《An End-to-End Compression Framework Based on Convolutional Neural Networks》笔记

论文阅读笔记

《An End-to-End Compression Framework Based on Convolutional Neural Networks》

基本信息

时间:2018年

刊物: IEEE Transactions on Circuits and Systems for Video Technology(TCSVT)

作者:哈工大团队

关键词

卷积神经网络 CNN;紧凑表示;压缩框架

主要思路
  1. CNN+传统编解码器+CNN,第一个CNN负责数据的紧凑表示,第二个CNN负责重建图像
  2. 编解码器保留传统思路,变换编码+量化+熵编码
  3. 设计了一个优化学习算法,解决量化过程中不可微的问题,从而可以用反向传播整体训练模型
内容
  1. 第一个CNN有三层,(1) conv+ReLU (2) conv+BN(Batch Normalization)+ReLU (3)Conv
  2. 第二个CNN有20层,和第一个CNN结构差不多,只是2~19层都是 (2) 部分
  3. 解码后的数据首先经过一个双三次插值向上采样,然后经过第二个CNN重建图像,最后将上采样结果与CNN网络输出的残差图像结合得到复原图像。
创新点
  1. 整体训练,解决了量化过程不可微分的问题

猜你喜欢

转载自www.cnblogs.com/ColleenHe/p/11953340.html