典型文献
基于深度残差网络的轻量级生成图像压缩方法
文献摘要：
基于深度学习的生成图像压缩方法具有在低码率场景下重建图像视觉保真度高的优点,但该方法网络参数量大,所需计算资源和模型占用内存空间多,因此,无法得到有效应用.针对该问题,采用深度轻量级残差块优化残差网络以精简解码网络.首先将两层残差网络替换为三层轻量级残差块,增加网络深度从而更直观提取图像的抽象特征,使得生成器更好地模拟真实样本的分布.其次在每个残差块中再增加一个非线性激活与归一化层,缓解了网络训练时的梯度消失问题.实验结果表明,基于深度残差网络的生成图像压缩方法在率失真性能与感知指标上评估结果与已有方法基本一致,但网络参数量减少了 30.44％且模型训练耗时降低33.3％,模型大小减少25％.
文献关键词：
生成图像压缩;低码率;残差网络;轻量级;深度学习
中图分类号：
作者姓名：
闫雪;祝启斌;陈菊霞;夏巧桥
作者机构：
华中师范大学物理科学与技术学院,武汉 430079
文献出处：
引用格式：
[1]闫雪;祝启斌;陈菊霞;夏巧桥-.基于深度残差网络的轻量级生成图像压缩方法)[J].激光杂志,2022(09):76-82
A类：
生成图像压缩
B类：
深度残差网络,轻量级,压缩方法,低码率,重建图像,视觉保真度,法网,网络参数,参数量,计算资源,内存空间,有效应用,残差块,精简,解码,两层,更直,生成器,拟真,实样,网络训练,梯度消失,失真,真性,模型训练
AB值：
0.273515
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
