,我们开发了张量-剪切波变换,旨在提供一个可靠的TensorFlow实现。除了在预测模型中的可用性之外,我们还观察到转换的性能有了显著改进,运行时间几乎是以前最先进的实现的40倍。在本文中,我们还将介绍一些数值实验,如图像去噪和修复,其中TensorFlow版本可以显示出优于先前库的性能,以及学习的低剂量CT原始-对偶重建方法的运行时间。 主页: https://www3.math.tu-berlin.de/numberik/www.shearlab.org/software网址 源代码: https://github.com/砷酸9971/tfshearlab 依赖项: TensorFlow公司 关键词: 成像科学;arXiv_eess(_E)。四、;功能分析;arXiv_路径。FA公司;数值分析;arXiv_路径。不适用;TensorFlow公司;剪切变换;深度学习 相关软件: TensorFlow公司;剪切实验室;FFTW公司 引用于: 1文件 标准条款 1出版物描述软件 年份 tfShearlab:用于深度学习的TensorFlow数字Shearlet变换arXiv公司赫克特·安德拉德·劳卡(Gitta Kutyniok) 2020 5位作者引用 1 何塞·P·罗德里格斯·阿永 1 塔蒂亚娜·布巴。 1 格伦·R·伊斯利。 1 汤米·海基拉 1 德米特里奥·拉巴特 连载1篇 1 计算与应用数学杂志 在4个字段中引用 1 欧氏空间的调和分析(42至XX) 1 算子理论(47-XX) 1 生物学和其他自然科学(92-XX) 1 信息与通信理论、电路(94-XX) 按年份列出的引文