摘要
本发明公开了一种基于混合神经表示的图像压缩方法。本方法针对现有基于深度学习的图像压缩方法存在的解码复杂度高的问题,提出了一种基于混合神经表示的图像压缩方法,对于每幅要压缩的图像单独过拟合轻量化的自编码器网络。具体地,在自编码器网络中,本发明设计了分组特征聚合网络,用来聚合不同组的特征;设计了局部调制网络,用于对局部特征的增强表示;运用了高斯混合模型,提高了码率估计的准确性。实验结果表明,本发明通过混合神经表示的方法,可以有效降低图像解码时的复杂度,实现图像压缩的轻量化。
技术关键词
图像压缩方法
嵌入特征
网络
重构
编码器
码率
解码复杂度
高斯混合模型
输入解码器
均匀噪声
调制特征
像素
优化器
训练集
坐标
系统为您推荐了相关专利信息
主动预警系统
数据清洗方法
离群点
高速公路环境
异常数据
干扰特征
动态时间规整算法
预警系统
异构传感器
对齐模块
声纹特征
说话人识别
语音识别网络
语音编码
语音识别方法
门控循环神经网络
硬件木马检测方法
节点
序列特征
硬件IP核
入侵检测方法
网络流量数据集
SMOTE算法
轻量级神经网络
入侵检测模型