隨著信息技術(shù)的發(fā)展和深度學(xué)習(xí)技術(shù)的廣泛應(yīng)用,人們對于更高質(zhì)量的多媒體內(nèi)容的需求不斷加強(qiáng),因此對于更低的帶寬需求及更加高效的視頻內(nèi)容編解碼的技術(shù)研究一直是學(xué)術(shù)界和工業(yè)界的研究熱點(diǎn)。近年來,深度學(xué)習(xí)技術(shù)在高層及低層計(jì)算機(jī)視覺任務(wù)中取得了巨大的成功,但是大部分任務(wù)都是基于時(shí)間無關(guān)的圖像介質(zhì),對于時(shí)空相關(guān)的視頻序列處理仍然有很大的研究價(jià)值。本文基于深度學(xué)習(xí)技術(shù),主要介紹以下兩個(gè)方面的研究工作:一、提出一種基于時(shí)序殘差網(wǎng)絡(luò)的視頻后處理去塊效應(yīng)算法,創(chuàng)新性地利用視頻內(nèi)容的時(shí)序特征進(jìn)行多尺度的內(nèi)容增強(qiáng),同時(shí)算法獨(dú)立于編碼器結(jié)構(gòu)以易于使用。二、基于最新的神經(jīng)網(wǎng)絡(luò)壓縮技術(shù),系統(tǒng)化實(shí)現(xiàn)了基于SFP（Soft Filter Pruning）算法的網(wǎng)絡(luò)剪枝及可視化。沒有局限于參考圖像去壓縮噪聲或去高斯噪聲的網(wǎng)絡(luò)結(jié)構(gòu),我們充分利用視頻內(nèi)容之間的時(shí)序特征,針對相鄰幀之間的相似內(nèi)容特征,我們提出一種由粗到細(xì)進(jìn)行內(nèi)容增強(qiáng)的視頻去塊效應(yīng)框架。每層的網(wǎng)絡(luò)結(jié)構(gòu)參考ARN（Adaptive Residual Network）自適應(yīng)殘差網(wǎng)絡(luò)結(jié)構(gòu),用前序?qū)拥木W(wǎng)絡(luò)進(jìn)行粗粒度的噪聲特征提取,之后將提取到的殘差覆蓋到下一幀待處理的視頻... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究背景及現(xiàn)狀
        1.2.1 視頻去塊效應(yīng)算法的研究現(xiàn)狀
        1.2.2 網(wǎng)絡(luò)模型壓縮的研究現(xiàn)狀
    1.3 論文內(nèi)容及組織結(jié)構(gòu)
第2章 深度學(xué)習(xí)基礎(chǔ)及其在相關(guān)領(lǐng)域的應(yīng)用
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)的前向傳播
        2.1.2 卷積神經(jīng)網(wǎng)絡(luò)的反向傳播
    2.2 基于深度學(xué)習(xí)的視頻去塊效應(yīng)技術(shù)
    2.3 基于深度學(xué)習(xí)的模型壓縮技術(shù)
    2.4 本章小結(jié)
第3章 基于時(shí)序殘差網(wǎng)絡(luò)的視頻去塊效應(yīng)算法
    3.1 時(shí)序殘差網(wǎng)絡(luò)框架
        3.1.1 TBRN網(wǎng)絡(luò)基本結(jié)構(gòu)
        3.1.2 TBRN網(wǎng)絡(luò)優(yōu)化策略
    3.2 學(xué)習(xí)算法
        3.2.1 時(shí)序提升算法
        3.2.2 損失函數(shù)
    3.3 自適應(yīng)數(shù)據(jù)處理算法
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)和參數(shù)設(shè)置
        3.4.2 量化比較標(biāo)準(zhǔn)
        3.4.3 實(shí)驗(yàn)結(jié)果
    3.5 本章小結(jié)
第4章 基于濾波器剪枝的模型壓縮技術(shù)
    4.1 軟濾波器剪枝SFP算法
        4.1.1 基于SFP算法的剪枝框架
        4.1.2 計(jì)算復(fù)雜度分析
    4.2 濾波器可視化分析
    4.3 實(shí)驗(yàn)結(jié)果及分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)和參數(shù)設(shè)置
        4.3.2 實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其他成果
致謝



本文編號：2986884