基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了降低编码复杂度,提升编码速度,快速编码算法成为当下研究热点,以此为背景提出基于CNN的编码单元快速选择算法框架,将QTBT编码单元选择问题转化为多分类问题,直接从编码单元中学习和提取分类特征,而不需要手动去设计和提取特征;也不需要时域和空域的相关性信息,有助于提高帧内编码的并行运算和独立解码性能.本方法还设计了一个目标函数,包括Hingeloss和类别惩罚项,能有效提高分类准确.
推荐文章
基于CNN-LSTM的QAR数据特征提取与预测
深度学习
融合卷积神经网络
长短时记忆网络
特征提取
时间序列预测
基于宏块内部特征的 H.264快速预测模式决策算法
H.264
模式选择
运动估计
宏块复杂度
基于CNN-GRU神经网络的锂电池SOH估计与RUL预测
锂电池
卷积神经网络
门控循环单元
健康状态
剩余有效工作时间
H.264帧内预测模式快速选择算法研究
H.264
视频编码
帧内预测
快速选择算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于CNN的QTBT划分模式快速预测研究
来源期刊 科技视界 学科 工学
关键词 快速编码 分类特征 帧内编码 目标函数
年,卷(期) 2020,(12) 所属期刊栏目 创新基金项目
研究方向 页码范围 81-84
页数 4页 分类号 TP311.5|TP18
字数 2890字 语种 中文
DOI 10.19694/j.cnki.issn2095-2457.2020.12.031
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (3)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
快速编码
分类特征
帧内编码
目标函数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
科技视界
旬刊
2095-2457
31-2065/N
大16开
上海市
2011
chi
出版文献量(篇)
57598
总下载数(次)
165
论文1v1指导