CN109005413B - 一种算术编码中的概率估计方法、装置及电子设备 - Google Patents
一种算术编码中的概率估计方法、装置及电子设备 Download PDFInfo
- Publication number
- CN109005413B CN109005413B CN201810791537.2A CN201810791537A CN109005413B CN 109005413 B CN109005413 B CN 109005413B CN 201810791537 A CN201810791537 A CN 201810791537A CN 109005413 B CN109005413 B CN 109005413B
- Authority
- CN
- China
- Prior art keywords
- probability
- symbol
- probability state
- preset
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/90—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using coding techniques not provided for in groups H04N19/10-H04N19/85, e.g. fractals
- H04N19/91—Entropy coding, e.g. variable length coding [VLC] or arithmetic coding
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
Description
技术领域
本发明涉及数据压缩技术领域,特别是涉及一种算术编码中的概率估计方法、装置及电子设备。
背景技术
算术编码是图像压缩的主要算法之一,算术编码时,需要先对输入符号的概率进行估计,然后再编码,符号概率估计得越准,最终的编码效率就越高。
目前,应用较为广泛的概率估计方法为:根据低概率符号(LPS)的初始概率值,将待编码符号中每个符号之前连续出现高概率符号(MPS)的概率量化为多个概率状态,而在当前符号之前出现LPS的概率,可以根据概率状态估计出来,从中找出与实际概率最接近的概率作为在当前符号之前出现LPS的概率,以避免每编码一个符号都需要对概率值进行重新计算。
但是,采用上述估计方法进行概率估计,最接近的概率与实际概率之间可能存在较大误差,会导致算术编码的压缩效率较低。
发明内容
本发明实施例的目的在于提供一种算术编码中的概率估计方法、装置及电子设备,以提高算术编码的压缩效率。具体技术方案如下:
第一方面,本发明实施例提供了一种算术编码中的概率估计方法,包括:
获取待编码符号序列;
根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值,其中,第m个概率状态的概率值为n为所述预设概率状态扩充系数,α为所述预设比例参数,P0为所述低概率符号初始概率值;
根据所述多个概率状态的概率值,对所述待编码符号序列进行概率估计。
进一步的,所述比例参数取值范围为[0.946,0.966]。
进一步的,所述预设概率状态扩充系数为大于1的整数。
进一步的,所述低概率符号初始概率值为0.5。
进一步的,所述根据所述多个概率状态的概率值,对所述待编码符号序列进行概率估计,包括:
基于所述多个概率状态的概率值,建立概率状态表,所述概率状态表中包含概率状态编号、当上一编码符号为高概率符号时低概率符号的当前概率值以及当上一编码符号为低概率符号时计算低概率符号的当前概率值时应跳转至的概率状态编号;
通过所述概率状态表,对所述待编码符号序列进行概率估计。
第二方面,本发明实施例提供了一种算术编码中的概率估计装置,包括:
待编码符号序列获取模块,用于获取待编码符号序列;
概率值确定模块,用于根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值,其中,第m个概率状态的概率值为n为所述预设概率状态扩充系数,α为所述预设比例参数,P0为所述低概率符号初始概率值;
概率估计模块,用于根据所述多个概率状态的概率值,对所述待编码符号序列进行概率估计。
进一步的,所述比例参数取值范围为[0.946,0.966]。
进一步的,所述预设概率状态扩充系数为大于1的整数。
进一步的,所述低概率符号初始概率值为0.5。
进一步的,所述概率估计模块,具体用于:
基于所述多个概率状态的概率值,建立概率状态表,所述概率状态表中包含概率状态编号、当上一编码符号为高概率符号时低概率符号的当前概率值以及当上一编码符号为低概率符号时计算低概率符号的当前概率值时应跳转至的概率状态编号;
通过所述概率状态表,对所述待编码符号序列进行概率估计。
第三方面,本发明实施例提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述任一算术编码中的概率估计方法的步骤。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述任一所述的算术编码中的概率估计方法。
第五方面,本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的算术编码中的概率估计方法。
本发明实施例提供的算术编码中的概率估计方法中,首先获取待编码符号序列;然后根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值,其中,第m个概率状态的概率值为n为预设概率状态扩充系数,α为预设比例参数,P0为低概率符号初始概率值;再根据多个概率状态的概率值,对待编码符号序列进行概率估计。本发明实施例方案中,引入预设概率状态扩充系数,在概率状态的概率值范围不变的情况下,使得概率状态的概率值更精细,在进行当前符号前出现LPS的概率估计时,由于概率状态的概率值更精细,可以查找到更接近于实际概率值的概率值,提高了符号概率估计的精确度,进而提高了算术编码的压缩效率。
当然,实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明一个实施例提供的算术编码中的概率估计方法的流程示意图;
图2为本发明另一个实施例提供的算术编码中的概率估计方法的流程示意图;
图3为本发明一个实施例提供的算术编码中的概率估计装置的结构示意图;
图4为本发明实施例提供的电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
图1为本发明一个实施例提供的算术编码中的概率估计方法,包括:
步骤101,获取待编码符号序列。
进行算术编码的实质是将整个输入符号(消息)编码为一个介于0和1之间的小数(通常情况下以二进制形式给出)。算术编码时,需要先对输入符号的概率进行估计,然后再编码。概率估计前,首先将消息中的符号分为高概率符号(MPS)和低概率符号(LPS)两种,获取到的待编码符号序列则是由高概率符号和低概率符号组成的,例如,假设高概率符号为A,低概率符号为B,待编码符号则是由A和B组成的符号序列,如ABAB或者BAAB等,具体的符号序列由消息内容决定。
步骤102,根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值。
算术编码时,每编码完一个符号,高、低概率符号的概率值都会发生变化(高概率符号的概率与低概率符号的概率之和总为1),变化原则为:若上一个编码符号为MPS,则LPS的新的概率值为pLPS_new=α×pLPS_old,其中α为比例参数;若上一个编码符号为LPS,则LPS的新的概率值为pLPS_new=1-α+α×pLPS_old。
本实施例中,为避免每编码一个符号都需要对新的符号概率值进行重新计算,按照上述变化原则,将概率值量化为多个概率值,其中,第m个概率状态的概率值为n为预设概率状态扩充系数,α为预设比例参数,P0为低概率符号初始概率值。
进一步的,为获得更为精确的概率估计值,根据经验,可以将比例参数取值范围设定为[0.946,0.966]。
进一步的,为便于计算,可以将预设概率状态扩充系数为大于1的整数,且随着预设概率状态扩充系数的增加,概率估计的精度也不断提高。
进一步的,低概率符号初始概率值可以设定为0.5。
步骤103,根据多个概率状态的概率值,对待编码符号序列进行概率估计。
在进行概率估计时,直接从上述量化得到的多个概率值中按照上述变化原则选取精确概率值或者与精确概率值最接近的概率值作为当前时刻低概率符号的概率值。
在本发明实施例中,首先获取待编码符号序列;然后根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值,其中,第m个概率状态的概率值为n为预设概率状态扩充系数,α为预设比例参数,P0为低概率符号初始概率值;再根据多个概率状态的概率值,对待编码符号序列进行概率估计。本发明实施例方案中,引入预设概率状态扩充系数,在概率状态的概率值范围不变的情况下,使得概率状态的概率值更精细,在进行当前符号前出现LPS的概率估计时,由于概率状态的概率值更精细,可以查找到更接近于实际概率值的概率值,提高了符号概率估计的精确度,进而提高了算术编码的压缩效率。
图2为本发明一个实施例提供的算术编码中的概率估计方法,包括:
步骤201,获取待编码符号序列。
步骤202,根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值。
本实施例中的步骤201及步骤202的内容分别与图1所示的算术编码中的概率估计方法实施例中的步骤101及步骤102的内容相同,在此,不再赘述。
步骤203,基于所述多个概率状态的概率值,建立概率状态表。
其中,概率状态表中可以包含三列内容:概率状态编号N、当上一编码符号为高概率符号时低概率符号的当前概率值PLPS-MPS以及当上一编码符号为低概率符号时计算低概率符号的当前概率值时应跳转至的概率状态编号M。
本步骤的概率状态表中:针对每一行而言,概率状态编号N对应的PLPS-MPS通过公式得到;应跳转至的概率状态编号M为在上述多个概率状态的概率值当中,与实际的当上一编码符号为低概率符号时通过公式pLPS_new=1-α+α×pLPS_old计算得到的低概率符号的精确概率值最为接近的概率值对应的概率状态编号。
步骤204,通过所述概率状态表,对所述待编码符号序列进行概率估计。
本步骤中,假设在完成当前状态下的符号概率估计后,对应的概率状态编号为D,当进行下一符号编码时,对应的概率状态编号则应为D+n(n为预设概率状态扩充系数)。
在图2所示的算术编码中的概率估计方法实施例中,首先获取待编码符号序列;然后根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值,其中,第m个概率状态的概率值为n为预设概率状态扩充系数,α为预设比例参数,P0为低概率符号初始概率值;基于所述多个概率状态的概率值,建立概率状态表,所述概率状态表中包含概率状态编号、当上一编码符号为高概率符号时低概率符号的当前概率值以及当上一编码符号为低概率符号时计算低概率符号的当前概率值时应跳转至的概率状态编码;然后再通过概率状态表,对待编码符号序列进行概率估计。本发明实施例方案中,引入预设概率状态扩充系数,在概率状态的概率值范围不变的情况下,使得概率状态的概率值更精细,在进行当前符号前出现LPS的概率估计时,由于概率状态的概率值更精细,可以查找到更接近于实际概率值的概率值,提高了符号概率估计的精确度,进而提高了算术编码的压缩效率。
基于同一发明构思,根据本发明上述实施例提供的算术编码中的概率估计方法,相应地,本发明一个实施例还提供了一种算术编码中的概率估计装置,其结构示意图如图3所示,包括:
待编码符号序列获取模块301,用于获取待编码符号序列。
概率值确定模块302,用于根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值,其中,第m个概率状态的概率值为n为所述预设概率状态扩充系数,α为所述预设比例参数,P0为所述低概率符号初始概率值。
概率估计模块303,用于根据所述多个概率状态的概率值,对所述待编码符号序列进行概率估计。
进一步的,所述比例参数取值范围可以为[0.946,0.966]。
进一步的,预设概率状态扩充系数可以为大于1的整数。
进一步的,低概率符号初始概率值可以为0.5。
进一步的,概率估计模块303,具体用于:
基于所述多个概率状态的概率值,建立概率状态表,所述概率状态表中包含概率状态编号、当上一编码符号为高概率符号时低概率符号的当前概率值以及当上一编码符号为低概率符号时计算低概率符号的当前概率值时应跳转至的概率状态编码;
通过所述概率状态表,对所述待编码符号序列进行概率估计。
本发明实施例提供的算术编码中的概率估计装置中,首先待编码符号序列获取模块301获取待编码符号序列;概率值确定模块302根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值,其中,第m个概率状态的概率值为n为所述预设概率状态扩充系数,α为所述预设比例参数,P0为所述低概率符号初始概率值;最后概率估计模块303再根据所述多个概率状态的概率值,对所述待编码符号序列进行概率估计。本发明实施例方案中,引入预设概率状态扩充系数,在概率状态的概率值范围不变的情况下,使得概率状态的概率值更精细,在进行当前符号前出现LPS的概率估计时,由于概率状态的概率值更精细,可以查找到更接近于实际概率值的概率值,提高了符号概率估计的精确度,进而提高了算术编码的压缩效率。
本发明实施例还提供了一种电子设备,如图4所示,包括处理器401、通信接口402、存储器403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信,
存储器403,用于存放计算机程序;
处理器401,用于执行存储器403上所存放的程序时,实现如下步骤:获取待编码符号序列;
根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值,其中,第m个概率状态的概率值为n为所述预设概率状态扩充系数,α为所述预设比例参数,P0为所述低概率符号初始概率值;
根据所述多个概率状态的概率值,对所述待编码符号序列进行概率估计。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory,简称RAM),也可以包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。进一步的,存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述实施例中任一上述的算术编码中的概率估计方法。
在本发明提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一上述的算术编码中的概率估计方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行上述计算机程序指令时,全部或部分地产生按照本发明实施例上述的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。上述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。上述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置和电子设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (5)
1.一种算术编码中的概率估计方法,其特征在于,包括:
获取待编码符号序列;
根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值,其中,第m个概率状态的概率值为n为所述预设概率状态扩充系数,α为所述预设比例参数,P0为所述低概率符号初始概率值;所述预设概率状态扩充系数用于保证概率状态的概率值范围不变;
根据所述多个概率状态的概率值,对所述待编码符号序列进行概率估计;
所述比例参数取值范围为[0.946,0.966];所述预设概率状态扩充系数为大于1的整数;
所述根据所述多个概率状态的概率值,对所述待编码符号序列进行概率估计,包括:
基于所述多个概率状态的概率值,建立概率状态表,所述概率状态表中包含概率状态编号、当上一编码符号为高概率符号时低概率符号的当前概率值以及当上一编码符号为低概率符号时计算低概率符号的当前概率值时应跳转至的概率状态编号;
通过所述概率状态表,对所述待编码符号序列进行概率估计。
2.根据权利要求1所述的方法,其特征在于,所述低概率符号初始概率值为0.5。
3.一种算术编码中的概率估计装置,其特征在于,包括:
待编码符号序列获取模块,用于获取待编码符号序列;
概率值确定模块,用于根据预设比例参数、预设概率状态扩充系数及低概率符号初始概率值,确定多个概率状态的概率值,其中,第m个概率状态的概率值为n为所述预设概率状态扩充系数,α为所述预设比例参数,P0为所述低概率符号初始概率值;所述预设概率状态扩充系数用于保证概率状态的概率值范围不变;
概率估计模块,用于根据所述多个概率状态的概率值,对所述待编码符号序列进行概率估计;
所述比例参数取值范围为[0.946,0.966];所述预设概率状态扩充系数为大于1的整数;
所述概率估计模块,具体用于:
基于所述多个概率状态的概率值,建立概率状态表,所述概率状态表中包含概率状态编号、当上一编码符号为高概率符号时低概率符号的当前概率值以及当上一编码符号为低概率符号时计算低概率符号的当前概率值时应跳转至的概率状态编号;
通过所述概率状态表,对所述待编码符号序列进行概率估计。
4.根据权利要求3所述的装置,其特征在于,所述低概率符号初始概率值为0.5。
5.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-2任一所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810791537.2A CN109005413B (zh) | 2018-07-18 | 2018-07-18 | 一种算术编码中的概率估计方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810791537.2A CN109005413B (zh) | 2018-07-18 | 2018-07-18 | 一种算术编码中的概率估计方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109005413A CN109005413A (zh) | 2018-12-14 |
CN109005413B true CN109005413B (zh) | 2021-06-04 |
Family
ID=64600522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810791537.2A Active CN109005413B (zh) | 2018-07-18 | 2018-07-18 | 一种算术编码中的概率估计方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109005413B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1250011A2 (en) * | 2001-03-30 | 2002-10-16 | Ricoh Company, Ltd. | Context model access to memory based on run and skip counts |
CN101848387A (zh) * | 2010-03-19 | 2010-09-29 | 西安电子科技大学 | 基于jpeg2000标准的算术编码概率区间值确定方法 |
CN103947120A (zh) * | 2011-10-27 | 2014-07-23 | 高通股份有限公司 | 在用于视频译码的二进制算术译码器中映射状态 |
CN107534772A (zh) * | 2015-05-19 | 2018-01-02 | 联发科技股份有限公司 | 基于多表格的上下文自适应二进制算术编码的方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7599435B2 (en) * | 2004-01-30 | 2009-10-06 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Video frame encoding and decoding |
CN100508604C (zh) * | 2007-06-21 | 2009-07-01 | 北京中星微电子有限公司 | 算术编码电路和算术编码控制方法 |
-
2018
- 2018-07-18 CN CN201810791537.2A patent/CN109005413B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1250011A2 (en) * | 2001-03-30 | 2002-10-16 | Ricoh Company, Ltd. | Context model access to memory based on run and skip counts |
CN101848387A (zh) * | 2010-03-19 | 2010-09-29 | 西安电子科技大学 | 基于jpeg2000标准的算术编码概率区间值确定方法 |
CN103947120A (zh) * | 2011-10-27 | 2014-07-23 | 高通股份有限公司 | 在用于视频译码的二进制算术译码器中映射状态 |
CN107534772A (zh) * | 2015-05-19 | 2018-01-02 | 联发科技股份有限公司 | 基于多表格的上下文自适应二进制算术编码的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109005413A (zh) | 2018-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165736B (zh) | 应用于卷积神经网络的信息处理方法和装置 | |
US11101818B2 (en) | Method and device for storing time series data with adaptive length encoding | |
CN110826685A (zh) | 神经网络卷积计算的方法和装置 | |
CN111222306A (zh) | 数据处理方法和装置、电子设备和存储介质 | |
CN112732738B (zh) | 基于多目标优化的自适应网络数据采集方法及相关设备 | |
CN110545106A (zh) | 时序数据的编码方法及装置 | |
CN108053034B (zh) | 模型参数处理方法、装置、电子设备及存储介质 | |
CN116466910A (zh) | 一种基于浮点数的查表方法、装置、电子设备及存储介质 | |
CN110335165B (zh) | 一种链路预测方法和装置 | |
CN117788589B (zh) | 半导体芯片的加固封装方法及装置 | |
CN109005413B (zh) | 一种算术编码中的概率估计方法、装置及电子设备 | |
CN114882125A (zh) | 图像数据的灰度化方法、装置、终端设备及可读存储介质 | |
CN112232025B (zh) | 一种字符串存储方法、装置及电子设备 | |
CN108989825B (zh) | 一种算术编码方法、装置及电子设备 | |
CN116108810A (zh) | 文本数据增强方法及装置 | |
CN113505765B (zh) | 基于用户头像的年龄预测方法、装置及电子设备 | |
CN111384974B (zh) | 多进制ldpc码的置信度量化方法、装置及解码器 | |
CN111107375B (zh) | 一种视频编码方法、解码方法及装置 | |
CN111384975B (zh) | 多进制ldpc解码算法的优化方法、装置及解码器 | |
CN111224674B (zh) | 多进制ldpc码的解码方法、装置及解码器 | |
CN113157987A (zh) | 用于机器学习算法的数据预处理方法及相关设备 | |
CN111444932A (zh) | 确定相似图像的方法和装置 | |
CN112215527A (zh) | 一种物流管理方法及装置 | |
CN113706565B (zh) | 图像分割的方法、装置、电子设备和存储介质 | |
CN115982206B (zh) | 一种处理数据的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |