深層学習によるボリュームデータの圧縮に関する一検討

カテゴリ: 研究会(論文単位)

論文No: PI19100

グループ名: 【C】電子・情報・システム部門 知覚情報研究会

発行日: 2019/12/28

タイトル(英語): A Study on a Compression Method of Volume Data using Deep Learning

著者名: 一色 正晴(愛媛大学)

著者名(英語): Masaharu Isshiki(Ehime University)

キーワード: ボリュームデータ|深層学習|オートエンコーダ|可視化|データ転送|Volume data|Deep learning|Auto encoder|Visualization|Data transfer

要約(日本語): X線CTで取得されたボリュームデータなど、計測機器の性能向上により膨大なデータが取得できるようになってきている。このような大規模データは、ハードディスク容量などの資源を圧迫するとともに、データ転送や可視化処理などに多くの時間がかかり、研究開発のボトルネックの一つとなっている。本研究では、深層学習によるオートエンコーダ技術など、データ圧縮手法について検討する。

要約(英語): With the improved performance of measuring instruments, large volume data can be obtained. Such large-scale data squeezes resources such as hard disk capacity and takes a lot of time for data transfer and visualization processing. In this study, we examine data compression methods using auto-encoder technology based on deep learning.

原稿種別: 日本語

PDFファイルサイズ: 513 Kバイト