基于 JPEG 的图像分类深度学习过程的端到端优化
图像与视频处理
2023-08-14 v1
摘要
在主要的深度学习（DL）应用中，涉及图像分类的分布式学习需要在低成本传感设备上部署有效的图像压缩编解码器以实现高效传输与存储。为感知质量设计的传统编解码器（如 JPEG）并未针对 DL 任务配置。本工作引入了一个集成端到端可训练的图像压缩与分类模型，由 JPEG 图像编解码器和基于 DL 的分类器组成。我们展示了该模型如何优化广泛部署的 JPEG 编解码器设置，以在带宽约束下提升分类精度。我们在 CIFAR-100 和 ImageNet 上的测试也表明，相较预设 JPEG 配置，验证精度有所提高。
引用
@article{arxiv.2308.05840,
title = {End-to-End Optimization of JPEG-Based Deep Learning Process for Image Classification},
author = {Siyu Qi and Lahiru D. Chamain and Zhi Ding},
journal= {arXiv preprint arXiv:2308.05840},
year = {2023}
}