读论文 Early Exit or Not: Resource( 二 ) _复杂度

DNNwith Early-Exit
每个Cij是一个卷积层，最小的是三层，中间的激活省略了
Early-Exit
如果前期满足IQAM了那么就停止处理
Imagefor
文章考虑两个重要的因子，纹理区域的模糊效应，平滑区域的块效应。具体来说，增强后的图像被分成不重叠的块，这些快包括所有潜在的压缩块边界，然后把这些块分成平滑的块和有纹理的块，根据块的能量大小来分。
且比雪夫矩阵
假设一个4x4的块M，计算观察值
eh是水平方向上的块效应，ev表示垂直方向上的块效应，这个方法来自于图像质量评估的论文。
块效应检测的例子
对于平滑块，先进行高斯模糊，对原块核模糊后的块计算相似度，相似度高，就说明当前块比较模糊
最终的质量由两个因子共同评价
这个评价指标是不需要参考raw image的，他的值和psnr，ssim趋势一致
Loss
MSE
在HEVC hm16.5 和JEPG上做实验
RAISE，包括3000，1000，1000 张训练，验证，测试数据，从每张图像的中间裁剪出的块。HM QP={22，27，32，37，42}，JPEG QF={10，20，30，40，50}，每个Cij是两个卷积层第一个是3x3 的卷积核，k个通道，第二个是1x1的卷积核，32个通道。上采样，下采样都是通过一个卷积层来实现的，每组卷积之间有relu，没组卷积之后有
IQAM α = 0.9, β = 0.1,C = 1e?8 and Te = 0.05 。训练时，qp22到42的数据混合，从22 到42 loss加权是{2, 1, 1, 0.5, 0.5}，{1, 2, 1, 0.5, 0.5}，{0.5, 1, 2, 1, 0.5}，{0.5, 0.5, 1, 2, 1}，{0.5, 0.5, 1, 1, 2} 。Adam，lr = 1e?4
on
on
【读论文 Early Exit or Not: Resource】
在不同的复杂度上比较 psnr gain
提出了在同一个网络上处理多个qp数据的网络。