《表1 基于深度学习的图像压缩方法比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的图像压缩算法研究综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

基于深度学习的图像压缩涵盖了很多不同的算法，每种不同的算法都各有特点，CNN在提取特征方面要比传统的图像压缩变换更好，并且应用RNN和GAN处理图像压缩时也经常采用CNN进行图像特征提取；LSTM作为RNN的模型之一，LSTM模型可以很好地处理、合并空间信息，并且各种具有卷积运算的LSTM，这都使其可能更适用于图像压缩；GAN在对图像的极限压缩和提高重建图像质量，以及对图像数据实时性的压缩等方面表现良好。由于不同算法目的和评估的侧重性不同、使用数据集尺寸和类型也有所不同，文中所述所有算法多数都会给出其重建图像与JPEG或BPG的RD对比曲线，因此本文根据其文献中与JPEG或BPG图像的主观对比，以及压缩数据后对比，将对较为经典的算法进行对比与分析，表1为基于深度学习的图像压缩方法比较。