Table | Card | RUSMARC | |
Allowed Actions: –
Action 'Read' will be available if you login or access site from another network
Action 'Download' will be available if you login or access site from another network
Group: Anonymous Network: Internet |
Annotation
В последние годы наблюдается тенденция увеличения разрешения от высокой четкости (HD) до 4K или даже 8K Ultra High Definition (UHD). С точки зрения количества пикселей для отображения означает, что переход от HD к 4K UHD число в четыре раза. В случае 8K UHD по отношению к HD это даже увеличение фактора шестнадцать. Но в то же время доступную полосу пропускания, т. е. в интернете, не растет пропорционально увеличению разрешения. Для этого необходимо более эффективное кодирование видео. Для высокоэффективного кодирования видео (hevc в) используется внутрикадровое кодирование рядом с межкадровым кодированием в качестве краеугольного камня при сжатии видео, но обнаруживается дефицит в примере прогнозирования значения для кодирования блоков. В этой научной работе исследуется метод глубокого обучения на основе разработки прогнозирования значения образца, который поддерживается данными контура изображения. Экспериментальные результаты показывают, что в целом возможно увеличение на 1-2 дБ, что, согласно литературе по видеокодированию, является заметным улучшением. Это улучшение помогает уменьшить необходимую пропускную способность при передаче данных по сети.
Document access rights
Network | User group | Action | ||||
---|---|---|---|---|---|---|
ILC SPbPU Local Network | All | |||||
Internet | Authorized users SPbPU | |||||
Internet | Anonymous |
Table of Contents
- Министерство образования и науки Российской Федерации
- Master-Thesis - Jeff Reimer
- Abstract
- List of Abbreviations
- List of Figures
- List of Tables
- Introduction
- State of the art
- Human eyesight
- Video coding
- Motivation - why coding?
- Coding standards: Advanced Video Coding and High Efficiency Video Coding
- Compression methods
- Prediction error and its correction
- Image Inpainting
- Convolutional Neural Network
- The Convolutional Layers
- Output of convolutional layers
- ReLu Layers
- Pooling Layers
- Output Fully Connected Layer
- Contour-based Multidirectional Intra Coding
- Method: Deep learning-based predictive image coding considering contours
- Creation of contours
- Architectures of CNN
- Experimental results
- CIFAR10
- KODIM
- Conclusion
- Appendix A
- Appendix B
- CNN-01
- Deploy file
- Solver
- CNN-02
- Deploy file
- Solver
- CNN-01
Usage statistics
Access count: 223
Last 30 days: 0 Detailed usage statistics |