公开(公告)号：CN118413673A

公开(公告)日：2024-07-30

申请号：CN202410473001.1

申请日：2024-04-19

Applicant: 上海电力大学

Inventor： 蒋伟 ,  沈昊宇 ,  杨俊杰

IPC: H04N19/124 ,  H04N19/625 ,  G06T9/00

Abstract: 本发明涉及一种基于码率和准确率优化的图像特征压缩方法和装置，方法包括：在边缘端，提取卷积神经网络的中间卷积层特征；根据特征重要性对卷积层输出特征的特征通道进行分区；按顺序对各特征通道进行平铺，得到特征图；对特征图作离散余弦变换；对特征图按照重要性分区结果进行分块均匀量化；对特征图作算术编码得到比特流，并计算出码率；将比特流作算术解码、反量化和反离散余弦变换，恢复出能输入剩余的卷积神经网络的特征向量；通过卷积神经网络的输出端得到分类准确率，从而建立码率和准确率损失模型，获取最优的量化参数进行数据压缩。与现有技术相比，本发明能够根据场景的码率需求，选择最优的量化参数，并进一步的压缩特征数据量。

公开(公告)号：CN114219869A

公开(公告)日：2022-03-22

申请号：CN202111353581.3

申请日：2021-11-16

Applicant: 上海电力大学

Inventor： 蒋伟 ,  沈昊宇 ,  张园

IPC: G06T9/00 ,  G06V10/40 ,  G06V10/762 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于DCT的图像特征编码方法，该方法包括以下步骤：1)在边缘端，提取卷积神经网络的中间卷积层特征；2)对提取到的特征按通道顺序平铺，并对其作离散余弦变换；3)对离散余弦变换后的特征作K‑means聚类量化，得到索引和编码本；4)对索引和编码本作算术编码得到比特流并发送到云端；5)在云端，将编码后的索引和编码本进行解码、反量化、反离散余弦变换和通道化，得到恢复后的特征向量。与现有技术相比，本发明具有有效减小特征量、提高传输处理速度等优点。