基于人工智能与大数据的车辆图像压缩方法与系统技术方案

本发明专利技术涉及人工智能、大数据领域，具体涉及一种基于人工智能与大数据的车辆图像压缩方法与系统，该方法包括以下步骤：将车辆图像进行比特平面分层得到若干组比特图像；每组比特图像对应一个特征分离网络，利用特征分离网络获取每组比特图像对应的比特特征；将车辆图像的每组比特图像分别与对应的比特特征融合后进行压缩得到车辆图像压缩结果。本发明专利技术使得车辆图像压缩结果利用尽可能少的数据量存储更多的重要特征信息，并保证了解压缩结果的准确性。确性。确性。

【技术实现步骤摘要】
基于人工智能与大数据的车辆图像压缩方法与系统


[0001]本专利技术涉及人工智能、大数据领域，具体涉及一种基于人工智能与大数据的车辆图像压缩方法与系统。

技术介绍

[0002]随着人工智能和大数据的快速发展，城市交通系统也引入了人工智能和大数据系统，用于实现智能交通检测、智能交通管理调度等。这其中往往需要采集大量的交通图像数据，这些数据用于大数据分析，但是由于图像数据量过于庞大，占用大量存储系统，现有的图像压缩算法虽然可以减少图像数据的存储量，但这仍旧改变不了图像数据过多、存储空间占用多的问题。

技术实现思路

[0003]为了解决上述技术问题，本专利技术的目的在于提供一种基于人工智能与大数据的车辆图像压缩方法，所采用的技术方案具体如下：
[0004]将车辆图像进行比特平面分层得到若干组比特图像；
[0005]每组比特图像对应一个特征分离网络，利用特征分离网络获取每组比特图像对应的比特特征；其中，特征分离网络包括特征分离层，特征分离层包括：第一编码器，用于对特征分离层的输入进行特征提取；第二编码器，用于对第一编码器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能与大数据的车辆图像压缩方法，其特征在于，该方法包括以下步骤：将车辆图像进行比特平面分层得到若干组比特图像；每组比特图像对应一个特征分离网络，利用特征分离网络获取每组比特图像对应的比特特征；其中，特征分离网络包括特征分离层，特征分离层包括：第一编码器，用于对特征分离层的输入进行特征提取；第二编码器，用于对第一编码器的输出进行特征提取；第三编码器，用于对共享层输出的第一特征图与第二编码器的输出特征图联合得到的特征图进行特征提取，得到第二特征图；分离模块，用于获取第二特征图与第一特征图的差值特征图作为比特特征；将车辆图像的每组比特图像分别与对应的比特特征融合后进行压缩得到车辆图像压缩结果。2.根据权利要求1所述的方法，其特征在于，所述特征分离网络还包括：语义编码器，用于对一组比特图像进行特征提取得到特征分离层的输入；语义解码器，用于对特征分离层的输出进行特征提取得到该组比特图像对应的车辆语义区域。3.根据权利要求2所述的方法，其特征在于，所述特征分离网络包括若干特征分离层，第一层特征分离层的输入为语义编码器的输出特征图，第一层特征分离层的输出特征图是后续特征分离层的输入，最后一层特征分离层的输出特征图是语义解码器的输入，每层特征分离层均得到一个比特特征。4.根据权利要求1所述的方法，其特征在于，所述方法还包括压缩网络，所述压缩网络包括融合层、压缩编码器，所述将车辆图像的每组比特图像分别与对应的比特特征融合后进行压缩得到车辆图像压缩结果具体为：每组比特图像对应一个融合层，将车辆图像的每组比特图像以及与比特图像对应的比特特征输入融合层中，将所有融合层的输出堆叠合并输入压缩编码器，得到车辆图像压缩结果。5.根据权利要求4所述的方法，其特征在于，所述融合层包括第四编码器与若干融合编码器：第四编码器，用于对车辆图像的一组比特图像进行特征提取；融合编码器，用于对第四编码器输出特征图与对应比特特征联合得到的特征图进行特征提取，或用于对前序融合编码器输出特征图与对应比特特征融合得到的特征图进行特征提取。6.一种基于人工智能与大数据的图像压缩系统，其特征在...

【专利技术属性】
技术研发人员：康云清，
申请(专利权)人：徐州百事利电动车业有限公司，
类型：发明
国别省市：