[发明专利]停止码容忍的图像压缩神经网络

权利要求书

1.一种计算机实现的图像压缩和重构方法，包括：

接收用于生成输入图像的编码表示的请求；和

生成所述输入图像的所述编码表示，其中所述编码表示包括在多个迭代的每个迭代中的相应的二进制代码集，其中每个二进制代码集包括用于所述输入图像中的多个图块中的每个图块的相应的二进制代码子集，并且其中所述生成包括，对于所述多个迭代中的每个迭代：

使用编码器神经网络处理用于所述迭代的编码器输入，其中所述编码器神经网络被配置为处理所述编码器输入以生成用于所述迭代的初始二进制代码集，所述初始二进制代码集包括用于所述多个图块中的每个图块的相应的初始二进制代码子集；和

从所述初始二进制代码集生成用于所述迭代的所述二进制代码集，包括：

对于在所述多个迭代中的任何先前迭代期间已经被掩蔽的任何图块：

通过将所述二进制代码集中的用于所述图块的每个所述二进制代码设置为零来掩蔽所述图块；

对于在所述多个迭代中的任何先前迭代期间尚未被掩蔽的任何图块：

确定当从所述先前迭代中的二进制代码重构时所述图块的重构误差是否满足误差阈值；和

当所述重构质量满足所述误差阈值时，通过将所述二进制代码集中的用于所述图块的每个所述二进制代码设置为零来掩蔽所述图块。

2.根据权利要求1所述的方法，其中，生成用于所述迭代的所述二进制代码集进一步包括：

当所述重构误差不满足所述误差阈值时，避免修改所述图块的所述初始二进制代码。

3.根据权利要求1所述的方法，进一步包括：

通过使用数据压缩算法压缩所述编码表示中的所述二进制代码来压缩所述输入图像。

4.根据权利要求3所述的方法，其中，所述数据压缩算法是经训练的熵代码化器。

5.根据权利要求3所述的方法，进一步包括：

将已压缩的输入图像发送到解码器系统，以用于对所述输入图像解压缩。

6.根据权利要求1所述的方法，其中，所述编码器神经网络是具有二值化器输出层的递归神经网络。

7.根据权利要求6所述的方法，其中，用于所述多个迭代中的第一迭代的所述编码器输入是所述输入图像。

8.根据权利要求7所述的方法，其中，用于所述多个迭代中的在所述第一迭代之后的每个迭代的所述编码器输入是在(i)所述输入图像与(ii)由解码器神经网络从所述先前迭代中的所述二进制代码集生成的重构之间的残差图像，其中所述解码器神经网络是递归神经网络，所述递归神经网络被配置为在所述多个迭代中的每个迭代中接收包括在所述迭代中的所述二进制代码集的解码器输入，并且处理所述解码器输入以生成所述输入图像的重构。

9.根据权利要求8所述的方法，其中，确定当从所述先前迭代中的二进制代码重构时所述图块的重构误差是否满足误差阈值包括：

确定与作为所述迭代中的所述编码器输入的所述残差图像中的所述图块相对应的部分的所述重构误差。