Compression quasi sans perte d'images satellites par filtrage de résidus
Résumé
We describe an end-to-end trainable neural network for satellite image compression. We first introduce a cost function
combining a perceptual loss and the classical mean square error that significantly improves the performance of the proposed
compression solution. We then present a multi-loss balancing strategy to optimize the learning. Finally, we add a compression of
the image residual with a specialised network to best preserve the high frequency details present in the satellite images.
Nous décrivons un réseau de neurones entraînable de bout en bout pour la compression d'images satellites. Nous introduisons d'abord une fonction de coût combinant une perte perceptuelle et l'erreur quadratique moyenne classique qui améliore de manière significative les performances de la solution de compression proposée. Nous présentons ensuite une stratégie d'équilibrage multi-objectifs pour optimiser l'apprentissage. Enfin, nous ajoutons une compression du résidu de l'image avec un réseau spécialisé pour préserver au mieux les détails à haute fréquence présents dans les images satellites.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|
