CN110769263A - 一种图像压缩方法、装置及终端设备 - Google Patents
一种图像压缩方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110769263A CN110769263A CN201911061163.XA CN201911061163A CN110769263A CN 110769263 A CN110769263 A CN 110769263A CN 201911061163 A CN201911061163 A CN 201911061163A CN 110769263 A CN110769263 A CN 110769263A
- Authority
- CN
- China
- Prior art keywords
- network
- variance
- compression
- feature matrix
- image compression
- 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.)
- Pending
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
-
- 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
- H04N19/42—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by implementation details or hardware specially adapted for video compression or decompression, e.g. dedicated software implementation
-
- 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
- H04N19/44—Decoders specially adapted therefor, e.g. video decoders which are asymmetric with respect to the encoder
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明适用于图像压缩技术领域,提供了一种图像压缩方法、装置及终端设备,所述方法包括:基于压缩网络的编码器提取原始图像的特征矩阵;基于所述压缩网络的超参网络得到所述特征矩阵每个位置的均值与方差;根据所述每个位置的均值与方差,对所述特征矩阵进行熵估计;根据所述熵估计的结果对所述特征矩阵进行算术编码得到二进制文件;对所述二进制文件进行算术解码,并基于压缩网络的解码器得到所述原始图像的重构图像。本发明通过预测特征矩阵的分布来减少进行算术编码所需要的码字,提升了编码速度且减少了需要存储的内存空间。
Description
技术领域
本发明属于图像压缩技术领域,尤其涉及一种图像压缩方法、装置及终端设备。
背景技术
现有的基于神经网络的图像压缩技术在网络训练过程中进行算术编码时所需要的码字较多,导致编码速度慢且需要存储的内存空间过多。
发明内容
有鉴于此,本发明实施例提供了一种图像压缩方法、装置及终端设备,以解决现有技术中进行算术编码时所需要的码字较多的问题。
本发明实施例的第一方面提供了一种图像压缩方法,包括:
基于压缩网络的编码器提取原始图像的特征矩阵;
基于所述压缩网络的超参网络得到所述特征矩阵每个位置的均值与方差;
根据所述每个位置的均值与方差,对所述特征矩阵进行熵估计;
根据所述熵估计的结果对所述特征矩阵进行算术编码得到二进制文件;
对所述二进制文件进行算术解码,并基于压缩网络的解码器得到所述原始图像的重构图像。
本发明实施例的第二方面提供了一种图像压缩装置,包括:
特征提取模块,用于基于压缩网络的编码器提取原始图像的特征矩阵;
均值方差模块,用于基于所述压缩网络的超参网络得到所述特征矩阵每个位置的均值与方差;
熵估计模块,用于根据所述每个位置的均值与方差,对所述特征矩阵进行熵估计;
算术编码模块,用于根据所述熵估计的结果对所述特征矩阵进行算术编码得到二进制文件;
重构模块,用于对所述二进制文件进行算术解码,并基于压缩网络的解码器得到所述原始图像的重构图像。
本发明实施例的第三方面提供了一种图像压缩终端设备,包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序,上述处理器执行上述计算机程序时实现如上第一方面所提供的方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,上述计算机可读存储介质存储有计算机程序,上述计算机程序被处理器执行时实现如上第一方面所提供的方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:
本发明通过预测特征矩阵的分布来减少进行算术编码所需要的码字,与现有技术相比提升了编码速度且减少了需要存储的内存空间。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的图像压缩方法的实现流程示意图;
图2是本发明实施例提供的压缩网络的示例图;
图3是本发明实施例提供的图像压缩装置的示意图;
图4是本发明实施例提供的图像压缩终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一
图1示出了本发明实施例一提供的图像压缩方法的实现流程,该方法的执行主体可以是终端设备,详述如下:
步骤S101,基于压缩网络的编码器提取原始图像的特征矩阵。
可选地,将原始图像输入压缩网络的编码器中,经过卷积操作提取原始图像的特征矩阵,即提取原始图像的feature,其中所述编码器可以是卷积自编码器,此处不作限定。上述压缩网络包括编码器、超参网络、全连接层和解码器。具体地,图2示出了上述压缩网络的结构,上述压缩网络包括:编码器、超参网络、全连接层和解码器,图2中analysis net部分即为编码器,hyper analysis和hyper synthesis部分为超参网络,fully connected部分为全连接层,synthesis部分为解码器,且conv表示卷积层,feature表示特征矩阵,mu和sigma表示均值和方差。
可选地,训练所述压缩网络的损失函数可以用下列公式(1)来表示:
其中,λ是控制码率失真的参数,W与H是输入数据的长与宽,R是f特征矩阵的估计熵,D是重构图像与原始图像之间差距(即重构图像与原始图像均方差损失MSE)。
具体地,根据上述损失函数来进行梯度更新,梯度更新的公式如公式(2)所示:
W′=W-αΔW (2)
其中,W代表压缩网络的权重参数,W’代表更新后的权重参数,α是预先设定的学习率,ΔW是计算梯度。
可选地,在进行梯度更新的时候,可以使用现有的自适应梯度优化器来进行计算。具体地,可以使用Adam优化器。进一步地,在Adam优化器中输入上述损失函数的计算结果、压缩网络的权重参数、预先设定的学习率,即可得到更新后的权重参数,根据更新后的权重参数来更新上述压缩网络。
步骤S102,基于所述压缩网络的超参网络得到所述特征矩阵每个位置的均值与方差。
可选地,将通过编码器提取的特征矩阵输入所述超参网络得到超参网络输出。进一步地,将所述特征矩阵的值与超参网络输出通过concat操作后输入到所述全连接层,得到全连接层输出,所述全连接层输出即为每个位置的均值与方差。
具体地,对所述特征矩阵进行round操作,其中round操作即为对浮点数进行量化、通过四舍五入取整的操作。并基于预设的矩阵块对所述round操作后的特征矩阵与所述超参网络输出进行concat操作后输入所述全连接层。
可选地,所述预设的矩阵块可以是一个4*4大小的矩阵块,将上述矩阵块round操作后的特征矩阵与上述超参网络输出进行concat操作后,作为全连接层的输入。其中上述4*4矩阵块除了最后两个位置是零其他位置的数值都是1,其中最后两个位置中的第一个位置则是需要预测均值与方差的点。
步骤S103,根据所述每个位置的均值与方差,对所述特征矩阵进行熵估计。
可选地,基于拉普拉斯分布,对所述特征矩阵进行熵估计。其中拉普拉斯分布的表达式如公式(3)所示:
P=Laplace(mu,sigma) (3)
其中mu是均值,sigma是方差。
可选地,对需要存储的中间的特征矩阵,需要估计一个概率值,并用这个概率值进行算术编码,其中mu与sigma是用来进行概率估计的,mu是均值,sigma是方差,每个位置的参数mu与sigma带入拉普拉斯函数,就可以算出对应的一个概率值。
步骤S104,根据所述熵估计的结果对所述特征矩阵进行算术编码得到二进制文件。
可选地,根据上述得到的熵估计的结果对特征矩阵进行算术编码(arithmeticcoding),得到二进制文件。
步骤S105,对所述二进制文件进行算术解码,并基于压缩网络的解码器得到所述原始图像的重构图像。
可选地,对上述二进制文件进行算术解码后,通过解码器进行上采样操作得到最终的重构图像。
本实施例中,通过预测特征矩阵的分布来减少进行算术编码所需要的码字,提升了编码速度且减少了需要存储的内存空间。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
实施例二
图3示出了本发明实施例提供的图像压缩装置的结构框图,为了便于说明,仅示出了与本发明实施例相关的部分。该图像压缩装置3包括:特征提取模块31,均值方差模块32,熵估计模块33,算术编码模块34,重构模块35。
其中,特征提取模块31,用于基于压缩网络的编码器提取原始图像的特征矩阵;
均值方差模块32,用于基于所述压缩网络的超参网络得到所述特征矩阵每个位置的均值与方差;
熵估计模块33,用于根据所述每个位置的均值与方差,对所述特征矩阵进行熵估计;
算术编码模块34,用于根据所述熵估计的结果对所述特征矩阵进行算术编码得到二进制文件;
重构模块35,用于基于所述特征矩阵的分布对所述二进制文件进行算术解码,并基于压缩网络的解码器得到所述原始图像的重构图像。
可选地,所述压缩网络包括:编码器、超参网络、全连接层和解码器。
可选地,所述均值方差模块32包括:
超参网络单元,用于将所述特征矩阵输入所述超参网络得到超参网络输出;
全连接层单元,用于将所述特征矩阵的值与超参网络输出通过concat操作后输入到所述全连接层,得到所述特征矩阵每个位置的均值与方差。
可选地,所述熵估计模块33包括:
拉普拉斯分布单元,用于基于拉普拉斯分布,根据所述每个位置的均值与方差对所述特征矩阵进行熵估计。
可选地,所述全连接层单元包括:
Round子单元,用于对所述特征矩阵进行round操作;
全连接层子单元,用于基于预设的矩阵块对所述round操作后的特征矩阵与所述超参网络输出进行concat操作后输入所述全连接层。
本实施例通过预测特征矩阵的分布,从而减少了进行算术编码所需要的码字,提升了编码速度且减少了需要存储的内存空间。
实施例三
图4是本发明一实施例提供的图像压缩终端设备的示意图。如图4所示,该实施例的图像压缩终端设备4包括:处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42,例如图像压缩程序。所述处理器40执行所述计算机程序42时实现上述各个图像压缩方法实施例中的步骤,例如图1所示的步骤101至105。或者,所述处理器40执行所述计算机程序42时实现上述各装置实施例中各模块/单元的功能,例如图3所示模块31至35的功能。
示例性的,所述计算机程序42可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器41中,并由所述处理器40执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序42在所述图像压缩终端设备4中的执行过程。例如,所述计算机程序42可以被分割成特征提取模块、均值方差模块、熵估计模块、算术编码模块、重构模块,各模块具体功能如下:
特征提取模块,用于基于压缩网络的编码器提取原始图像的特征矩阵;
均值方差模块,用于基于所述压缩网络的超参网络得到所述特征矩阵每个位置的均值与方差;
熵估计模块,用于根据所述每个位置的均值与方差,对所述特征矩阵进行熵估计;
算术编码模块,用于根据所述熵估计的结果对所述特征矩阵进行算术编码得到二进制文件;
重构模块,用于对所述二进制文件进行算术解码,并基于压缩网络的解码器得到所述原始图像的重构图像。
所述图像压缩终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述图像压缩终端设备可包括,但不仅限于,处理器40、存储器41。本领域技术人员可以理解,图4仅仅是图像压缩终端设备4的示例,并不构成对图像压缩终端设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述图像压缩终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述图像压缩终端设备4的内部存储单元,例如图像压缩终端设备4的硬盘或内存。所述存储器41也可以是所述图像压缩终端设备4的外部存储设备,例如所述图像压缩终端设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述图像压缩终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序以及所述图像压缩终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
由上可见,本实施例通过预测特征矩阵的分布来减少进行算术编码所需要的码字,提升了编码速度且减少了需要存储的内存空间。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种图像压缩方法,其特征在于,包括:
基于压缩网络的编码器提取原始图像的特征矩阵;
基于所述压缩网络的超参网络得到所述特征矩阵每个位置的均值与方差;
根据所述每个位置的均值与方差,对所述特征矩阵进行熵估计;
根据所述熵估计的结果对所述特征矩阵进行算术编码得到二进制文件;
对所述二进制文件进行算术解码,并基于压缩网络的解码器得到所述原始图像的重构图像。
2.如权利要求1所述的图像压缩方法,其特征在于,
所述压缩网络包括:编码器、超参网络、全连接层和解码器。
3.如权利要求1-2任一项所述的图像压缩方法,其特征在于,所述基于所述压缩网络的超参网络得到所述特征矩阵每个位置的均值与方差包括:
将所述特征矩阵输入所述超参网络得到超参网络输出;
将所述特征矩阵的值与超参网络输出通过concat操作后输入到所述全连接层,得到所述特征矩阵每个位置的均值与方差。
4.如权利要求1所述的图像压缩方法,其特征在于,所述根据所述每个位置的均值与方差,对所述特征矩阵进行熵估计包括:
基于拉普拉斯分布,根据所述每个位置的均值与方差对所述特征矩阵进行熵估计。
5.如权利要求3所述的任一项图像压缩方法,其特征在于,所述将所述特征矩阵的值与超参网络输出通过concat操作后输入到所述全连接层包括:
对所述特征矩阵进行round操作;
基于预设的矩阵块对所述round操作后的特征矩阵与所述超参网络输出进行concat操作后输入所述全连接层。
6.一种图像压缩装置,其特征在于,包括:
特征提取模块,用于基于压缩网络的编码器提取原始图像的特征矩阵;
均值方差模块,用于基于所述压缩网络的超参网络得到所述特征矩阵每个位置的均值与方差;
熵估计模块,用于根据所述每个位置的均值与方差,对所述特征矩阵进行熵估计;
算术编码模块,用于根据所述熵估计的结果对所述特征矩阵进行算术编码得到二进制文件;
重构模块,用于对所述二进制文件进行算术解码,并基于压缩网络的解码器得到所述原始图像的重构图像。
7.如权利要求6所述的图像压缩方法,其特征在于,
所述压缩网络包括:编码器、超参网络、全连接层和解码器。
8.如权利要求6-7任一项所述的图像压缩方法,其特征在于,所述均值方差模块包括:
超参网络单元,用于将所述特征矩阵输入所述超参网络得到超参网络输出;
全连接层单元,用于将所述特征矩阵的值与超参网络输出通过concat操作后输入到所述全连接层,得到所述特征矩阵每个位置的均值与方差。
9.一种图像压缩终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911061163.XA CN110769263A (zh) | 2019-11-01 | 2019-11-01 | 一种图像压缩方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911061163.XA CN110769263A (zh) | 2019-11-01 | 2019-11-01 | 一种图像压缩方法、装置及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110769263A true CN110769263A (zh) | 2020-02-07 |
Family
ID=69335872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911061163.XA Pending CN110769263A (zh) | 2019-11-01 | 2019-11-01 | 一种图像压缩方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110769263A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112102183A (zh) * | 2020-09-02 | 2020-12-18 | 杭州海康威视数字技术股份有限公司 | 稀疏处理方法、装置及设备 |
CN112330567A (zh) * | 2020-11-23 | 2021-02-05 | 建信金融科技有限责任公司 | 图像处理方法和装置 |
WO2022028197A1 (zh) * | 2020-08-06 | 2022-02-10 | 华为技术有限公司 | 一种图像处理方法及其设备 |
CN116614637A (zh) * | 2023-07-19 | 2023-08-18 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104244009A (zh) * | 2014-08-26 | 2014-12-24 | 南京邮电大学 | 一种分布式视频编码中码率控制方法 |
US20180174052A1 (en) * | 2016-12-15 | 2018-06-21 | WaveOne Inc. | Using generative adversarial networks in compression |
-
2019
- 2019-11-01 CN CN201911061163.XA patent/CN110769263A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104244009A (zh) * | 2014-08-26 | 2014-12-24 | 南京邮电大学 | 一种分布式视频编码中码率控制方法 |
US20180174052A1 (en) * | 2016-12-15 | 2018-06-21 | WaveOne Inc. | Using generative adversarial networks in compression |
Non-Patent Citations (1)
Title |
---|
袁庆祝: "基于CNN卷积神经网络的图像压缩技术", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022028197A1 (zh) * | 2020-08-06 | 2022-02-10 | 华为技术有限公司 | 一种图像处理方法及其设备 |
CN114071141A (zh) * | 2020-08-06 | 2022-02-18 | 华为技术有限公司 | 一种图像处理方法及其设备 |
CN112102183A (zh) * | 2020-09-02 | 2020-12-18 | 杭州海康威视数字技术股份有限公司 | 稀疏处理方法、装置及设备 |
CN112330567A (zh) * | 2020-11-23 | 2021-02-05 | 建信金融科技有限责任公司 | 图像处理方法和装置 |
CN112330567B (zh) * | 2020-11-23 | 2023-07-21 | 中国建设银行股份有限公司 | 图像处理方法和装置 |
CN116614637A (zh) * | 2023-07-19 | 2023-08-18 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
CN116614637B (zh) * | 2023-07-19 | 2023-09-12 | 腾讯科技(深圳)有限公司 | 一种数据处理方法、装置、设备以及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110677651A (zh) | 一种视频压缩方法 | |
CN110753225A (zh) | 一种视频压缩方法、装置及终端设备 | |
CN110769263A (zh) | 一种图像压缩方法、装置及终端设备 | |
CN110929865B (zh) | 网络量化方法、业务处理方法及相关产品 | |
CN111818346A (zh) | 图像编码方法和装置、图像解码方法和装置 | |
CN113132723B (zh) | 一种图像压缩方法及装置 | |
CN110913219A (zh) | 一种视频帧预测方法、装置及终端设备 | |
CN111784699A (zh) | 一种对三维点云数据进行目标分割方法、装置及终端设备 | |
CN114615507B (zh) | 一种图像编码方法、解码方法及相关装置 | |
WO2022028197A1 (zh) | 一种图像处理方法及其设备 | |
CN111083478A (zh) | 一种视频帧重构方法、装置及终端设备 | |
CN110650339A (zh) | 一种视频压缩方法、装置及终端设备 | |
CN110913230A (zh) | 一种视频帧预测方法、装置及终端设备 | |
CN113743650B (zh) | 电力负荷预测方法、装置、设备与存储介质 | |
CN115022637A (zh) | 一种图像编码方法、图像解压方法以及装置 | |
CN110944212A (zh) | 一种视频帧重构方法、装置及终端设备 | |
CN113573056A (zh) | 一种率失真优化量化的方法、装置、存储介质及终端 | |
CN111083479A (zh) | 一种视频帧预测方法、装置及终端设备 | |
CN111083482A (zh) | 一种视频压缩网络训练方法、装置及终端设备 | |
US20220392117A1 (en) | Data compression and decompression system and method thereof | |
CN113949867B (zh) | 一种图像处理的方法及装置 | |
CN110913220A (zh) | 一种视频帧编码方法、装置及终端设备 | |
CN111083500A (zh) | 一种视频帧重构方法、装置及终端设备 | |
CN106101731B (zh) | 图像无损压缩方法及装置 | |
CN111836051B (zh) | 一种桌面图像编码、解码方法及相关装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200207 |
|
WD01 | Invention patent application deemed withdrawn after publication |