JPEG 变换域中的深度残差学习
机器学习
2019-08-28 v3 计算机视觉与模式识别
机器学习
摘要
我们引入一种在 JPEG 变换域中执行残差网络推理与学习的通用方法，使网络能够直接将压缩图像作为输入。我们的公式利用 JPEG 变换的线性性质，借助对 ReLu 的可调数值近似重新定义了卷积和批归一化。该结果在数学上等价于空间域网络，误差限于 ReLu 近似精度。作为该方法的示例，给出了图像分类的公式以及空间域网络的模型转换算法。我们展示了 JPEG 格式的稀疏性允许以几乎无网络精度损失地更快处理图像。
引用
@article{arxiv.1812.11690,
title = {Deep Residual Learning in the JPEG Transform Domain},
author = {Max Ehrlich and Larry Davis},
journal= {arXiv preprint arXiv:1812.11690},
year = {2019}
}
备注
Published in ICCV 2019. Code and notes are available on our website at https://maxehr.umiacs.io/jpeg_domain_resnet/jpeg_domain_resnet_html.html