摘要
本发明提供了一种车联网场景下视频数据的压缩方法,涉及图像压缩技术领域,本发明在图像编码器中设计了双分支结构,即通用特征提取模型的分支和车联网特征提取模型的分支,解决了现有的学习型图像压缩算法训练的模型与车联网领域的视频数据特点不匹配的问题,显著提高了解压缩后的视频数据质量。本发明利用轻量级微调技术,基于现有的车联网公开数据集,对通用特征提取模型的参数进行微调,使得能够快速训练出适合车联网视频数据特点的模型,大大减少了要学习的参数量,提高了模型训练效率,本发明设计的混合架构能够捕获图像的局部纹理特征和全局上下文依赖关系,显著降低了像素的平均比特率,提高了车联网视频数据的存储效率。
技术关键词
原始图像数据
特征提取模型
重构图像数据
图像编码器
通用特征
图像解码器
图像特征信息
视频
微调技术
连续特征
编码特征
图像压缩算法
局部纹理特征
场景
图像压缩技术
基础
累积分布函数
系统为您推荐了相关专利信息
深度信念网络
受限玻尔兹曼机
生成对抗网络
分类器模型
特征提取模型
QUIC协议
协议特征
特征提取模型
传输特征
数据
图像特征提取模型
样本
文本识别
标签训练集
光学字符识别
特征提取模型
视频分割方法
语义特征
时序特征
压缩特征