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

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: OLIVEIRA, Jean Felipe Fonseca de.
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UFCG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/598
Resumo: 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.
id UFCG_63e3fa52f6306707fee64b66f52631c5
oai_identifier_str oai:dspace.sti.ufcg.edu.br:riufcg/598
network_acronym_str UFCG
network_name_str Biblioteca Digital de Teses e Dissertações da UFCG
repository_id_str
spelling Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real.HEVCAprendizado automáticoVetores Suportes - MáquinaSeleção de atributosAprendizado onlineOtimizaçãoMachine learningFeature selectionVectors Supports - MachineOnline LearningVideo coding optimizationEngenharia elétricaCiênciasO 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.The most recent video coding standard, the High Efficiency Video Coding (HEVC), has a higher encoding complexity when compared with H.264/AVC, which means a higher computational cost. This thesis presents a review of the recent literature and proposes an algorithm that reduces such complexity. Therefore, a fast CU (Coding Unit) splitting algorithm is proposed for the HEVC encoder, which terminates the CU partitioning process at an early phase, based on an adaptive classification model. This model is generated by an online learning method based on the Primal Estimated sub-GrAdient SOlver for SVM (Pegasos) algorithm. The proposed method is implemented and integrated in the HEVC reference source code on its version 16.7. Experimental results show that the proposed method reduces the computational complexity of the HEVC encoder, up to 50% in some cases, with negligible losses, and shows an average computational reduction of 30%. This process results in reduced coding efficiency losses, however, some results showed a nearby 1% of BD-Rate (Bjontegaard Delta) gains in the Low Delay B configuration, without using an offline training phase.Universidade Federal de Campina GrandeBrasilCentro de Engenharia Elétrica e Informática - CEEIPÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICAUFCGALENCAR, Marcelo Sampaio de.ALENCAR, M. S.http://lattes.cnpq.br/0946722048975388BERNARDINO JÚNIOR, Francisco Madeiro.LOPES , Waslon Terllizzie Araújo.FARIAS, José Ewerton Pombo de.COSTA, Max Henrique Machado.OLIVEIRA, Jean Felipe Fonseca de.2016-05-132018-05-07T19:44:09Z2018-05-072018-05-07T19:44:09Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesishttps://dspace.sti.ufcg.edu.br/handle/riufcg/598OLIVEIRA, J. F. F. de. Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real. 94 f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2016.porinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCG2025-07-24T10:17:14Zoai:dspace.sti.ufcg.edu.br:riufcg/598Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512025-07-24T10:17:14Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false
dc.title.none.fl_str_mv Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real.
title Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real.
spellingShingle Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real.
OLIVEIRA, Jean Felipe Fonseca de.
HEVC
Aprendizado automático
Vetores Suportes - Máquina
Seleção de atributos
Aprendizado online
Otimização
Machine learning
Feature selection
Vectors Supports - Machine
Online Learning
Video coding optimization
Engenharia elétrica
Ciências
title_short Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real.
title_full Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real.
title_fullStr Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real.
title_full_unstemmed Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real.
title_sort Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real.
author OLIVEIRA, Jean Felipe Fonseca de.
author_facet OLIVEIRA, Jean Felipe Fonseca de.
author_role author
dc.contributor.none.fl_str_mv ALENCAR, Marcelo Sampaio de.
ALENCAR, M. S.
http://lattes.cnpq.br/0946722048975388
BERNARDINO JÚNIOR, Francisco Madeiro.
LOPES , Waslon Terllizzie Araújo.
FARIAS, José Ewerton Pombo de.
COSTA, Max Henrique Machado.
dc.contributor.author.fl_str_mv OLIVEIRA, Jean Felipe Fonseca de.
dc.subject.por.fl_str_mv HEVC
Aprendizado automático
Vetores Suportes - Máquina
Seleção de atributos
Aprendizado online
Otimização
Machine learning
Feature selection
Vectors Supports - Machine
Online Learning
Video coding optimization
Engenharia elétrica
Ciências
topic HEVC
Aprendizado automático
Vetores Suportes - Máquina
Seleção de atributos
Aprendizado online
Otimização
Machine learning
Feature selection
Vectors Supports - Machine
Online Learning
Video coding optimization
Engenharia elétrica
Ciências
description 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.
publishDate 2016
dc.date.none.fl_str_mv 2016-05-13
2018-05-07T19:44:09Z
2018-05-07
2018-05-07T19:44:09Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://dspace.sti.ufcg.edu.br/handle/riufcg/598
OLIVEIRA, J. F. F. de. Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real. 94 f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2016.
url https://dspace.sti.ufcg.edu.br/handle/riufcg/598
identifier_str_mv OLIVEIRA, J. F. F. de. Técnica de aprendizagem automática aplicada a um codificador HEVC em tempo real. 94 f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-Graduação em Engenharia Elétrica, Centro de Engenharia Elétrica e informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2016.
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UFCG
publisher.none.fl_str_mv Universidade Federal de Campina Grande
Brasil
Centro de Engenharia Elétrica e Informática - CEEI
PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UFCG
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFCG
instname:Universidade Federal de Campina Grande (UFCG)
instacron:UFCG
instname_str Universidade Federal de Campina Grande (UFCG)
instacron_str UFCG
institution UFCG
reponame_str Biblioteca Digital de Teses e Dissertações da UFCG
collection Biblioteca Digital de Teses e Dissertações da UFCG
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)
repository.mail.fl_str_mv bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br
_version_ 1851784593620860928