【技术实现步骤摘要】
深度学习特征量化方法和装置
[0001]本公开涉及机器视觉数据通信中信号编码
,尤其涉及一种深度学习特征量化方法和装置。
技术介绍
[0002]随着机器学习应用的增长,车联网、视频监控、智慧城市等领域已经采用了许多的智能平台,而这些平台与大量的传感器之间产生了海量的数据通信。数据量的增长直接导致先前面向人类视觉的编码方法效率低下,在延时和规模上也难以满足现实,面向智能机器的特征编码提上议程。
[0003]变换编码是从频域的角度减小图像信号的空间相关性,它在降低数码率等方面取得了和预测编码相近的效果。进入80年代后,逐渐形成了一套运动补偿和变换编码相结合的混合编码方案,大大推动了数字视频编码技术的发展。90年代初,ITU提出了著名的针对会议电视应用的视频编码建议H.261,这是第一个得到广泛使用的混合编码方案。之后,随着不断改进的视频编码标准和建议如H.264,MPEG1/MPEG2/MPEG4,H.264的推出,混合编码技术逐渐趋于成熟,成为一种应用最广泛的数字视频编码技术。
[0004]变换编码不是直接对空域图像信号进行编码,而是首先将空域图像信号映射变换到另一个正交矢量空间(变换域或频域),产生一批变换系数,然后对这些变换系数进行编码处理。变换编码是一种间接编码方法,其中关键问题是在时域或空域描述时,数据之间相关性大,数据冗余度大,经过变换在变换域中描述,数据相关性大大减少,数据冗余量减少,参数独立,数据量少,这样再进行量化,编码就能得到较大的压缩比。典型的准最佳变换有DCT(离散余弦变换) ...
【技术保护点】
【技术特征摘要】
1.一种深度学习特征量化方法,包括:根据特征值的缩放系数,确定所述特征值对应的缩放值,其中,所述特征值为浮点数;将所述缩放值对应的整数部分转换为第一二进制数,并将所述第一二进制数左移预定位数,得到第一预量化值;根据设定的特征值量化的小数位位深,得到量化步长,将所述缩放值对应的小数部分除以所述量化步长并向下取整后转换为第二二进制数,得到第二预量化值;计算所述第一预量化值与所述第二预量化值之和,得到第三预量化值;以及对所述第三预量化值设置标志位,得到所述特征值的量化结果。2.根据权利要求1所述的深度学习特征量化方法,其中,确定特征值的缩放系数包括:判断所述特征值是否小于等于2的第一预定值次方,若是,则缩放系数设置为1,否则,设置缩放系数为2的第二预定值次方后的倒数,其中,所述第一预定值为设定的特征值量化的整数位位深,所述第二预定值为以2为底数,所述特征值的对数,向上取整后,与所述整数位位深的差值。3.根据权利要求1所述的深度学习特征量化方法,其中,将所述第一二进制数左移预定位数包括:将所述第一二进制数左移所述小数位位深位。4.根据权利要求1至3任一所述的深度学习特征量化方法,其中,所述第三预量化值设置标志位为所述缩放系数的倒数对应的二进制数。5.根据权利要求4所述的深度学习特征量化方法,其中,得到所述特征值的量化结果包括:将所述缩放系数的倒数对应的二进制数,左移设定的整数位位深和小数位位深之和位后,与所述第三预量化值相加,得到所述特征值的量化结果。6.根据权利要求5所述的深度学习特征量化方法,还包括:将所述特征值的量化结果,与所述量化步长的倒数减1对应的二进制数,按位进行与计算,得到所述缩放值的小数部分的量化值;将所述缩放值的小数部分的量化值,乘以所述量化步长,得到所述缩放值的小数部分的反量化值;将所述特征值的量化结果右移所述预定位数后,与所述2的所述第一预定值次方减1对应的二进制数,按位进行与计算,得到所述缩放值的整数部分的量化值;计算所述缩放值的小数部分的反量化值与所述缩放值的整数部分的量化值之和对应的十进制数,得到所述缩放值;将所述特征值的量化结果向右移设定的整数位位深和小数位位深之和位,得到所述标志位;以及计算所述标志位对应的十进制数,与所述缩放值之积,得到反量化特征值。7.根据权利要求4所述的深度学习特征量化方法,还包括:将所述特征值的量化结果的标志位去除后,与所述量化步长的倒数减1对应的二进制数,按位进行与计算,得到所述缩放值的小数部分的量化值;将所述缩放值的小数部分的量化值,乘以所述量化步长,得到所述缩放值的小数部分的反量化值;
将所述特征值的量化结果的标志位去除后,右移所述预定位数后,与所述2的所述第一预定值次方减1对应的二进制数,按位进行与计算,得到所述缩放值的整数部分的量化值;计算所述缩放值的小数部分的反量化值与所述缩放值的整数部分的量化值之和对应的十进制数,得到所述缩放值;以及将所述缩放值与所述标志位对应的十进制数相乘,得到反量化特征值。8.一种深度学习特征量化装置,包括:特征值缩放单元,被配置为根据特征值的缩放系数,确定所述特...
【专利技术属性】
技术研发人员:王慧芬,张园,史敏锐,范叔炬,
申请(专利权)人:中国电信股份有限公司,
类型:发明
国别省市:
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。