图像压缩方法、装置、设备及存储介质制造方法及图纸

本公开实施例公开了一种图像压缩方法、装置、设备及存储介质。将待压缩图像输入设定神经网络，获得中间图像；采用设定压缩算法对所述中间图像进行压缩，获得目标图像。本公开实施例提供的图像压缩方法，首先将待压缩图像输入训练后的设定神经网络再采用设定压缩算法对中间图像进行压缩，不仅可以保证压缩效率和压缩后的图像质量，且可以提高图像的压缩比。且可以提高图像的压缩比。且可以提高图像的压缩比。

【技术实现步骤摘要】
图像压缩方法、装置、设备及存储介质
[0001]技术邻域
[0002]本公开实施例涉及图像处理技术邻域，尤其涉及一种图像压缩方法、装置、设备及存储介质。

技术介绍

[0003]图像压缩是数据压缩技术在数字图像上的应用，目的是减少图像数据中的冗余信息，从而用更加高效的格式存储和传输数据。近年来，随着深度学习技术的飞速发展，基于深度神经网络的图像压缩技术逐渐成为热点研究问题，在学术界也出现了许多研究成果，如基于卷积神经网络的图像压缩方法、基于循环神经网络的图像压缩方法、基于生成对抗网络的图像压缩方法。这类方法完全依赖深度学习强大的学习能力，在相同质量的条件下会比传统图像压缩方法具备更好的压缩比。但是通常这类算法的解码比较耗时、模型较大，导致应用范围受到了极大的限制。

技术实现思路

[0004]本公开实施例提供一种图像压缩方法、装置、设备及存储介质，不仅可以保证压缩效率和压缩后的图像质量，且可以提高图像的压缩比。
[0005]第一方面，本公开实施例提供了一种图像压缩方法，包括：
[0006]将待压缩图像输入设定神经网络，获得中间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像压缩方法，其特征在于，包括：将待压缩图像输入设定神经网络，获得中间图像；采用设定压缩算法对所述中间图像进行压缩，获得目标图像。2.根据权利要求1所述的方法，其特征在于，所述设定神经网络的训练方式为：将原始图像输入设定神经网络中，获得转换图像；采用所述设定压缩算法对所述转换图像进行压缩，获得重构图像；基于所述原始图像、所述转换图像及所述重构图像确定损失函数；基于所述损失函数对所述设定神经网络进行训练，获得训练后的设定神经网络。3.根据权利要求1所述的方法，其特征在于，所述设定神经网络按照数据从输入到输出的顺序依次包括特征提取模块、至少一个下采样模块及至少一个上采样模块。4.根据权利要求3所述的方法，其特征在于，所述特征提取模块包括卷积层及激活层；所述下采样模块包括最大池化层、卷积层及激活层；所述上采样模块包括上采样层、卷积层及激活层。5.根据权利要求3所述的方法，其特征在于，所述设定神经网络采用U型跳跃连接。6.根据权利要求2所述的方法，其特征在于，基于所述原始图像、所述转换图像及所述重构图像确定损失函数，包括：确定所述原始图像及所述重构图像间的像素差参数；获取所述重构图像的文件大小参数；确定所述转换图像的平滑性参数；对所述像素差参数、所述文件大小参...

【专利技术属性】
技术研发人员：邓伟辉，张墨琪，李小成，
申请(专利权)人：北京字跳网络技术有限公司，
类型：发明
国别省市：