排序方式: 共有20条查询结果,搜索用时 0 毫秒
1.
基于模糊C-划分和3D小波变换的视频编码方法 总被引:1,自引:0,他引:1
在传统矢量量化的基础上,引入噪声模型的影响,结合模糊数学理论,提出了一种基于模糊C-划分的混合噪声模型的矢量量化方法,并将其应用到视频编码中。文中视频编码方法采用了运动补偿与3D小波变换相结合。主要对基于模糊C-划分的混合噪声模型的矢量量化进行了分析。实验结果表明,该方法在视频压缩中具有良好的效果。 相似文献
2.
3.
面向基于注意力机制模型的巨大计算和访存开销问题,研究量化和剪枝协同优化的模型压缩技术,提出针对注意力机制中查询、键、值、概率共四个激活值矩阵的对称线性定点量化方法。同时,提出概率矩阵剪枝方法和渐进式剪枝策略,有效降低剪枝精度损失。在不同数据集上的实验结果表明,针对典型基于注意力机制模型BERT,在较低或者没有精度损失的情况下该优化方法可达到4位或8位定点量化、0.93~0.98的稀疏度,大幅度降低模型计算量,为加速量化稀疏模型的推理奠定良好的基础。 相似文献
4.
5.
国威 《武警工程学院学报》2012,(4):33-36
分别介绍迭加水印方案和量化水印方案,对每种方案一些常见算法予以说明,阐明其优缺点,对两种水印方案的相同点和不同点进行了研究。通过实验证明,两种水印方案的PSNR比较相似:迭加水印检测的相关值分布比较扩散,受高斯影响大;量化水印检测的相关值比较稳定,受高斯噪声的影响小。 相似文献
6.
7.
《防务技术》2022,18(10):1760-1777
One-bit quantization is a promising technique due to its performance retention and complexity reduction in a deceptive jammer against synthetic aperture radar (SAR). In this paper, the 1-bit quantization technology is utilized to agilely generate split false targets in the SAR imagery once the radar signal is intercepted, which reduces the complexity of the jammer significantly with guaranteed focusing quality. A single-frequency threshold is used to decompose harmonics incurred by the 1-bit quantization, and its parameters are adjusted through different pulse repetition intervals to provide steerable modulations. In this way, the SAR signal is split into coupled false scatterers during the 1-bit interception. By further deploying amplitude, time-delay, and Doppler frequency modulations on the 1-bit intercepted signal, the split false targets are created. The proposed approach is compared with different deceptive jamming methods to show its validity in effectiveness and cost, and numerical experiments are also presented for verification. 相似文献
8.
在分析LSP参数降维量化可行性的基础上,设计预处理机制实现了一种无码书LSP参数降维格型矢量量化算法,并提出了两个不同量化速率的VQ方案与MELP算法进行了对比。在24 bit/frame的实验方案中,组合4合成语音的PESQ均分超过了2.5,在无码书的条件下接近MELP有码书MSVQ的性能,可以满足低速率语音编码的音质要求并降低系统对空间复杂度和计算复杂度的需求。 相似文献
9.
随着计算机三维视觉的广泛应用,近几年基于深度学习的点云处理算法得到了大量研究,而耗时耗存储的缺陷较大程度限制了其在移动端的部署应用。基于改进损失函数的总体思路,提出了一种新的点云深度模型压缩框架,将知识蒸馏方法引入二值量化模型中,同时考虑点云聚合操作的特殊性引入了辅助损失项,改进的损失函数共包括预测损失项、蒸馏损失项和辅助损失项三部分。实验结果表明,和已有算法相比,所提算法可以获取更高的精度,同时对当前点云主流深度网络模型也具有良好的扩展性。 相似文献
10.
基于学习矢量量化(LVQ)神经网络的雷达体制识别 总被引:2,自引:0,他引:2
由于现代战争中雷达体制的多样化、复杂化及其综合应用使得雷达体制识别中要处理大量复杂的高维数据,学习矢量量化(LVQ)神经网络不仅能处理有监督分类,而且相对于其他神经网络能以较小的计算量处理大量输入数据,所以采用LVQ对雷达体制进行识别,同时针对LVQ学习速率的变化可能引起学习算法不稳定,采用修正的学习速率算法.在简要介绍雷达体制和LVQ的基础上构造了LVQ神经网络对雷达体制进行分类.通过与径向基神经网络(RBFN)识别算法的仿真对比,证实了方法的有效性. 相似文献