Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020157754 - SYSTÈME ET PROCÉDÉ DE RECONSTRUCTION DE DONNÉES DE SIGNAL COMPRESSÉ EN UTILISANT UN RÉSEAU NEURONAL ARTIFICIEL

Numéro de publication WO/2020/157754
Date de publication 06.08.2020
N° de la demande internationale PCT/IL2020/050109
Date du dépôt international 29.01.2020
CIB
G06T 9/00 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
TTRAITEMENT OU GÉNÉRATION DE DONNÉES D'IMAGE, EN GÉNÉRAL
9Codage d'image
H04N 1/64 2006.1
HÉLECTRICITÉ
04TECHNIQUE DE LA COMMUNICATION ÉLECTRIQUE
NTRANSMISSION D'IMAGES, p.ex. TÉLÉVISION
1Balayage, transmission ou reproduction de documents ou similaires, p.ex. transmission de fac-similés; Leurs détails
46Systèmes de transmission d'images en couleurs
64Systèmes pour la transmission ou l'enregistrement du signal d'image en couleurs; Leurs détails, p.ex. leurs moyens de codage, de décodage
G06F 17/16 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
FTRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17Équipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
10Opérations mathématiques complexes
16Calcul de matrice ou de vecteur
G06N 3/08 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
08Méthodes d'apprentissage
CPC
G06F 17/16
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
17Digital computing or data processing equipment or methods, specially adapted for specific functions
10Complex mathematical operations
16Matrix or vector computation ; , e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
G06N 3/08
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
G06T 9/00
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
9Image coding
H04N 1/64
HELECTRICITY
04ELECTRIC COMMUNICATION TECHNIQUE
NPICTORIAL COMMUNICATION, e.g. TELEVISION
1Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
46Colour picture communication systems
64Systems for the transmission or the storage of the colour picture signal; Details therefor, e.g. coding or decoding means therefor
Déposants
  • TECHNOLOGY INNOVATION MOMENTUM FUND (ISRAEL) LIMITED PARTNERSHIP [IL]/[IL]
Inventeurs
  • MENDLOVIC, David
  • GIRYES, Raja
  • NABATI, Ofir
  • YOVEL, Ido
Mandataires
  • EHRLICH, Gal
  • WATERMAN, Hadassa
  • MELNICK, Geoffrey, L.
Données relatives à la priorité
62/798,57830.01.2019US
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) SYSTEM AND METHOD FOR RECONSTRUCTION OF COMPRESSED SIGNAL DATA USING ARTIFICIAL NEURAL NETWORKING
(FR) SYSTÈME ET PROCÉDÉ DE RECONSTRUCTION DE DONNÉES DE SIGNAL COMPRESSÉ EN UTILISANT UN RÉSEAU NEURONAL ARTIFICIEL
Abrégé
(EN)
Presented herein are methods and systems for training a model, specifically a machine learning model, for example, a Deep Neural Network (DNN) for signal reconstruction in an iterative process comprising a plurality of training iterations and use of the trained DNN thereof. Each of the iterations comprises receiving a record associating a compressed signal created according to a sensing matrix selected from a plurality of sensing matrixes with a respective signal originated from a signal source and used for compressing the at least one compressed signal according to the selected sensing matrix, feeding the record and the sensing matrix to train a model and outputting the trained model which may be used for reconstructing one or more new signals originated from the signal source. Wherein at least two of the plurality of sensing matrixes are fed during at least two separate iterations of the plurality of training iterations.
(FR)
La présente invention concerne des procédés et des systèmes d'apprentissage d'un modèle, en particulier d'un modèle d'apprentissage automatique, par exemple, un réseau neuronal profond (DNN) pour la reconstruction de signal dans un procédé itératif comprenant une pluralité d'itérations d'apprentissage et l'utilisation du DNN entraîné associé. Chacune des itérations comprend la réception d'un enregistrement associant un signal compressé créé selon une matrice de détection sélectionnée parmi une pluralité de matrices de détection à un signal respectif provenant d'une source de signal et utilisé pour compresser le ou les signaux compressés en fonction de la matrice de détection sélectionnée, l'introduction de l'enregistrement et de la matrice de détection pour entraîner un modèle et la production du modèle entraîné qui peut être utilisé pour reconstruire un ou plusieurs nouveaux signaux provenant de la source de signal. Au moins deux de la pluralité de matrices de détection sont alimentées pendant au moins deux itérations distinctes parmi la pluralité d'itérations d'apprentissage.
Dernières données bibliographiques dont dispose le Bureau international