Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 100.28.2.72
    [SESS_TIME] => 1718646995
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => d83c86a314efdf19e00185e6877e24ff
    [UNIQUE_KEY] => 569392920206c335a8ade5ff1f71ae10
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2022 год, номер 5

МЕТОДЫ И АЛГОРИТМЫ СЖАТИЯ ИЗОБРАЖЕНИЙ НА ОСНОВЕ МАШИННОГО ОБУЧЕНИЯ

М.В. Гашников, М.А. Чубарь, М.А. Якубенко
Самарский национальный исследовательский университет им. академика С. П. Королёва, г. Самара, Россия
mih-fastt@yandex.ru
Ключевые слова: цифровые изображения, аппроксимация, автоэнкодеры, свёрточные нейросети, состязательные нейросети
Страницы: 75-84

Аннотация

Разрабатывается технология сжатия изображений, базирующаяся на машинном обучении и использующая сегментацию исходного изображения на сохраняемые и отбрасываемые зоны. Сохраняемые зоны подвергаются сжатию, основанному на вложенных покрытиях изображения. Отбрасываемые зоны при декомпрессии заменяются достоверной имитацией. На всех этапах технологии сжатия (сегментация, аппроксимация пикселов сохраняемых областей, имитация отбрасываемых зон и др.) применяются алгоритмы машинного обучения, основанные на автоэнкодерах, а также свёрточных и состязательных нейросетях. Проводятся вычислительные эксперименты по исследованию предложенной технологии сжатия и входящих в её состав алгоритмов машинного обучения на реальных изображениях. Результаты вычислительных экспериментов подтверждают перспективность предложенной технологии для решения задач, связанных со сжатием цифровых изображений.

DOI: 10.15372/AUT20220509
Добавить в корзину
Товар добавлен в корзину