《表1 H.265/HEVC与MFILNet滤波性能在验证集上的比较 (PSNR)》

  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

《多特征增量学习的视频重建图像质量增强算法》

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

在训练中，网络参数的设置十分重要.针对不同B与V的组合进行尝试，结果表明，在FIB个数为3，VU个数为5时，网络性能较优.表1给出了的网络结构在验证集上的PSNR提升性能.由实验结果可见，编码后序列经过MFILNet滤波后，PSNR性能明显获得了提升，尤其是在低码率时，获得的增益尤为明显.这说明随着量化参数的增加，量化噪声的影响越来越大，神经网络抑制噪声的优势也更加突出.传统的环路滤波依赖于人工设计，SAO模块还需要在码流中传输一定的比特来帮助恢复图像质量.而训练好的网络参数是固定的，编解码端共享同样的模型，不会带来码率的增加.