文献

J-GLOBAL ID：201802238197507513   整理番号：18A0537476

CNNはJVETイントラ符号化のための高速QTBT分割アルゴリズム指向【Powered by NICT】

CNN oriented fast QTBT partition algorithm for JVET intra coding

著者 (4件)： Jin Zhipeng (School of Communication and Information Engineering, Shanghai University, Shanghai, 200444, China) ,  An Ping (School of Communication and Information Engineering, Shanghai University, Shanghai, 200444, China) ,  Shen Liquan (School of Communication and Information Engineering, Shanghai University, Shanghai, 200444, China) ,  Yang Chao (School of Communication and Information Engineering, Shanghai University, Shanghai, 200444, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： VCIP  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,畳込みニューラルネットワークに基づく新しい高速符号化ユニットデプス判定アルゴリズムはJVET将来のビデオ符号化のために提示した。JVETは四分木と2進木(QTBT)ブロック分割構造,をコードする単位分配形状に対してより柔軟性を支持し,HEVC標準よりも符号化性能を大きく改善できる,を採用した。しかし,柔軟な分配構造も大きな計算量を紹介した。この問題を解決するために,多クラス分類問題としてQTBT分配深さ範囲をモデル化し,32×32ブロックの深さ範囲を直接予測よりもむしろ分割または各深さレベルで判断することを試みた。知る限りでは,これは多分類タスクとしてQTBT分配範囲を定式化する最初の枠組みであり,エンドツーエンド学習モデルにより最適化した。訓練最適化のために,目的関数はクラスペナルティ項とL2HingeLoss機能のカテゴリー設定の特性を獲得し,分類精度をさらに高めるを設計した。実験結果は筆者らの提案法はわずか0.65%Bjontegaardデルタビットレート(BDレート)増加と42.80%の計算量削減を達成できるの有効性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 符号器 ,  *アルゴリズム ,  最適化 ,  計算量 ,  エンドツーエンド方式 ,  目的関数 ,  四分木 ,  学習モデル ,  *符号化 ,  二分木
準シソーラス用語： 分類精度 ,  多クラス分類 ,  ビデオ符号化 ,  畳込みニューラルネットワーク ,  *イントラ符号化 , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： CNN ,  イントラ符号化 ,  アルゴリズム