Video-Compression-motion-estimation-block-video-encoder：此存储库与视频压缩有关，更具体地说，与视频编码器的运动估计块（ME块）有关。 这是一个研究项目，旨在开发一种有效的运动估计算法，从而使视频压缩技术能够与高帧率视频和高分辨率视频保持同步。

Video coding using the H.264/MPEG-4 AVC compression standard

lzw compression et decompression

this is doc for fft of audio signal compression

离散余弦压缩代码matlab 图像压缩器 该项目旨在使用离散余弦变换来压缩图像 在职的 DCT的特性是，关于图像的大部分视觉上重要的信息都集中在DCT的几个系数中。 该特性被称为能量压缩特性。 因此，不必要的系数可以被丢弃或缩放，而不会造成太大的差异。 结果 代码使用变换矩阵方法来计算离散余弦变换。 该代码能够在灰度图像上实现约70％的压缩，而对图像没有太大影响。 科技栈 该项目是使用以下项目构建的 的MATLAB 用于MATLAB的图像处理工具箱

Zstandard，或简称为zstd，是一种快速的无损压缩算法，以zlib级和更好的压缩率针对实时压缩方案。 它由Huff0和FSE libr Zstandard（简称zstd）提供的非常快的熵阶段作为后盾，是一种快速的无损压缩算法，以zlib级和更好的压缩率为目标的实时压缩方案。 它由Huff0和FSE库提供的非常快的熵阶段作为后盾。 该项目以开源的BSD和GPLv2双重许可C库的形式提供，并提供生成和解码.zst，.gz，.xz和.lz4文件的命令行实用程序。 如果您的项目需要另一种编程语言，则已知端口和绑定的列表为

CLIP-Q: Deep Network Compression Learning by In-Parallel Pruning-Quantization，CVPR2018 code

spec-img-finesse 在他们的工作Makantasis等。 （2015年）表明，使用CNN，高光谱图像可以成功分类。 CNN可以对像素的光谱和空间特征进行编码。 特征的从低到高层次结构极大地提高了分类性能。 在我们的CNN实施中，我们使用层修剪和层压缩方法扩展和优化了它们的方法。 每个植物在电磁频谱上都有其独特的频谱“特征”，可以使用高光谱传感器捕获该特征。 将图像中的高光谱带作为特征，将每个像素作为样本，利用卷积神经网络（CNN）和支持向量机（SVM）对植物进行分类。 CNN优化有助于防止过拟合，加速推理并减少其在内存，电池和计算能力方面的资源。 Keras 2.1.5与Tensorflow 1.7.0结合使用。 使用了印度松树数据集。 使用支持多项式的SVM可以达到83.9％的测试精度，而使用CNN可以达到99.2％的测试精度。 可以在项目报告“使用高光谱图像进行植

matlab计算psnr代码GAN_压缩 ICASSP 2020 第 45 届声学、语音和信号处理国际会议的代码。该代码用于音频压缩部分，但可以通过小的修改用于图像压缩。 抽象的 我们提出了一个统一的压缩框架，它使用生成对抗网络 (GAN) 来压缩图像和语音信号。 压缩后的信号由一个潜在向量表示，该向量被输入到一个生成器网络中，该网络被训练产生高质量的信号，最小化目标函数。 为了有效地量化压缩信号，非均匀量化的最佳潜在向量通过迭代反向传播进行识别，每次迭代执行 ADMM 优化。 我们的实验表明，所提出的算法在各种指标（包括比特率、PSNR 和基于神经网络的信号分类精度）中量化的图像和语音压缩都优于先前的信号压缩方法 引文 如果您发现此代码有用，请考虑引用： @inproceedings{liu2020unified, title={Unified Signal Compression Using Generative Adversarial Networks}, author={Liu, Bowen and Cao, Ang and Kim, Hun-Seok},\nbooktitle=

arm的图像压缩格式简介，让你对帧压缩有个基本了解。