CNN-Based Fast HEVC Quantization Parameter Mode Decision

With the development of multimedia presentation technology,image acquisition technology and the Internet industry,long-distance communication methods have changed from the previous letter,the audio to the current audio/video.And the proportion of video in work,study and entertainment keeps increasing,high-definition video is getting more and more attention.Due to the limits of the network environment and storage capacity,the original video must be encoded to be efficiently transmitted and stored.High Efficient Video Coding(HEVC)requires a large amount of time to recursively traverse all possible quantization parameter values of the coding unit in the adaptive quantization process.The optimal quantization parameter is calculated by comparing the rate distortion cost.In this paper,we propose a fast decision method for HEVC quantization parameters selection based on convolutional neural network,which saves video’s encoding time.

High-Efficiency Video Coder in Pruned Environment Using Adaptive Quantization Parameter Selection

The high-efficiency video coder(HEVC)is one of the most advanced techniques used in growing real-time multimedia applications today.However,they require large bandwidth for transmission through bandwidth,and bandwidth varies with different video sequences/formats.This paper proposes an adaptive information-based variable quantization matrix(AIVQM)developed for different video formats having variable energy levels.The quantization method is adapted based on video sequence using statistical analysis,improving bit budget,quality and complexity reduction.Further,to have precise control over bit rate and quality,a multi-constraint prune algorithm is proposed in the second stage of the AI-VQM technique for pre-calculating K numbers of paths.The same should be handy to selfadapt and choose one of the K-path automatically in dynamically changing bandwidth availability as per requirement after extensive testing of the proposed algorithm in the multi-constraint environment for multiple paths and evaluating the performance based on peak signal to noise ratio(PSNR),bit-budget and time complexity for different videos a noticeable improvement in rate-distortion(RD)performance is achieved.Using the proposed AIVQM technique,more feasible and efficient video sequences are achieved with less loss in PSNR than the variable quantization method(VQM)algorithm with approximately a rise of 10%–20%based on different video sequences/formats.

Pattern-Moving-Based Parameter Identification of Output Error Models with Multi-Threshold Quantized Observations

This paper addresses a modified auxiliary model stochastic gradient recursive parameter identification algorithm(M-AM-SGRPIA)for a class of single input single output(SISO)linear output error models with multi-threshold quantized observations.It proves the convergence of the designed algorithm.A pattern-moving-based system dynamics description method with hybrid metrics is proposed for a kind of practical single input multiple output(SIMO)or SISO nonlinear systems,and a SISO linear output error model with multi-threshold quantized observations is adopted to approximate the unknown system.The system input design is accomplished using the measurement technology of random repeatability test,and the probabilistic characteristic of the explicit metric value is employed to estimate the implicit metric value of the pattern class variable.A modified auxiliary model stochastic gradient recursive algorithm(M-AM-SGRA)is designed to identify the model parameters,and the contraction mapping principle proves its convergence.Two numerical examples are given to demonstrate the feasibility and effectiveness of the achieved identification algorithm.

自动语音识别模型压缩算法综述

随着深度学习技术的发展,自动语音识别任务模型的参数数量越来越庞大,使得模型的计算开销、存储需求和功耗花费逐渐增加,难以在资源受限设备上部署.因此对基于深度学习的自动语音识别模型进行压缩,在降低模型大小的同时尽量保持原有性能具有重要价值.针对上述问题,全面综述了近年来该领域的主要工作,将其归纳为知识蒸馏、模型量化、低秩分解、网络剪枝、参数共享以及组合模型几类方法,并进行了系统综述,为模型在资源受限设备的部署提供可选的解决方案.

基于时域依赖的编码树单元级零延时码率控制算法

基于高效视频编码标准的x265编码器根据图像复杂度来分配比特,复杂图像往往包含运动变化较大的高频信息,其时域相关性较弱且消耗较多比特,导致分配给运动变化平缓图像的比特减少,进而影响编码质量且码率波动较大。同时,x265编码器采用独立率失真优化技术编码,忽略了编码单元间在时域上的相关性,进而损失编码性能。针对上述问题,提出一种基于时域依赖的编码树单元级码率控制算法。首先,根据迭代策略寻找最合适的量化参数进行帧级比特分配;其次,建立零延时的失真时域反向传播模型并计算失真影响因子;最后,将失真影响因子用于调整编码单元的拉格朗日乘子及量化参数。实验结果显示,相较于x265-3.6的码率控制算法,所提算法的平均BD-rate码率节省达到5.6%。

基于LS-RSGFD方法优化的横向各向同性(TI)介质一阶qP波高精度数值模拟

为克服各向异性介质弹性波数值模拟中存在着计算量大和波场分离困难等局限,研究了声学近似的VTI介质和TTI介质一阶qP波数值模拟方法.首先对VTI介质弹性波方程进行声学近似,推导了VTI介质一阶qP波方程;然后基于精确的TTI介质频散关系,引入一个包含各向异性控制参数σ的新辅助波场,推导了稳定的TTI介质二阶耦合qP波波动方程,并通过引入波场的伪速度分量,推导了等价的一阶应力-速度形式.结合旋转交错网格有限差分(RSGFD)和基于最小二乘优化的有限差分(LS-FD)两种各具优势的方法,研究了最小二乘旋转交错网格有限差分(LS-RSGFD)方法,并用其数值求解VTI和TTI介质一阶qP波方程,然后通过构造其LS-RSGFD格式,实现了高精度的各向异性介质qP波波场数值模拟.数值模拟结果表明:TI介质一阶qP波方程能够准确地模拟各向异性介质中qP波的运动学特征,引入控制参数σ能够有效地减弱不稳定性问题,保证非均匀TTI介质中qP波场的稳定传播;利用优化的LS-RSGFD方法可以得到高精度的合成地震记录,同时还可以相对地提高计算效率.

基于帧间量化参数强度值检测深度伪造人像视频

深度学习算法的发展为伪造人像视频的创作增添了“助力”,应运而生的深度伪造检测成为学界和业界关注的焦点。基于深度学习的伪造视频检测技术需要耗费大量时间与算力训练分类器,深度学习网络的黑盒性和不可解释性也困扰着深度伪造人像视频取证研究。围绕深度伪造人像视频的真实性取证问题,本文提出一种基于视频帧间量化参数强度值的检测方法,并通过二元Logistic回归方程给出参考阈值。实验结果表明:本文的方法在检测利用DeepFaceLab换脸平台合成的深度伪造人像视频中表现出良好的准确率和鲁棒性。所提方法有助于对可疑人像视频真实性进行判断,为涉案人像视频提供取证依据。

异构环境感知的分布式神经网络训练模型

针对分布式神经网络训练在异构环境中训练速度慢、资源利用率低的问题,提出一种异构环境感知的分布式神经网络训练模型(H-PS)。根据计算节点当前状态动态调度训练任务,使计算节点能够在相同时间完成训练任务,提高资源利用率。提出通信与计算并行策略,参数服务器与计算节点传输模型参数期间,计算节点持续模型计算,进一步提高资源利用率。使用灵活的量化策略,压缩神经网络模型参数,减少参数服务器与计算节点的通信开销。使用新兴的容器集群进行实验,结果表明,与现有方法相比,H-PS训练时间缩短1.4~3.5倍。

基于参考单元编码失真时域影响的率失真优化算法

针对通用视频编码标准H.266/VVC的独立率失真优化技术未考虑参考单元编码失真的时域传播影响而损失编码性能的问题,提出一种基于编码失真时域传播影响的低延时率失真优化算法。首先,根据视频图像的时域连续性特征,由运动补偿预测误差及重建误差来计算编码失真的时域传播影响权重;其次,建立基于编码失真时域传播影响的率失真优化模型;最后,将编码失真的时域传播影响权重用于调整编码单元的拉格朗日乘子及量化参数。实验结果显示,在低延时P帧和B帧配置下,相较于基准算法,BD-rate码率节省分别达到1.6%和0.9%,编码时间分别下降2.93%和6.02%。实验结果表明,该算法在不增加编码复杂度的条件下有效提升了编码性能,适用于实时编码应用场景。

可伸缩视频编码的自适应QP级联算法

针对可伸缩视频编码标准中采用的分级B帧预测结构,提出一种图像级的内容自适应量化参数(QP)级联算法。在该算法中,任意一帧图像的最终QP值由分级预测的结构及该图像内所有宏块的运动预测模式决定。实验结果证明,与目前SVC标准采用的技术相比,该算法最多可以提升0.363dB的编码性能。

二维VTI介质qP波斜率层析方法

斜率层析属于立体层析的一种特殊情况,在通过运动学反偏移重建立体层析数据空间的过程中,会出现炮检点位置和旅行时信息已经匹配而地表射线参数水平分量(以下简称地表p x参数)无法匹配的情况,这时可利用p x残差完成对速度模型和反射点坐标的更新。将各向同性介质中的斜率层析方法推广到二维VTI介质qP波情形,利用地表p x参数关于三个各向异性参数的偏导数建立了二维VTI介质qP波斜率层析线性方程组,基于该线性方程组和典型理论数据实施了二维VTI介质qP波斜率层析反演。研究结果表明,VTI介质中的运动学偏移/反偏移与二维VTI介质qP波斜率层析线性方程组相结合,可以实现二维VTI介质的各向异性参数重建,为VTI介质的参数建模提供了一条新的途径。

Robust Adaptive Attitude Control for Non-rigid Spacecraft With Quantized Control Input

In this paper,an adaptive backstepping control scheme is proposed for attitude tracking of non-rigid spacecraft in the presence of input quantization,inertial uncertainty and external disturbance.TThe control signal for each actuator is quantized by sector-bounded quantizers,including the logarithmic quantizer and the hysteresis quantizer.By describing the impact of quantization in a new affine model and introducing a smooth function and a novel form of the control signal,the influence caused by input quantization and external disturbance is properly compensated for.Moreover,with the aid of the adaptive control technique,our approach can achieve attitude tracking without the explicit knowledge of inertial parameters.Unlike existing attitude control schemes for spacecraft,in this paper,the quantization parameters can be unknown,and the bounds of inertial parameters and disturbance are also not needed.In addition to proving the stability of the closed-loop system,the relationship between the control performance and design parameters is analyzed.Simulation results are presented to illustrate the effectiveness of the proposed scheme.

Finite-time synchronization of uncertain fractional-order multi-weighted complex networks with external disturbances via adaptive quantized control

The finite-time synchronization of fractional-order multi-weighted complex networks(FMCNs)with uncertain parameters and external disturbances is studied.Firstly,based on fractional calculus characteristics and Lyapunov stability theory,quantized controllers are designed to guarantee that FMCNs can achieve synchronization in a limited time with and without coupling delay,respectively.Then,appropriate parameter update laws are obtained to identify the uncertain parameters in FMCNs.Finally,numerical simulation examples are given to validate the correctness of the theoretical results.

基于多波束地形测量的上荆江典型河段沙波形态特征分析

沙波形态影响水流结构、泥沙输移及动床阻力。本研究采用多波束测深系统首次精细测量了上荆江典型河段的床面地形,采用改进后的沙波形态量化算法统计了各类沙波形态参数,分析了不同水流强度下沙波形态的变化特征。计算结果表明:(1)测量河段小型与大型沙波的平均波高分别为0.16~0.81和0.96~2.31 m,波长分别为13~27和16~41m;沙波尺度相较于水深较小,小型与大型沙波的波高分别不超过水深的0.045和0.150倍;(2)沙波背流面坡度基本不超过14°,小于泥沙水下休止角,其与陡度之间的关系可以用线性方程描述;(3)中洪水流量对沙波形态尺度的塑造作用强于枯水流量,且对浅水区大型沙波形态尺度的塑造作用强于深水区。本研究量化了天然河流的沙波形态,较好地反映了沙波形态特征,能为大型冲积河流沙波形态的量化及特征参数的统计分析提供参考。

基于混合机制的深度神经网络压缩算法

近年来人工智能(AI)应用飞速发展,嵌入式设备与移动设备等有限资源设备对深度神经网络(DNN)的需求急剧增加。如何在不影响DNN效果的基础上对神经网络进行压缩具有极大理论与现实意义,也是当下深度学习的热门研究话题。首先,针对DNN因模型大、计算量大而难以移植至移动设备等有限资源设备的问题,深入分析已有DNN压缩算法在内存占用、运行速度及压缩效果等方面的实验性能,从而挖掘DNN压缩算法的影响要素;然后,设计学生网络和教师网络组成的知识迁移结构,融合知识蒸馏、结构设计、网络剪枝和参数量化机制,提出基于混合机制的DNN优化压缩算法。在mini-ImageNet数据集上以AlexNet为Benchmark,进行实验比较与分析。实验结果表明,所提算法在压缩结果的准确率降低6.3%的情况下,使压缩后的AlexNet的容量减小98.5%,验证了所提算法的有效性。

面向无人装备的智能边缘计算软技术分析

轻量化神经网络模型的设计及其在边缘端的部署是实现无人装备智能化的关键技术。从构造轻量级深度神经网络的角度出发,研究面向无人装备嵌入式平台应用的智能边缘计算软技术,重点分析模型剪枝、知识蒸馏和参数量化等方法,并以目标识别为例进行各类智能边缘计算技术性能分析,结合各类轻量化模型设计方法的优缺点,提出一种边缘计算的处理框架,即通过模型压缩方法来设计轻量化的神经网络模型,通过引入知识蒸馏的方法对轻量化模型进行有效训练,通过参数量化来加速模型推理时间。随着参数量化和知识蒸馏算法的成熟,该框架正逐渐变得有效可行,为智能边缘计算技术在无人化装备上的应用提供了技术参考。

量化参数失配下基于事件触发的量化反馈滑模控制

针对量化器参数不匹配和外部干扰问题,利用事件触发方法设计了线性不确定系统的量化反馈滑模控制方法。首先,在动态量化机制中考虑了时变量化器灵敏度变化率,提出一种新的离散在线调整策略,并建立了编码器和解码器侧的量化参数的时变比例模型。其次,结合所设计的量化器事件触发机制,证明了所提出的滑模控制律可以有效消除量化器参数失配的影响,实现不确定线性系统的全局鲁棒镇定。再次,分析了帧间时间的下限以确保没有Zeno行为。最后,通过算例验证了理论结果的有效性。

面向监控视频内容自适应的通用视频编码量化参数级联

最新通用视频编码(VVC)标准测试模型VTM推荐的JCTVC-X0038量化参数级联方法未考虑监控视频的内容特性,编码效率低。针对这一问题,提出了一种有效考虑监控视频空时域内容特性的VVC量化参数级联方法(SCA-QPC)。基于VVC混合编码框架原理,理论分析得出时间层及监控视频的空时域内容特性是影响量化参数(QP)选择的关键因素,设计编码实验对理论分析结果进行验证;采用梯度和背景帧差分别评测监控视频的空域和时域特性,将梯度和背景帧差作为反向传播神经网络的输入,构建预测低时延结构时间层对应最优QP的模型;提出适用于VVC标准有效提高监控视频编码效率的量化参数级联方法。与当前最先进的JCTVC-X0038量化参数级联方法相比,对于所有测试序列,SCA-QPC对应的平均BD-rate为-4.26%。研究对于VVC编码框架中量化参数级联和码率控制模块的优化具有指导意义。

基于机器视觉的行人异常行为检测方法

常规的行人异常行为检测方法使用编码-解码器进行记忆寻址,易受到记忆大小和稀疏度的影响,导致帧级AUC偏低,因此基于机器视觉设计一种全新的行人异常行为检测方法。结合检测图像的初始状态处理噪声、增加平滑度,提高行人异常行为检测性能,再利用机器视觉技术量化动态参数,输出异常行为轨迹特征,实现行人异常行为检测。实验结果表明,在不同场景下,本文设计方法的检测帧级AUC始终较高,获取的检测结果较清晰,说明本文设计方法具有一定的应用价值。

LS-Based Parameter Estimation of DARMA Systems with Uniformly Quantized Observations

This paper is concerned with the parameter estimation of deterministic autoregressive moving average(DARMA)systems with quantization data.The estimation algorithms adopted here are the least squares(LS)and the forgetting factor LS,and the signal quantizer is of uniform,that is,with uniform quantization error.The authors analyse the properties of the LS and the forgetting factor LS,and establish the boundedness of the estimation errors and a relationship of the estimation errors with the size of quantization error,which implies that the smaller the quantization error is,the smaller the estimation error is.A numerical example is given to demonstrate theorems.