基于深度学习的图像压缩神经网络模型、及其方法和设备
基本信息
| 申请号 | CN202110379367.9 | 申请日 | - |
| 公开（公告）号 | CN113141506A | 公开（公告）日 | 2021-07-20 |
| 申请公布号 | CN113141506A | 申请公布日 | 2021-07-20 |
| 分类号 | H04N19/124（2014.01）I;H04N19/13（2014.01）I;H04N19/149（2014.01）I;H04N19/33（2014.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06T7/00（2017.01）I;G06T7/13（2017.01）I | 分类 | 电通信技术; |
| 发明人 | 杜卫丹;顾昌铃;沈文杰;张利宏;李钰靓;汪建伟 | 申请（专利权）人 | 上海烟草机械有限责任公司 |
| 代理机构 | 上海光华专利事务所（普通合伙） | 代理人 | 李治东 |
| 地址 | 201206上海市浦东新区中国（上海）自由贸易试验区锦绣东路2555号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本申请提供了一种基于深度学习的图像压缩神经网络模型、及其方法和设备，通过输入所述原始图像，经编码器生成具有空间变化标准差的服从正态分布的空间特征；令所述空间特征进行量化，同时将所述空间特征通过统计概率编码器进行编码和量化以得到压缩的边缘像素统计信息；将量化后的空间特征与边缘像素统计信息经熵编码以生成压缩图像数据。本申请可实现视觉检测器合格及缺陷所有图像的全保存，在保持高压缩率的同时保留图像更多的信息，使还原之后的图像质量更高；在相同的图像质量下，有更小的压缩率；在更小的压缩率下，比其他方法有相近的压缩和解压时间，从而为卷烟生产企业建立卷烟产品质量追溯体系及在线视觉检测装置的二次复检提供基础。 |
