神经网络后处理：A PRACTICAL CONVOLUTIONAL NEURAL NETWORK AS LOOP FILTER FOR INTRA FRAME

最新推荐文章于 2024-04-25 22:42:17 发布
最新推荐文章于 2024-04-25 22:42:17 发布
阅读量1.2k 收藏
点赞数
分类专栏： 论文阅读 文章标签： CNN 后处理 JEM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shayashi/article/details/86612041
版权

A Practical Convolutional Neutral Network As Loop Filter for Intra Frame

论文
以往的视频编码后处理的神经网络模型在实际应用中存在问题：一是：使用不同QP的编码帧使用不同的模型，硬件上贵。二是：在不同平台上的编解码端的CNN的浮点运算可能导致不连续性。三是：CNN模型有冗余，消耗资源。
所以作者提出的网络旨在单个，低冗余，并且适应不同质量的解码帧。所以，将重构和QP也作为网络的输入，经过训练后将模型压缩，以减少冗余。为了确保连续性，采用DFP（dynamic fixed points），模型中的参数先经过DFP量化再被输入到CNN中。CNN的最终输出也经过DFP操作。在全intra配置下，取代传统的滤波，在JEM7.0上的实验结果显示在三个分量上分别有3.14%,5.12%,6.28%的码率节省。
作者提出一个实用的卷积神经网络滤波CNNF(convolutional neural network filter)取代所有的传统滤波，如下图所示：
CNNFJEM
作者提出的模型包含三部分：a novel network,model compression和DFP-based inference of CNNF。CNNF采用全卷积残差学习结构。在压缩模型部分，包含两步：

最低0.47元/天 解锁文章
shayashi
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
DAILY PAPER 003 — DialogueGCN: A Graph Convolutional Neural Network for ERC
01-06
DialogueGCN: A Graph Convolutional Neural Network for Emotion Recognition in Conversation AUTHOR(S): Deepanway Ghosal:目前是新加坡科技设计大学ISTD(Information Systems Technology and Design)博士生,师从...
深度学习之目标检测模型后处理（非极大值抑制与WBF）
qq_41627642的博客
10-10 3167
无
深度学习之一
qq_24935875的博客
07-07 586
深度学习的种种 @(深度学习理论) 深度学习的种种 1. 神经网络总论 2. 神经网络的前处理 我们主要分三个部分来讲解神经网络，第一个部分为神经网络的总论，也就是抛开各个部分的功能及原理，而关注神经网络整体的原理及功能，这部分可能放在本文的最后来讲解，然后第二个部分是神经网络的各个部件：主要有前向传播部分和反向传播部分。最后是神经网络的后处理，也就是神经网络的压缩。 1...
图像在神经网络中的预处理与后处理的原理和作用（最详细版本）
最新发布
weixin_44115575的博客
04-25 2567
预处理，后处理，图像深度学习，张量，互为逆过程
神经网络推理3D医学图像之后的后处理
sdhdsf132452的博客
02-20 294
医学图像处理
简述常用人工神经网络方法的基本原理
神经网络爱好者
07-09 1909
神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。生物神经网络主要是指人脑的神经网络，它是人工神经网络的技术原型。人脑是人类思维的物质基础，思维的功能定位在大脑皮层，后者含有大约10^11个神经元，每个神经元又通过神经突触与大约103个其它神经元相连，形成一个高度复杂高度灵活的动态网络。作为一门学科，生物神经网络主要研究人脑神经网络的结构、功能及其工作机制，意在探索人脑思维和智能活动的规律
【深度学习】深度神经网络后处理之全连接CRFs（DenseCRF）
李响
06-15 3054
文章目录1 概述2 条件随机场2.1 什么样的问题需要CRF模型2.2 随机场到马尔科夫随机场2.3 从马尔科夫随机场到条件随机场3 python实现图像分割CRFs后处理4 全连接CRF用于精确定位5 CRFasRNN6 总结 1 概述 目前图像像素级语义分割比较流行使用深度学习全卷积神经网络FCN或者各种FCN的改进版U-Net、V-Net、SegNet等方法**。这些模型中使用了反卷积层进行上采样操作，虽然能够将特征图恢复至原图尺寸，但也造成了特征的损失，自然而然产生了分类目标边界模糊的问题。**为了
神经网络后处理：A Convolutional Neural Network Approach for Post-Processing in HEVC Intra Coding
shayashi的博客
01-23 3222
AR-CNN（Artifact reduction） ：只适用于JPEG压缩 四层全卷积层，没有pooling和全连接层，输入和输出是相同size。网络结构如下： g()是非线性mapping函数，在AR-CNN中是ReLU函数，即g(x)=max(0,x)g(x)=max\left ( 0,x \right )g(x)=max(0,x)。AR-CNN的配置如下图所示： 4层卷积分别实现：特征...
点云 目标识别voxnet:A 3D Convolutional Neural Network for Real-Time Object Recognition
02-10
点云 深度学习 目标识别 论文 点云 深度学习 目标识别 论文
A Convolutional Neural Network based Single-frame Super-Resolution for Lensless Blood Cell Counting
02-07
This paper presents one Convolutional Neural Network based single-frame Super-Resolution processing (CNNSR) for lensless blood cell counting, which takes one single low-resolution cell shadow image as...
Learning_Traffic_as_Images_A_Deep_Convolutional_Neural_Network.pdf
03-31
Learning Traffic as Images: A Deep Convolutional Neural Network for Large-Scale Transportation Network Speed Prediction Xiaolei Ma
A convolutional neural network for modelling sentences论文及翻译
11-24
《A convolutional neural network for modelling sentences》这篇论文是自然语言处理（NLP）领域的一份重要文献，主要探讨了如何利用卷积神经网络（Convolutional Neural Network, CNN）来理解和建模句子结构。...
神经网络最后一层处理
I‘m Frank Lee
03-14 5796
神经网络最后一层处理回归任务分类任务二分类多分类 通常，根据目标任务的不同，神经网络的最后一层处理方式也会不同。这篇文章将根据任务类型分别讨论。 回归任务 如果目标任务的预测值在 (−∞,+∞)(-\infty,+\infty)(−∞,+∞)，一般默认不使用激活函数，意味着神经网络的输入和输出是线性关系。不过，以这种目标为任务的神经网络，一般在隐藏层使用非线性激活函数，在输出层不使用激活函数。 如果目标任务的预测值在 [0,+∞)[0,+\infty)[0,+∞)，一般使用ReLU，例如房价预测的回归任务。
PCS2021：基于CNN的后处理进行质量增强
Dillon2015的博客
10-27 2万+
本文来自PCS2021论文《Model Selection CNN-based VVC Quality Enhancement》 论文提出了适用于VVC的基于CNN的后处理方法来进行质量增强（QE），并且在编码端提供了多个训练好的模型，可以在帧级和块级使用模型选择（MS）策略选择最优的模型，并传到解码端。基于CNN的后处理方法在RA配置下BD-Rate增益为1.3%，加上MS策略又可以获得0.5%的BD-Rate增益。 质量增强算法 编码信息 时域、空域特征和带宽限制等能反映信号的特点，因此在论
神经网络后处理：A New HEVC In-Loop Filter Based on Multi-channel Long-Short-term Dependency Residual Network
shayashi的博客
01-23 804
A New HEVC In-Loop Filter Based on Multi-channel Long-Short-term Dependency Residual Networks 基于MLSDRN（multi-channel long-short-term dependency residual network）提出的HEVC环内滤波。作者提出MLSDRN解决以往神经网络实现后处理的两个问...
深度学习与计算机视觉系列(7)_神经网络数据预处理，正则化与损失函数
iteye_2022的博客
01-03 738
作者：寒小阳 && 龙心尘 时间：2016年1月。 出处：http://blog.csdn.net/han_xiaoyang/article/details/50451460 声明：版权所有，转载请联系作者并注明出处 1. 引言 上一节我们讲完了各种激励函数的优缺点和选择，以及网络的大小以及正则化对神经网络的影响。这一节我们讲一讲输入数据预处理、正则化以及损失函数设定...
神经网络的数据预处理
nan1104的博客
03-09 5814
神经网络的数据预处理过程 常用的集中预处理操作—— 1、去均值：最常见的数据处理操作。 对待训练的每一张图片的特征，都减去全部训练集图片的特征均值，这么做的直观意义就是，我们把输入数据各个维度的数据都中心化到0了。 2、归一化 归一化的目的是保证所有的维度上数据都在一个变化幅度上。通常有两种方法可以实现归一化。一个是在数据都去均值之后，每个维度上的数据都除以这个维度上数据的标准差(X /...
斯坦福cs231n学习笔记（8）------神经网络训练细节（数据预处理、权重初始化）
huplion的专栏
01-21 1万+
神经网络训练细节系列笔记： 神经网络训练细节（激活函数） 神经网络训练细节（Batch Normalization） 神经网络训练细节（训练过程，超参数优化） 这一篇，我们将继续介绍神经网络训练细节。 一、Data Preprocessing（数据预处理） 如图是原始数据，数据矩阵X有三种常见的数据预处理形式，其中我们假定X的大小为[N×D]（N是数据的数量，D是它们的维数）。
Scikit-learn 秘籍 第五章 模型后处理
热门推荐
龙哥盟
06-22 3万+
第五章 模型后处理 作者：Trent Hauck 译者：飞龙 协议：CC BY-NC-SA 4.0 5.1 K-fold 交叉验证这个秘籍中，我们会创建交叉验证，它可能是最重要的模型后处理验证练习。我们会在这个秘籍中讨论 k-fold 交叉验证。有几种交叉验证的种类，每个都有不同的随机化模式。K-fold 可能是一种最熟知的随机化模式。准备我们会创建一些数据集，之后在不同的在
卷积神经网络（Convolutional Neural Network，CNN）的概念
06-09
卷积神经网络（Convolutional Neural Network，CNN）是一种专门用于处理具有类似网格结构的数据的神经网络，常用于图像、语音和自然语言处理等领域。 CNN 的核心思想是通过卷积操作来提取输入数据中的特征，卷积操作可以理解为一种滤波器，通过移动滤波器来提取特征。在 CNN 中，通常包含多个卷积层和池化层，其中卷积层用于提取特征，而池化层用于对特征进行下采样，减少特征数量和计算量。 在卷积层中，通过定义多个卷积核来提取不同的特征，每个卷积核可以看作是一组权重，卷积核和输入数据进行卷积操作后得到的结果称为特征图。通过使用不同的卷积核，可以提取不同的特征，例如边缘、纹理、形状等。 在池化层中，通常使用最大池化或平均池化来对特征图进行下采样，从而减少计算量和特征数量，同时也可以保留重要的特征信息。 最后，在卷积神经网络中通常包含全连接层和 Softmax 层，用于进行分类或者预测。 总之，卷积神经网络是一种专门用于处理具有类似网格结构的数据的神经网络，通过卷积操作和池化操作来提取特征，从而实现分类、识别、检测和分割等任务。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值