-
题名基于自注意力机制增强的深度学习图像压缩
被引量：3
- 1
-
-
作者
展亚南
施晓东
孙镱诚
丁阳
杨万扣
-
机构
中国电子科技集团公司第二十八研究所
东南大学自动化学院
-
出处
《控制工程》
CSCD
北大核心
2022年第3期536-541,共6页
-
基金
装备预先研究项目(301021302)。
-
文摘
提出了一种基于自注意力机制增强的深度学习模型,用于无人机侦察图像的压缩与解压。与现有方法相比,提出的深度学习模型有两个显著特点:其一,模型由四部分组成(编码器、二值化器、量化器和解码器),并且可以通过端到端的优化提高模型的压缩和解压效率;其二,量化器是基于自注意力机制增强的多层前馈神经网络,它能充分利用图像的上下文信息对图像进行压缩。在公开数据集Kodak和Tecnick的实验结果表明,提出模型的压缩率-保真率曲线优于传统的图像压缩标准和现有的深度学习模型。对于常规大小的图像,在保持图像质量MS-SSIM为85%~95%的前提下,图像压缩比BPP能达到7%~15%,并且在普通CPU上其处理速度达0.48秒/张,能显著降低影像的数据大小且不牺牲处理速度。
-
关键词
图像压缩
深度学习
自注意力机制
端到端
多层前馈神经网络
-
Keywords
Image compression
deep learning
self-attention mechanism
end-to-end
multi-layer feedforward neural network
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
