IP屬地：北京
-
m基于GRNN廣義回歸神經(jīng)網(wǎng)絡(luò)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(shù)核回歸基礎(chǔ)上蹋艺，以樣本數(shù)據(jù)為后驗條件聪蘸，通過執(zhí)行諸如Parzen非參數(shù)估計拒啰，從觀測樣本里求得自變量和因變量之間的聯(lián)結(jié)概率密度函數(shù)之后歧匈，直接計算出...
-
HM 15.0 1 -概要
這一章其實本來不應(yīng)該這么寫檀训，但是我們大概有個概要怒允，對于學(xué)習(xí)是很快的埂软，但是真的在閱讀代碼的時候，是不能這么看的纫事；不過也不要緊勘畔，學(xué)習(xí)嘛看一下HM編碼器，里面的頭文件和C++文件的...
-
使用CNN預(yù)測HEVC的CU分割 (6) -- 計算模型的BDBR和BD-PSNR許多論文中丽惶，驗證神經(jīng)網(wǎng)絡(luò)模型的效果的指標主要是： 編碼時間炫七，縮短了多少 Bj?ntegaard delta bit rate (BDBR)，增加了百分之多少 Bj?ntega...
-
使用CNN預(yù)測HEVC的CU分割 (5) -- 將神經(jīng)網(wǎng)絡(luò)模型集成到HEVC編碼器
當(dāng)我們訓(xùn)練好神經(jīng)網(wǎng)絡(luò)之后钾唬，下一步就是在HEVC的實際編碼過程中使用這個神經(jīng)網(wǎng)絡(luò)模型提升編碼效率万哪，如果不能將神經(jīng)網(wǎng)絡(luò)集成到HEVC的編碼器中進行編碼侠驯，那我們訓(xùn)練這個編碼的神經(jīng)網(wǎng)...
-
使用CNN預(yù)測HEVC的CU分割 (4) -- 使用不同的神經(jīng)網(wǎng)絡(luò)架構(gòu)進行訓(xùn)練
在使用CNN預(yù)測HEVC的CU分割 (3) -- 構(gòu)建神經(jīng)網(wǎng)絡(luò)模型中，已經(jīng)介紹了兩種最基本的用于預(yù)測CU分割的神經(jīng)網(wǎng)絡(luò)架構(gòu)奕巍。架構(gòu)的設(shè)計很重要吟策，一個不好的神經(jīng)網(wǎng)絡(luò)可能導(dǎo)致模型很...
-
使用CNN預(yù)測HEVC的CU分割 (3) -- 構(gòu)建神經(jīng)網(wǎng)絡(luò)模型通過前面兩篇文章： 使用CNN預(yù)測HEVC的CU分割 (1) -- 構(gòu)建數(shù)據(jù)集 使用CNN預(yù)測HEVC的CU分割 (2) -- 數(shù)據(jù)集的劃分，隨機抽取幀的止，優(yōu)化數(shù)據(jù)集結(jié)構(gòu)加快讀...
-
使用CNN預(yù)測HEVC的CU分割 (2) -- 數(shù)據(jù)集的劃分檩坚，隨機抽取幀，優(yōu)化數(shù)據(jù)集結(jié)構(gòu)加快讀取
我自己生成的數(shù)據(jù)集在GitHub诅福，包含了訓(xùn)練匾委、測試、驗證集： GitHub - wolverinn/HEVC-CU-depths-dataset: A dataset tha...
-
使用CNN預(yù)測HEVC的CU分割 (1) -- 構(gòu)建數(shù)據(jù)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氓润，我們的目標是訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)來根據(jù)輸入的幀預(yù)測這一幀圖像上面的所有CTU的最佳分割深度剩檀，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...
