IP属地：北京
-
m基于GRNN广义回归神经网络和HOG特征提取的人体姿态检测识别matlab仿真,样本集为TOF深度图1.算法描述 GRNN建立在非参数核回归基础上，以样本数据为后验条件，通过执行诸如Parzen非参数估计，从观测样本里求得自变量和因变量之间的联结概率密度函数之后，直接计算出...
-
HM 15.0 1 -概要
这一章其实本来不应该这么写，但是我们大概有个概要，对于学习是很快的，但是真的在阅读代码的时候，是不能这么看的；不过也不要紧，学习嘛看一下HM编码器，里面的头文件和C++文件的...
-
使用CNN预测HEVC的CU分割 (6) -- 计算模型的BDBR和BD-PSNR许多论文中，验证神经网络模型的效果的指标主要是： 编码时间，缩短了多少 Bjøntegaard delta bit rate (BDBR)，增加了百分之多少 Bjøntega...
-
使用CNN预测HEVC的CU分割 (5) -- 将神经网络模型集成到HEVC编码器
当我们训练好神经网络之后，下一步就是在HEVC的实际编码过程中使用这个神经网络模型提升编码效率，如果不能将神经网络集成到HEVC的编码器中进行编码，那我们训练这个编码的神经网...
-
使用CNN预测HEVC的CU分割 (4) -- 使用不同的神经网络架构进行训练
在使用CNN预测HEVC的CU分割 (3) -- 构建神经网络模型中，已经介绍了两种最基本的用于预测CU分割的神经网络架构。架构的设计很重要，一个不好的神经网络可能导致模型很...
-
使用CNN预测HEVC的CU分割 (3) -- 构建神经网络模型通过前面两篇文章： 使用CNN预测HEVC的CU分割 (1) -- 构建数据集 使用CNN预测HEVC的CU分割 (2) -- 数据集的划分，随机抽取帧，优化数据集结构加快读...
-
使用CNN预测HEVC的CU分割 (2) -- 数据集的划分，随机抽取帧，优化数据集结构加快读取
我自己生成的数据集在GitHub，包含了训练、测试、验证集： GitHub - wolverinn/HEVC-CU-depths-dataset: A dataset tha...
-
使用CNN预测HEVC的CU分割 (1) -- 构建数据集HEVC自带的编码器在决定CTU的最佳分割深度的时候会花费很多时间，我们的目标是训练卷积神经网络来根据输入的帧预测这一帧图像上面的所有CTU的最佳分割深度，这样会比HEVC自...
-
HEVC部分源码剖析HEVC（High Efficiency Video Coding） 是2013年提出的最新的视频编码标准，它的核心是将视频中的每一帧图像分割成 Coding Tree Un...
