卷积神经网络用于 JPEG 图像：计算成本研究

Sep, 2023

卷积神经网络用于 JPEG 图像：计算成本研究

CNNs for JPEGs: A Study in Computational Cost

Samuel Felipe dos Santos, Nicu Sebe, Jurandy Almeida

TL;DR通过评估解码和传递图像的计算成本，本文提出了适用于频域的深度模型的手工制作和数据驱动技术，以降低计算复杂性和参数数量，使其与 RGB 基线模型相似，从而实现计算成本和准确性之间的更好权衡。

Abstract

convolutional neural networks (CNNs) have achieved astonishing advances over the past decade, defining state-of-the-art in several computer vision tasks. CNNs are capable of learning robust representations of the data directly from the RGB pixels. However, most image data are usually a

convolutional neural networks compressed domain frequency domain computational complexity parameter reduction

发现论文，激发创造

DMCNN: 双域多尺度卷积神经网络用于压缩伪影去除

本文提出一个 Dual-domain Multi-scale CNN (DMCNN) 用于降噪 JPEG 格式图像，在此基础下扩充了网络的感受野，通过像素和 DCT 域的冗余性进一步提高了输出图像的质量，并在实验中取得了新的技术优势。

Jun, 2018

使用深度卷积网络的语义感知图像压缩

应用深度学习的方法解决在损失图像和视频压缩中提高视觉质量的问题，通过训练一个特定的卷积神经网络，实现对图像语义的理解，并通过对每个对象训练特征的方式生成高质量的压缩图像。

Dec, 2016

基于压缩域的深度神经网络可视识别技术与特征适应

本文提出一种基于学习的压缩域分类框架，可以在不同比特率下利用压缩域潜在表示执行视觉识别，包括引入轻量级注意模型的新型特征适应模块，它可以自适应地强调和增强提取的逐通道信息的关键特征；还介绍了一种适配训练策略，使用预训练的像素域权重。与使用像素域完全解码的压缩图像以及未压缩图像相比，研究结果表明，提出的压缩域分类模型不仅可以显著优于现有的压缩域分类模型，而且在计算效率方面也可以获得与使用完全解码图像的像素域模型相似的精确度结果。

May, 2023

压缩 JPEG 图像中的快速目标检测

该论文介绍了一种基于 JPEG 压缩格式中的 DCT 系数处理的对象检测快速深层网络，以代替一些应用中需要耗时的图像解压缩操作，实验结果显示该模型比常规 SSD 快 2 倍且具有良好的检测性能。

Apr, 2019

DeepN-JPEG：一种基于 JPEG 的深度神经网络有利的图像压缩框架

本研究开发了一种基于人类视觉和深层神经网络架构的图像压缩框架 DeepN-JPEG 来降低智能物联网系统中数据存储和传输开销，并通过实验证明该方法能够在保持图像识别准确性的同时，实现高达 JPEG 的 3.5 倍的压缩率，具有在基于 DNN 智能物联网系统设计中提升存储和能量效率的巨大潜力。

Mar, 2018

DPW-SDNet：双像素小波域深度 CNN 用于 JPEG 压缩图像的软解码

本文介绍一种基于深度卷积神经网络的双像素 - 小波域软解码网络，用于通过减轻压缩和模糊等失真，提高 JPEG 压缩图像的质量，并且实验结果表明该算法优于其他压缩失真减少算法。

May, 2018

学习如何在不改变标准解码器的情况下改善图像压缩

本文提出了一种用于改善标准 JPEG 编码器的编码性能的学习方法，通过频域预编辑和同时学习 JPEG 量化表和预编辑神经网络可以有效改善 JPEG 的失真压缩性能。

Sep, 2020

深度压缩图像解码无损图像理解

该研究提出在深度神经网络图像压缩编码产生的图像压缩表示基础上直接进行图像分类、分割等理解任务，验证了这种方法可以大幅降低计算成本并保证相近的识别准确率，并且联合训练压缩网络和分类网络可以提高图像质量、分类精度和分割性能。

Mar, 2018

基于卷积神经网络的端到端压缩框架

本文提出了基于卷积神经网络的图像压缩框架，其中包括用于压缩的紧凑型 CNN 和用于重构压缩图像的重构型 CNN，开发了一种统一的端到端学习算法以有效协同两种 CNN，并与现有的图像编码标准兼容。实验结果表明，所提出的压缩框架大大优于使用现有图像编码标准的多种压缩框架。

Aug, 2017

压缩卷积神经网络

本文介绍了一种名为 FreshNets 的新型神经网络体系结构，它利用学习模型的卷积层和全连接层中的固有冗余性以实现内存和存储消耗的显着节省，同时在压缩性能方面优于现有基线模型。

Jun, 2015