《表1 基于深度学习的图像压缩方法比较》
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。
图表编号 | XD00163035300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 于恒、梅红岩、许晓明、贾慧萍 |
绘制单位 | 辽宁工业大学电子与信息工程学院、辽宁工业大学电子与信息工程学院、辽宁工业大学电子与信息工程学院、辽宁工业大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |