信息与电脑杂志

摘要：在基于固定概率模型的传统图像压缩标准上开展的传统算术编码硬件设计，无法与深度神经网络(Deep Neural Network, DNN)图像压缩中的概率分布动态变化相适应，且存在编码符号长度可变与并行处理需求高的情况。通过面向DNN图像压缩的高性能算术编码硬件设计，能破解DNN压缩系统工程化应用的困境。因此，文章从DNN图像压缩的技术需求出发，提出算术编码硬件设计方案。该方案以动态概率更新与并行流水线架构为基础，通过自适应概率模块实时跟踪DNN量化系数概率分布。为提升系统的吞吐量，采用多符号并行编码流水线，在硬件资源优化策略与现场可编程门阵列(Field-Programmable Gate Array, FPGA)平台的应用下，保证压缩效率与实时性的平衡。研究旨在为面向DNN图像压缩的高性能算术编码硬件设计提供参考。

关键词： 深度神经网络;图像压缩;高性能算术编码;硬件设计;

基金资助： 省级研究项目“产教融合背景下智能交通技术专业教学改革与实践”(项目编号：2024SJGLX0951)；

专辑： 信息科技

专题： 电信技术;自动化技术

分类号： TP183;TN919.81