Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real.

• Ano de defesa: 2016
• Autor(a) principal: OLIVEIRA, Jean Felipe Fonseca de.
• Orientador(a): ALENCAR, Marcelo Sampaio de.
• Banca de defesa: BERNARDINO JÚNIOR, Francisco Madeiro., LOPES , Waslon Terllizzie Araújo., FARIAS, José Ewerton Pombo de., COSTA, Max Henrique Machado.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Campina Grande
• Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
• Departamento: Centro de Engenharia Elétrica e Informática - CEEI
• País: Brasil
• Palavras-chave em Português: HEVC; Aprendizado automático; Vetores Suportes - Máquina; Seleção de atributos; Aprendizado online; Otimização; Machine learning; Feature selection; Vectors Supports - Machine; Online Learning; Video coding optimization
• Área do conhecimento CNPq: Engenharia elétrica; Ciências
• Link de acesso: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/598

O padrão HEVC (High Efficiency Video Coding) é o mais recente padrão para codificação de vídeos e tem uma complexidade computacional muito maior do que seu antecessor, o padrão H.264. A grande eficiência de codificação atingida pelo codificador HEVC é obtida com um custo computacional bastante elevado. Esta tese aborda oportunidades de reduzir essa carga computacional. Dessa forma, um algoritmo de decisão prematura de divisão de uma unidade de codificação é proposto para o codificador HEVC, terminando prematuramente o processo de busca pelo melhor particionamento baseado em um modelo de classificação adaptativo, criado em tempo de execução. Esse modelo é gerado por um processo de aprendizado online baseado no algoritmo Pegasos, que é uma implementação que aplica a resolução do gradiente estocástico ao algoritmo SVM (Support Vector Machine). O método proposto foi implementado e integrado ao codificador de referência HM 16.7. Os resultados experimentais mostraram que o codificador modificado reduziu o custo computacional do processo de codificação em até 50%, em alguns casos, e aproximadamente 30% em média, com perdas de qualidade desprezíveis para os usuários. De modo geral, esse processo resulta em reduzidas perdas de qualidade, no entanto, alguns resultados mostraram pequenos ganhos em eficiência de compressão quando comparados com os resultados do codificador HM 16.7.