Évènement

Claire Delplancke
University of Bath
https://clairedelplancke.github.io/

Date(s) : 03/06/2022   iCal
14h30 - 15h30

L’algorithme SPDHG (Stochastic Primal-Dual Hybrid Gradient) est une version stochastique de l’algorithme PDHG (Primal-Dual Hybrid Gradient) développé parChambolle et Pock, utilisé dans le cadre de problèmes inverses où le terme d’attache aux données et le régulariseur sont convexes mais pas nécessairement lisses. Grâce à sa composante randomisée, SPDHG permet de ne réaliser que des évaluations partielles del’opérateur direct et de son adjoint. Cela en fait un algorithme particulièrement adapté à la tomographie à émission de positrons (PET), où le principal frein à l’adoption en pratique de méthodes itératives sophistiquées est le coût computationnel des projections.Je présenterai un résultat de convergence pour SPDHG ainsi que des applications, en particulier liées à la question du choix du pas, sur des jeux de données PET réels et simulés

A stochastic primal-dual algorithm and its applications to image reconstruction for positron emission tomography

The SPDHG (Stochastic Primal-Dual Hybrid Gradient) algorithm is a stochastic version of the PDHG (Primal-Dual Hybrid Gradient) algorithm developed by Chambolle and Pock, which is used in inverse problems where the data attachment term and the regularizer are convex but not necessarily smooth. Thanks to its randomized component, SPDHG allows to perform only partial evaluations of the direct operator and its adjoint. This makes it a particularly suitable algorithm for positron emission tomography (PET), where the main obstacle to the practical adoption of sophisticated iterative methods is the computational cost of projections. I will present a convergence result for SPDHG as well as applications, in particular related to the issue of the choice of the step, on real and simulated PET data sets.

Emplacement
I2M Chateau-Gombert - CMI, Salle de Séminaire R164 (1er étage)

Catégories

• Séminaire