【技术实现步骤摘要】
选择编码选项
本专利技术涉及选择当使用编码方案来对数据元素集合进行编码时要使用的一个或多个编码选项。
技术介绍
常见的是,使用编码方案来对数据元素集合(诸如,代表图像或图形纹理的数据元素阵列)进行编码,例如,以便减小传输和/或储存数据所需要的带宽和/或储存的量。许多不同的编码方案可用于该目的。一些编码方案需要为要被编码的数据选择某些编码选项,例如,就随后被解码的数据的压缩比和/或质量而言,这些编码选项可以提供可接受的(例如,最佳的或者近似最佳的)编码。然后,当对数据进行编码时,可以使用所选编码选项。在要使用的编码选项之间进行选择的过程,通常是通过蛮力(bruteforce)和/或启发式地(例如,使用分支限界搜索)来执行。然而,该过程可能会消耗大量的处理资源和/或处理时间来完成。申请人认为,在选择当使用编码方案来对数据元素集合进行编码时要使用的一个或多个编码选项方面,仍具有改进的余地。
技术实现思路
根据本专利技术的方面,提供了一种用于选择当使用编码方案来对数据元素集合进行编码时要使用的一个或多个编码选项的方法,该方法包括如下步骤:向人工神经网络输入要使用编码方案进行编码的数据元素集合;以及实施人工神经网络以生成如下结果,该结果表示当使用编码方案来对数据元素集合进行编码时要使用的一个或多个编码选项。本专利技术的另一方面提供了一种数据处理设备,该数据处理设备用于选择当使用编码方案来对数据元素集合进行编码时要使用的一个或多个编码选项,该数据处理设备包括处理电路,该处理电路被配置为:向人工神经网络输入要使用编码方案进行编码的数据元素集合;以及实施人工神经网络以生成如下 ...
【技术保护点】
1.一种用于选择当使用编码方案来对数据元素集合进行编码时要使用的一个或多个编码选项的方法,所述方法包括如下步骤:向人工神经网络输入要使用编码方案进行编码的数据元素集合;以及实施所述人工神经网络以生成如下结果,该结果表示当使用所述编码方案来对所述数据元素集合进行编码时要使用的一个或多个编码选项。
【技术特征摘要】
2018.01.13 US 15/870,9281.一种用于选择当使用编码方案来对数据元素集合进行编码时要使用的一个或多个编码选项的方法,所述方法包括如下步骤:向人工神经网络输入要使用编码方案进行编码的数据元素集合;以及实施所述人工神经网络以生成如下结果,该结果表示当使用所述编码方案来对所述数据元素集合进行编码时要使用的一个或多个编码选项。2.根据权利要求1所述的方法,所述方法进一步包括如下步骤:当对所述数据元素集合进行编码时,使用一个或多个所表示的编码选项。3.根据权利要求1或2所述的方法,其中:所述数据元素集合代表图像或图形纹理的全部或者一部分。4.根据权利要求1或2所述的方法,其中:所述编码方案包括图像或图形纹理编码方案。5.根据权利要求1或2所述的方法,其中:所述编码方案允许将所述数据元素集合划分为不同的数据元素子集,以进行相应编码。6.根据权利要求1或2所述的方法,其中,所述结果表示如下各项中的一个或多个:对所述数据元素集合进行划分以进行相应编码的划分方式;用于对所述数据元素集合进行编码的一种或多种插值模式;以及用于对所述数据元素集合进行编码的一个或多个插值端点值。7.根据权利要求1所述的方法,所述方法进一步包括如下步骤:训练所述人工神经网络,以便能够表示当使用所述编码方案来对数据元素集合进行编码时要使用的一个或多个编码选项,所述训练的步骤包括:针对多个数据元素训练集合中的每个特定数据元素训练集合进行如下操作:向所述人工神经网络输入所述特定数据元素训练集合;实施所述人工神经网络以生成如下结果,该结果表示当使用所述编码方案来对所述特定数据元素训练集合进行编码时要使用的一个或多个编码选项;以及基于该结果与所述特定数据元素训练集合的目标结果之间的差异,来确定所述特定数据元素训练集合的输出误差度量;以及修正所述人工神经网络,以便减小从所述多个数据元素训练集合的输出误差度量导出的核校后的输出误差度量。8.一种用于训练人工神经网络以便能够表示当使用编码方案来对数据元素集合进行编码时要使用的一个或多个编码选项的方法,所述训练的步骤包括:针对多个数据元素训练集合中的每个特定数据元素训练集合进行如下操作:向人工神经网络输入所述特定数据元素训练集合;实施所述人工神经网络以生成如下结果,该结果表示当使用编码方案来对所述特定数据元素训练集合进行编码时要使用的一个或多个编码选项;以及基于该结果与所述特定数据元素训练集合的目标结果之间的差异,来确定所述特定数据元素训练集合的输出误差度量;以及修正所述人工神经网络,以便减小从所述多个数据元素训练集合的输出误差度量导出的核校后的输出误差度量。9.根据权利要求7或8所述的方法,其中,所述训练的步骤进一步包括:基于在所述人工神经网络的中间层处生成的中间结果与所述特定数据元素训练集合的目标中间结果之间的差异,来确定所述特定数据元素训练集合的中间误差度量;以及修正所述人工神经网络,以便减小从所述多个数据元素训练集合的中间误差度量导出的核校后的中间误差度量。10.根据权利要求9所述的方法,其中:所述特定数据元素训练集合的目标中间结果表示:与所述特定数据元素训练集合的目标结果相对应的、对所述特定数据元素训练集合的目标划分。11.一种用于训练人工神经网络的方法,所述训练的步骤包括:针对多个训练输入中的每个特定训练输入进行如下操作:向人工神经网络输入所述特定训练输入;实施所述人工神经网络以生成结果;基于该结果与所述特定输入的目标结果之间的差异,来确定所述特定训练输入的输出误差度量;以及基于在所述人工神经网络的中间层处的中间结果与所述特定输入的目标中间结果之间的差异,来确定所述特定训练输入的中间误差度量;以及修正所述人工神经网络,以便减小从用于所述多个训练输入的输出误差度量导出的核校后的输出误差度量,并且以便减小从用于所述多个训练输入的中间误差度量导出的核校后的中间误差度量。12.一种用于选择当使用编码方案来对数据元素集合进行编码时要使用的一个或多个编码选项的数据处理设备,所述数据处理设备包括:输入电路,所述输入电路被配置为向人工神经网络输入要使用编码方案进行编码的数据元素集合;以及人...
【专利技术属性】
技术研发人员:S·普拉塔帕,H·夏尔马,T·J·奥尔森,A·E·查芬,
申请(专利权)人:Arm有限公司,
类型:发明
国别省市:英国,GB
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。