一种基于深度学习的自适应数据压缩方法

本发明涉及数据压缩技术领域，尤其涉及一种基于深度学习的自适应数据压缩方法，包括：构建基于UNet网络架构的编码解码模型，以及基于LSTM网络架构的上下文关联模型；将图像数据通过编码解码模型生成语义分割图和多个编码特征图；将编码特征图和图像数据通过上下文关联模型生成子块系数概率；将语义分割图通过图像子块映射生成子块调整系数；基于子块系数概率和子块调整系数生成动态子块系数概率；根据动态子块系数概率设定算术编码器的频率表，以对图像数据进行压缩。本发明通过LSTM的上下文关联能力对UNet架构的图像编码进行建模，实现自适应不同子块的场景的量化系数概率预测，显著提升其预测精度，缩小了压缩率波动范围。