第一个书签之前
基于深度学习的端到端图像视频压缩框架
End-to-End Image and Video Compression Framework Based on Convolutional Neural Networks
摘 要
Abstract
目 录
第1章 绪论
1.1 课题研究背景及意义
1.1.1 图像和视频中的冗余
1.1.2 深度学习在图像和视频编码中应用的关键问题
1.2 国内外研究现状
1.2.1 图像压缩的研究现状
1.2.2 视频帧率转换的研究现状
1.3 论文内容及结构安排
第2章 深度学习基础及其在低层视觉领域的应用
2.1 深度学习基础
2.1.1 卷积神经网络
2.2 深度学习在图像压缩复原上的应用
2.3 深度学习在视频帧率转换上的应用
2.4 本章小结
第3章 基于卷积神经网络的端到端图像压缩框架
3.1 问题的提出以及提出的图像压缩框架
3.1.1 ComCNN网络结构
3.1.2 RecCNN网络结构
3.2 学习算法
3.2.2 更新ComCNN的参数1
3.3 损失函数
3.4.1 实验数据和参数设置
3.4.2 实验结果
3.5 本章小结
第4章 基于深度学习的视频帧率转换技术
4.1 问题的提出以及本文提出的方法
4.2 前后帧融合的深度学习插帧算法
4.3 基于运动补偿的深度学习插帧算法
4.3.1 多尺度运动补偿网络（MC-subnet）
4.3.2 质量增强网络（QE-subnet）
4.4 损失函数
4.5.1 实验配置及数据集
4.5.2 实验结果
4.6 本章小结
结 论
参考文献
攻读硕士学位期间发表的论文及其他成果
哈尔滨工业大学学位论文原创性声明和使用权限
致 谢
哈尔滨工业大学;
