H264學習筆記-名詞解釋(備忘+不定期更新)
- 量化
- 量化過程在不降低視覺效果的前提下應儘量減少影象編碼長度,減少視覺回覆中不必要的資訊。H.264採用標量量化技術,它將每個影象樣點編碼對映成較小的數值。一般標量量化器的原理為:
FQ=round(yQstep) 其中y為輸入樣本點編碼,Qstep 為量化步長,FQ為y的量化值,round()為取整函式(其輸出為與輸入最近的整數)。 - 量化步長
Qstep ,決定量化器的編碼壓縮率及影象精度。Qstep 大,則FQ動態範圍小,相應的編碼長度較小,反量化時損失較多的影象細節;Qstep 小,則FQ動態範圍大,相應的編碼長度也較大,但影象細節損失較小。- QP
- 量化引數,是量化步長的序號。當QP區取最小值0時代表最精細的量化,當QP取最大值51時代表最粗糙的量化。QP每增加6,量化步長增加一倍。(最終的H.264草案規定,亮度QP最大值是51,色度QP最大值是39)
- IDR幀
- I P P P I P P P I P P P
|-序列-|
一個序列的第一幀叫做IDR幀(即時解碼重新整理幀),IDR幀都是I幀。當解碼器解碼到IDR幀時,立即將參考幀佇列清空,將已解碼的資料全部輸出或拋棄,重新查詢引數集,開始一個新的序列。IDR幀之後的幀永遠不會引用IDR幀之前的幀資料來解碼。IDR幀一定是I幀,I幀不一定是IDR幀,一個序列中可以有很多的I幀,I幀之後的幀還可以應用I幀之間的幀做運動參考。
相關推薦
H264學習筆記-名詞解釋(備忘+不定期更新)
量化 量化過程在不降低視覺效果的前提下應儘量減少影象編碼長度,減少視覺回覆中不必要的資訊。H.264採用標量量化技術,它將每個影象樣點編碼對映成較小的數值。一般標量量化器的原理為:FQ=round(y
FJOI遊記(日記向 不定期更新)
更新 爆發 省選 內心 我會 body post mmm 實力 emmmm說實話只是突發奇想開個blog記錄記錄自己的內心想法罷了。。 2017/12/22:刷了一周的計算幾何。。刷的死去活來。。結果還是被D慘了。。。譬如都不會考,要考我都不會什麽的。。。感覺內心有些小打擊
python學習筆記第八節(函數的相關作業)
.com 制作 記得 -1 字典 不能 函數 添加 對象 查看函數內部的註釋 導入一個模塊 加入一個裝飾器,讓用戶調用函數的時候查看註釋是函數本身的而不是裝飾器的 調用加了裝飾器的源代碼功能 更改函數的註釋信息 作業第四題,登錄一次後面函數無須重復登錄 函數內
【CV學習筆記】———— 基本圖片處理知識(此坑還未填完,不定期更新)
題外話:最近一段時間學校比賽賊多,都是一些創新創業類的,超級費腦子,每天晚上都是一波頭腦風暴,找老師找小夥伴一起討論,每次都是第一天的點子第二天就被我們自己否決了,不得不說,創新創業類的比賽發現機會的眼光很重要,勇氣更重要 ——————————————————————————以下為正文—
菜鳥教程PHP學習筆記(不定期更新)
NO.1—PHP表單驗證 程式碼詳細註釋版 <!DOCTYPE HTML> <html> <head> <meta charset="utf-8"> <title>菜鳥教程(runoob.com)</title>
Java第十天學習筆記~面向物件(介面應用、多型)
介面的應用 暴露的規則 使用規則 實現規則 這些裝置和電腦的耦合性降低了 interface USB //暴露的 規則 { public void open(); public void close(); } class BookPC
STM32個人學習筆記-第二集(F4GPIO暫存器介紹)
STM32個人學習筆記-第二集 一,GPIO口暫存器 GPIO有九組IO口,分別用大寫字母表示,即,x=A/B/C/D/E/F/G/H/I. IO口可以由軟體配置成如下8種模式 1,輸入浮空 2,輸入上拉 3,輸入下拉 4,模擬輸入 5,開漏輸出 6,推輓輸出
微擎學習筆記--路由解析(地址對應的檔案目錄)
當傳入的 c 值為 “site”, a 值為 “entry”時則是一個模組路由,m則表示模組對應的名稱,該頁面對應的檢視和控制器檔案都在 do=web表示模組的後臺管理 r=shop.adv表示檢視及控制器的名稱 控制器對應的路徑:addons\ewei_sho
Golang 學習筆記(不定期更新)
本文主要記錄作者使用 Go 開發過程中的問題及總結。 1)不同檔案屬於同一個 package,每個 go 檔案如果有 init(), 則全部 init() 會預設執行,根據包的匯入先後及遞進關係來先後執行;同一個檔案可以有多個同名 init 函式,即不會出現重
【CV學習筆記】———— 基本圖片處理知識(此坑還未填完,不定期更新)
題外話:最近一段時間學校比賽賊多,都是一些創新創業類的,超級費腦子,每天晚上都是一波頭腦風暴,找老師找小夥伴一起討論,每次都是第一天的點子第二天就被我們自己否決了,不得不說,創新創業類的比賽發現機會的眼光很重要,勇氣更重要 ———————————————————
Pandas學習筆記(不定期更新)
1.如何使用Pandas處理大資料檔案 reader=pd.read_csv('xxx.csv', iterator=True) #分塊讀取 chunkSize = 10000000 #一次讀取一千萬
【前端學習筆記】專案經驗積累(不定期更新)
樣式重置—————————————————————————– /* reset */ body,h1,h2,h3,h4,h5,p,dl,dd,ul,ol,form,input,textarea,th,td,select { margin:0; pa
TensorFlow學習筆記——LeNet-5(訓練自己的資料集)
在之前的TensorFlow學習筆記——影象識別與卷積神經網路(連結:請點選我)中瞭解了一下經典的卷積神經網路模型LeNet模型。那其實之前學習了別人的程式碼實現了LeNet網路對MNIST資料集的訓練。而這篇文章是想自己完成LeNet網路來訓練自己的資料集。LeNet主要用來進行手寫字元的識別與分類,下
【整理】常用電子設備功耗(不定期更新)
沒事 標準 優酷 運行 充電 電子 組裝 由器 1.2 NAS 關機:1.4W(我擦,關機還耗電,還不少) 待機:20W 運行:20W+每塊3.5寸硬盤5W PC 關機:1.2W 待機:45W(要不是你太吵,那你當nas也可以) 處理器滿負荷:100W 顯卡滿負荷:180
近來學習感悟(不定期更新)
首先總結一下最近學習的東西: STL較為常用的資料結構如Map、Set、Stack、String、List、Queue、Priority_queue的一些基礎例子和用法(瞭解了部分的實現及底層) Coursera 上 Andrew Ng 教授的機器學習
Spring Boot2 + JDK11使用筆記(不定期更新)
下面描述的問題和解決方法全部基於Gradle構建,Maven使用者自行轉換 異常處理 Caused by: java.lang.NoClassDefFoundError: javax/xml/b
【leetcode】leetcode 刷題 筆記 (不定期更新)
237.Delete Node in a Linked List 題目要求只給定連結串列中一個節點的前提下,刪除該節點。注意這裡題目並沒有給出對連結串列的引用,因而我們無法遍歷連結串列得到前驅。有一個思路確實很好,它並不是刪除連結串列的節點,而是把該節點的內容改為下一個節
學習資料(不定期更新)
一手資料 一手資料當然是Google官方給出的資料,這裡往往是英文版的,營養價值極高。只要英文還可以(不行就是線上翻譯工具)+翻牆工具,強烈建議直接看Android官網的資料。可以Chrome瀏覽器+Google翻譯外掛,哪裡不會點哪裡,嘿,下面列出這些一手資
目前最全的機器學習知識結構圖(11月1日更新)
機器學習、深度學習、python基礎、數學基礎、學習分類、專案構建流程、最常用的學習框架悉數列出 。 如有不足請留言補充,也可關注我微訊號,留言即可。請大家掃描二維碼關注我的微信公眾號。本公眾號每天
Linux 相關學習內容(不定期更新)
## Linux 主要目錄 | / | 根目錄,在 linux 下有且只有一個根目錄,所有的東西都是從這裡開始 | | ----------- | ------------------------------------------------------------ | | /bin