Nel Report SSI/01 è stato esaminato lo stato dell'arte per la compressione di immagini mediante reti neurali. In base all'analisi effettuata è stato individuato un modello di riferimento e sono stati stabiliti i requisiti del sistema. Il modello preso come riferimento è stato proposto da Cottrell, impiega una rete a 3 strati del tipo N-K-N e utilizza per l' addestramento l'algoritmo di Back Propagation, sviluppato da Rumelhart, Hinton e Williams. In letteratura è stata ampiamente dimostrata l'efficienza della Back Propagation per risolvere il problema della compressione di immagini con reti neurali. I risultati dimostrano che con un metodo di learning semplice è possibile realizzare un sistema per la compressione di immagini, con risultati confrontabili con quelli ottenuti con le tecniche più note. La scelta del modello è stata effettuata sulla base di alcuni criteri e requisiti quali: 1) robustezza dell'algoritmo di Back Propagation; 2) possibilità di modificare alcuni parametri (learning rate e momento) durante la fase di addestramento per accelerare la convergenza; 3) modularità ed estendibilità della rete, ovvero possibilità di modificare il numero di unità di input e output e dello strato hidden; 4) possibilità di effettuare varie modifiche e affinamenti allo scopo di migliorare la qualità della compressione; 5) possibilità di vettorizzare e parallelizzare l'algoritmo in modo semplice; in particolare la parallelizzazione può essere effettuata su una architettura a scambio di messaggi, con un numero di nodi indipendente dalla configurazione del modello (non ci sono connessioni tra nodi di uno stesso strato, per cui l'attività di ogni strato può essere distribuita tra diversi nodi). Il sistema proposto è quello attualmente più utilizzato, in diverse versioni, da vari gruppi di ricerca. Nella parte conclusiva del Report SSI/01 è stata presentata una descrizione del sistema proposto e l'analisi dei requisiti. In questo lavoro sono presentati con maggiore dettaglio il sistema e l'algoritmo, evidenziando vari aspetti implementativi. Sono anche descritti i criteri di valutazione delle prove, allo scopo di fornire elementi oggettivi per stabilire il grado di robustezza e di affidabilità del modello. Infine in Appendice 2 è riportato un listato, in pseudo-codice Pascal like, dell'algoritmo proposto.
Sviluppo di un algoritmo basato sulla Back Propagation per la compressione di immagini statiche
A Corana;
1991
Abstract
Nel Report SSI/01 è stato esaminato lo stato dell'arte per la compressione di immagini mediante reti neurali. In base all'analisi effettuata è stato individuato un modello di riferimento e sono stati stabiliti i requisiti del sistema. Il modello preso come riferimento è stato proposto da Cottrell, impiega una rete a 3 strati del tipo N-K-N e utilizza per l' addestramento l'algoritmo di Back Propagation, sviluppato da Rumelhart, Hinton e Williams. In letteratura è stata ampiamente dimostrata l'efficienza della Back Propagation per risolvere il problema della compressione di immagini con reti neurali. I risultati dimostrano che con un metodo di learning semplice è possibile realizzare un sistema per la compressione di immagini, con risultati confrontabili con quelli ottenuti con le tecniche più note. La scelta del modello è stata effettuata sulla base di alcuni criteri e requisiti quali: 1) robustezza dell'algoritmo di Back Propagation; 2) possibilità di modificare alcuni parametri (learning rate e momento) durante la fase di addestramento per accelerare la convergenza; 3) modularità ed estendibilità della rete, ovvero possibilità di modificare il numero di unità di input e output e dello strato hidden; 4) possibilità di effettuare varie modifiche e affinamenti allo scopo di migliorare la qualità della compressione; 5) possibilità di vettorizzare e parallelizzare l'algoritmo in modo semplice; in particolare la parallelizzazione può essere effettuata su una architettura a scambio di messaggi, con un numero di nodi indipendente dalla configurazione del modello (non ci sono connessioni tra nodi di uno stesso strato, per cui l'attività di ogni strato può essere distribuita tra diversi nodi). Il sistema proposto è quello attualmente più utilizzato, in diverse versioni, da vari gruppi di ricerca. Nella parte conclusiva del Report SSI/01 è stata presentata una descrizione del sistema proposto e l'analisi dei requisiti. In questo lavoro sono presentati con maggiore dettaglio il sistema e l'algoritmo, evidenziando vari aspetti implementativi. Sono anche descritti i criteri di valutazione delle prove, allo scopo di fornire elementi oggettivi per stabilire il grado di robustezza e di affidabilità del modello. Infine in Appendice 2 è riportato un listato, in pseudo-codice Pascal like, dell'algoritmo proposto.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
