Застосування штучних нейронних мереж до стиснення даних у протоколах передавання зображень та відео

DOI: 10.31673/2412-9070.2020.043237

Анотація

Розглянуто сучасний стан протоколів передавання даних та методів стиснення зображень та відео за допомогою штучних нейронних мереж, а саме згорткових багатошарових мереж та глибинного навчання. З огляду на останні публікації проведено порівняльний аналіз продуктивності класичних методів стиснення і методів на основі нейронних мереж, а також зроблено висновки щодо застосування цих алгоритмів у протоколі H.265 (HEVC) та можливості створення нового протоколу, повністью заснованого на нейронній мережі. Досліджено сучасні алгоритми DeepZip та DeepCoder. Надано оцінку умов переходу на нейронні мережі в перспективі.

Ключові слова: штучна нейронна мережа; стиснення даних; протокол передавання даних.

Список використаної літератури
1. Overview of the High Efficiency Video Coding (HEVC) Standard / Gary J. Sullivan, Jens-Rainer Ohm, Woo-Jin Han, Thomas Wiegand // IEEE Trans. on Circuits and Systems for Video Technology. Dec. 2012.
2. Sullivan G. J. Comparison of the Coding Efficiency of Video Coding Standards – Including High Efficiency Video Coding (HEVC) // IEEE Trans. on Circuits and Systems for Video Technology. 2012.
3. Khalid Sayood. Introduction to Data Compression: 4th Edition. October 2012.
4. Cleary J. G., Witten I. H. Data compression using adaptive coding and partial string matching // IEEE transactions on communications. April 1984. Vol. COM-32, No. 4. P. 396.
5. Ian H. Witten, Radford M. Neal, John G. Cleary. Arithmetic coding for data compression // Commun. ACM. June 1987. Vol. 30, No. 6. P. 520–540.
6. Wallace G. K. The JPEG still picture compression standard // Comm. ACM. April 1991. Vol. 34. P. 30–44.
7. High-Performance Compression of Visual Information - A Tutorial Review - Part I: Still Pictures. / O. Egger, P. Fleury, T. Ebrahimi, M. Kunt // Proceedings of the IEEE. June 1999. Vol. 87, No 6.
8. Ahmed N. How I Came Up With the Discrete Cosine Transform. Digital Signal Processing. 1(1): 4–5.
9. U. S. patent 2605361, C. Chapin Cutler, Differential Quantization of Communication Signals, filed June 29, 1950, issued July 29, 1952.
10. Rabbani M., Joshi R. An overview of the JPEG2000 still image compression standard // Signal Processing: Image Communication 17. Jan. 2002. P. 3–48.
11. AhG4: Subjective evaluation of HEVC intra coding for still image compression / P. Hanhart, M. Rerabek, P. Korshunov, T. Ebrahimi // JCT-VC. 2013.
12. Bellard F. BPG Image format, 2014 [Електронний ресурс] URL: https://bellard.org/bpg/bpg_spec.txt
13. Hinton G. E., Salakhutdinov R. R. Reducing the Dimensionality of Data with Neural Networks // SCIENCE. 2006. Vol. 313. P. 504–507.
14. DeepZip: Lossless Data Compression using Recurrent Neural Networks arXiv:1811.08162v1 [cs. CL] / Mohit Goyal, Kedar Tatwawadi, Shubham Chandak, Idoia Ochoa. 20 Nov. 2018.
15. Schalkoff R. J. Artificial Neural Networks. McGraw-Hill, 1997.
16. Chua L., Lin T. A neural network approach to transform image coding // International Journal of Circuit Theory and Applications. 1988. Vol. 16, No. 3. P. 317–324.
17. Image data compression using a neural network model / N. Sonehara, M. Kawato, S. Miyake, K. Nakane // Proc. IJCNN. 1989. Vol. 2. P. 35–41.
18. Cotrell G. W., Munro P., Zipser D. Image compression by back propagation: an example of extensional programming // Models of cognition: rev. Of cognitive science. 1989. Vol. 1, No. 208. P. 1.
19. Full resolution image compression with recurrent neural networks / G. Toderici, D. Vincent, N. Johnston [et al.]. 2016. arXiv:1608.05148v1.
20. Lossy Image Compression with Compressive Autoencoders / L. Theis, W. Shi, A. Cunningham, F. Huszár. arXiv:1703.00395 [stat.ML]. 2017.
21. Minnen D., Ballé J., Toderic G. Joint Autoregressive and Hierarchical Priors for Learned Image Compression. arXiv:1809.02736v1 [cs.CV] 8 Sep. 2018.
22. Vigliano Daniele, Raffaele Parisi, Aurelio Unchini. Video compression by Neural Network // Studies in Fuzziness and Soft Computing. 2005.
23. Image and Video Compression with Neural Networks / Siwei Ma, Xinfeng Zhang, Chuanmin Jia [et al.] // A Review arXiv:1904.03567v2 [cs.CV] 10 Apr. 2019.
24. DeepCoder: A deep neural network based video compression / Chen, H. Liu, Q. Shen, T. Yue [et al.] // Visual Communications and Image Processing (VCIP), 2017. IEEE, P. 1–4.
25. Deep Learning-Based Video Coding / Dong Liu, Yue Li, Jianping Lin [et al.] // A Review and A Case Study. ArXiv:1904.12462v1 [cs.MM] 29 Apr. 2019.