归类精度导引的在线图像集自适应压缩方法

• 作者: 刘浩 吴乐明
• 来源期刊: 中国科技论文
• 学科: 工学
• 关键词: 在线图像集 卷积神经网络 图像集压缩 质量因子 图像尺度
• 年，卷（期）: 2019,（11）
• 页码范围: 1265-1270
• 页数: 6页
• 分类号: TN919.8
• 字数: 4908字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2783.2019.11.018

摘要

针对多源视频流中的图像分类任务,提出了归类精度导引的在线图像集自适应压缩方法,首先对初始的在线图像集进行基于卷积神经网络(convolutional neural network,CNN)的模型训练,得到图像分类器;然后根据连续图像集之间的相似性,后一在线图像集的双参数参考前一在线图像集的双参数,通过引入自适应的参数判决机制有效地压缩连续的在线图像集.实验结果表明,所提方法能够保持足够大的平均压缩比,与现有的图像集压缩方法相比,可将平均归类精度提高3.3%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘浩	东华大学信息科学与技术学院	33	110	7.0	9.0
2	吴乐明	东华大学信息科学与技术学院	6	0	0.0	0.0