Image compression method based on learned lifting-based DWT and learned zerotree-like entropy model
Öğrenilmiş kaldıraç tabanlı DWT ve öğrenilmiş zerotree-benzeri entropi modeline dayalı görüntü sıkıştırma yöntemi
- Tez No: 760215
- Danışmanlar: DOÇ. DR. FATİH KAMIŞLI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Ayrık dalga sayısı, Evrişimli sinir ağları, Görüntü sıkıştırma, JPEG, Yapay sinir ağları, Discrete wavenumber, Convolutional neural networks, Image compression, JPEG, Artificial neural networks
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Sinema Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilgisayarla görüde derin öğrenmenin başarısı, görüntü sıkıştırma da dahil olmak üzere birçok görüntü işleme uygulamasında derin öğrenmeye dayalı algoritmaların araştırılmasına büyük ilgi uyandırdı. En popüler uçtan uca öğrenilen görüntü sıkıştırma yaklaşımları, görüntünün evrişimli sinir ağları (CNN'ler) aracılığıyla nicelenen ve CNN'ler ile tekrar işlenen bir dönüşüm (gizli) temsiline eşlendiği otomatik kodlayıcı mimarilerine dayanmaktadır. Yeniden yapılandırılmış görüntü nicelendirilmiş gizli temsil, sıkıştırılmış bir bit akışı elde etmek için entropi kodludur. Etkili entropi kodlamasına sahip olmak için, nicelenmiş gizli gösterimin olasılık dağılımı da CNN'ler ile modellenmiştir. Otomatik kodlayıcı ve gizli gösterimin olasılık modeli dahil tüm sistem, kod uzunluğu-görüntüdeki bozulma maliyet fonksiyonunu en aza indirmek için ortaklaşa eğitilir. Başarılı bir geleneksel görüntü sıkıştırma sistemi, Dalgacık katsayılarının Ayrık Dalgacık Dönüşümü (DWT) ve Zerotrees (ZT)'e dayanan Embedded Zerotree Wavelet (EZW) kodlama algoritmasıdır. Bu tez, benzer bir öğrenme tabanlı sıkıştırma mimarisini araştırmaktadır. Özellikle, dönüşüm katsayılarının öğrenilmiş bir kaldıraç tabanlı DWT ve öğrenilmiş bir ZT benzeri olasılık modeli kullanılır. ZT benzeri olasılık modelinin çeşitli varyasyonları araştırılmıştır. Tüm sistem, hız bozulma maliyet fonksiyonunu en aza indirmek için uçtan uca eğitilmiştir. Keşfedilen sistem, JPEG2000 ve son teknoloji öğrenilmiş görüntü sıkıştırma yöntemleri ile karşılaştırılmıştır.
Özet (Çeviri)
The success of deep learning in computer vision has sparked great interest in investigating deep learning-based algorithms also in many image processing applications, including image compression. The most popular end-to-end learned image compression approaches are based on auto-encoder architectures, where the image is mapped via convolutional neural networks (CNNs) into a transform (latent) representation that is quantized and processed again with CNNs to obtain the reconstructed image. The quantized latent representation is entropy coded to obtain a compressed bitstream. To have efficient entropy coding, the probability distribution of the quantized latent representation is also modeled with CNNs. The entire system, including the auto-encoder and the probability model of the latent representation, is trained jointly to minimize the rate-distortion cost function. A successful traditional image compression system is the Embedded Zerotree Wavelet(EZW) coding algorithm, which is based on the Discrete Wavelet Transform(DWT) and the Zerotrees(ZT) of wavelet coefficients. This thesis explores a similar learning-based compression architecture. In particular, a learned lifting-based DWT and a learned ZT-like probability model of the transform coefficients are used. Several variations of the ZT-like probability model are explored. The entire system is trained end-to-end to minimize a rate-distortion cost function. The explored system is compared with JPEG2000 and state-of-the-art learned image compression methods.
Benzer Tezler
- A pixel-by-pixel learned lossless image compression methodwith parallel decoding
Paralel kod çözme ile piksel-piksel öğrenilmiş kayıpsız görüntü sıkıştırma yöntemi
SİNEM GÜMÜŞ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH KAMIŞLI
- End-to-end learned image compression with conditional latent space modelling for entropy coding
Uçtan uca öğrenilmiş görüntü sıkıştırma ve entropi kodlama için gizli uzayın koşullu modellenmesi
AZİZ BERKAY YEŞİLYURT
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATİH KAMIŞLI
- Optical flow-based media compression
Optik akış tabanlı medya sıkıştırma
AFSANA AHSAN JENY
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MD BAHARUL ISLAM
- Fisher kernel based models for image classification and object localization
Başlık çevirisi yok
RAMAZAN GÖKBERK CİNBİŞ
Doktora
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUnıversıte de GrenobleDR. CORDELIA SCHMID
DR. JAKOB VERBEEK
- Seyrek işaret işlemede sınıflandırma uygulamaları ve çekirdek tabanlı yaklaşımlar
Classification applications of sparse signal processing and kernel based methods
ABDURRAHMAN YEŞİLOĞLU
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ENDER METE EKŞİOĞLU