基于参数量化的轻量级图像压缩神经网络研究

摘要

随着深度学习的发展,神经网络模型参数的数量越来越大,消耗了大量的存储与计算资源.而在面向图像压缩应用的自编码神经网络中,其编码器网络和解码器网络往往占用着更大的存储空间.因此,文中提出了一种基于参数量化的轻量级图像压缩神经网络,采用训练中参数量化的方法将模型参数从32位浮点型量化到8位整型.实验结果表明,相比原始模型,提出的轻量级图像压缩神经网络模型节约了73％的存储空间.在图像压缩码率小于0.16bpp的条件下,重建图像的多尺度结构相似度指标MS-SSIM仅损失1.68％,依然优于经典压缩标准JPEG与JPEG2000.