IP屬地：北京
-
m基于GRNN廣義回歸神經網絡和HOG特征提取的人體姿態(tài)檢測識別matlab仿真,樣本集為TOF深度圖1.算法描述 GRNN建立在非參數核回歸基礎上，以樣本數據為后驗條件析校，通過執(zhí)行諸如Parzen非參數估計幸乒，從觀測樣本里求得自變量和因變量之間的聯結概率密度函數之后垃它，直接計算出...
-
HM 15.0 1 -概要
這一章其實本來不應該這么寫迁霎，但是我們大概有個概要，對于學習是很快的俺陋，但是真的在閱讀代碼的時候豁延，是不能這么看的；不過也不要緊腊状，學習嘛看一下HM編碼器诱咏，里面的頭文件和C++文件的...
-
使用CNN預測HEVC的CU分割 (6) -- 計算模型的BDBR和BD-PSNR許多論文中，驗證神經網絡模型的效果的指標主要是： 編碼時間缴挖，縮短了多少 Bj?ntegaard delta bit rate (BDBR)袋狞，增加了百分之多少 Bj?ntega...
-
使用CNN預測HEVC的CU分割 (5) -- 將神經網絡模型集成到HEVC編碼器
當我們訓練好神經網絡之后，下一步就是在HEVC的實際編碼過程中使用這個神經網絡模型提升編碼效率，如果不能將神經網絡集成到HEVC的編碼器中進行編碼苟鸯，那我們訓練這個編碼的神經網...
-
使用CNN預測HEVC的CU分割 (4) -- 使用不同的神經網絡架構進行訓練
在使用CNN預測HEVC的CU分割 (3) -- 構建神經網絡模型中同蜻，已經介紹了兩種最基本的用于預測CU分割的神經網絡架構。架構的設計很重要早处，一個不好的神經網絡可能導致模型很...
-
使用CNN預測HEVC的CU分割 (3) -- 構建神經網絡模型通過前面兩篇文章： 使用CNN預測HEVC的CU分割 (1) -- 構建數據集 使用CNN預測HEVC的CU分割 (2) -- 數據集的劃分湾蔓，隨機抽取幀，優(yōu)化數據集結構加快讀...
-
使用CNN預測HEVC的CU分割 (2) -- 數據集的劃分陕赃，隨機抽取幀卵蛉，優(yōu)化數據集結構加快讀取
我自己生成的數據集在GitHub颁股，包含了訓練么库、測試、驗證集： GitHub - wolverinn/HEVC-CU-depths-dataset: A dataset tha...
-
使用CNN預測HEVC的CU分割 (1) -- 構建數據集HEVC自帶的編碼器在決定CTU的最佳分割深度的時候會花費很多時間甘有，我們的目標是訓練卷積神經網絡來根據輸入的幀預測這一幀圖像上面的所有CTU的最佳分割深度诉儒，這樣會比HEVC自...
-
HEVC部分源碼剖析HEVC（High Efficiency Video Coding） 是2013年提出的最新的視頻編碼標準，它的核心是將視頻中的每一幀圖像分割成 Coding Tree Un...
