System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种内存轻量级的多阶段向量乘积量化系统和方法。
技术介绍
1、向量量化是一种将连续或离散向量序列映射为适合在数字信道上通信或存储的数字序列的机制,其主要考虑是将高维向量映射到离其最近的原型向量上,从而实现有效的数据压缩。
2、当前,摆在向量量化面前最为关键的挑战在于处理的数据量往往过于巨大,甚至是海量。例如,以一幅图像为例,按照图像的位置可能分成65536(=264)个小区域,那么用向量描述这幅图像时,就可能产生65536个向量分量。而多帧图像就形成一段视频。在此情况下,如果采用单独一个向量来量化该段视频中的每一幅图像,就需要设置一个码本来遍历量化所有65536个向量分量。由此,码本设计的复杂性和遍历量化所带来的数据处理量将很可能令人望而生畏。
技术实现思路
1、本专利技术提供一种内存轻量级的多阶段向量乘积量化系统,有效解决了现有技术中存在的技术问题。
2、具体而言,本专利技术提供一种内存轻量级的多阶段向量乘积量化系统,在所述系统中,利用分维度模块将目标对象的包含n个向量分量的初始描述向量a0根据目标对象的特性返程m个维度,由此形成m个原始子向量,分别为a1、a2…am,其中,2≤m<n,且所述m个子向量中的每个子向量分配一个分码本,每个分码本对应计为u1、u2…um,对m个原始子向量a1、a2…am各自根据其对应的分码本u1、u2…um进行量化,由此形成m个量化后子向量a’1、a’2…a’m,计算m个量化后子向量与m个原始子向量的第0阶
3、可选地,所述目标对象是视频图像。
4、优选地,第0阶偏移距离 l0的计算公式为:
5、
6、或者为:
7、 。
8、更优选地,第1阶偏移距离 l1的计算公式为:
9、
10、或者为:
11、。
12、更优选地,第k阶残差子向量表述为δk1、δk2…δkm,第k阶量化后残差子向量表述为δ’k1、δ’k2…δ’km,则第k阶偏移距离 lk的计算公式为:
13、
14、或者为:
15、。
16、概括而言,本专利技术提供一种多阶段向量乘积量化系统,首先对原始向量进行切分形成初始的m个子向量,然后利用了三种模式进行迭代切换,迭代的过程最终都会随着偏移距离的不断减小最终进入终止模式,而在进入终止模式之前,迭代过程可能要经历单一码本模式或者正常迭代模式,而正常迭代模式在满足中间态条件下可能转换成单一码本模式,而进入到单一码本模式之后并不会在迭代中转回至正常迭代模式,由此最终实现多阶段向量乘积量化。纵观本专利技术的整体流程,前期利用了多个分码本的形式进行向量量化,以“化整为零”的方式有效降低了系统内存的占用,而后期随着向量偏移距离的不断降低,在合适的时机转为单一码本,则使码本本身以及码本运算占用的内存进一步降低,与此有效实现了本专利技术所言“内存轻量级”的技术效果。
本文档来自技高网...【技术保护点】
1.一种内存轻量级的多阶段向量乘积量化系统,其特征在于,所述系统包括分维度模块和比较模块,其中
2.根据权利要求1所述的系统,其特征在于,所述目标对象是视频图像。
3.根据权利要求1所述的系统,其特征在于,第0阶偏移距离l0的计算公式为:
4.根据权利要求3所述的系统,其特征在于,第1阶偏移距离l1的计算公式为:
5.根据权利要求4所述的系统,其特征在于,第k阶残差子向量表述为Δk1、Δk2…Δkm,第k阶量化后残差子向量表述为Δ’k1、Δ’k2…Δ’km,则第k阶偏移距离lk的计算公式为:
【技术特征摘要】
1.一种内存轻量级的多阶段向量乘积量化系统,其特征在于,所述系统包括分维度模块和比较模块,其中
2.根据权利要求1所述的系统,其特征在于,所述目标对象是视频图像。
3.根据权利要求1所述的系统,其特征在于,第0阶偏移距离l0的计算公式为:
<...【专利技术属性】
技术研发人员:陈杰,陈宜明,梁良,
申请(专利权)人:博云视觉北京科技有限公司,
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。