摘要：今天，圖鴨發布黑科技，將解決這一痛點。深度學習圖片壓縮的優勢圖鴨科技通過深度學習技術研發的圖片壓縮在內部的測試上已經超過與，下圖是在標準數據集上測評結果分別是值與值。

在社交網絡上，用戶每天都要使用、分享和下載圖片，但是很多高清圖片由于存儲和帶寬的壓力被人為降低了畫質。

伴隨著2K手機和4K顯示屏逐漸成熟并走向市場，用戶對高清畫質的要求也在逐漸增加。但是高清顯示一直缺乏內容，成為行業發展的痛點。所以將低分辨圖片轉化為高清版本，并在各大設備上進行查看和分享，已成為市場的巨大需求。

今天，圖鴨發布黑科技——Tiny Network Graphics(TNG)，將解決這一痛點。

TNG是圖鴨科技在2018年推出的一款圖像壓縮技術，旨在在保持圖片的質量下，盡可能降低圖片的大小，使用戶在帶寬受限的網絡情況下，仍然可以看到高清的圖像；同時幫助圖片類企業節約大量的帶寬成本。

相比目前市面上的圖像壓縮技術，圖鴨TNG采用了深度學習卷積網絡（CNN）的編碼方式，與JPEG相比，壓縮率提升了122%；與WebP相比，壓縮率提高了30% 。而且相比BPG/HEIF等圖片格式，TNG采用了CNN技術而非HEVC編解碼器，在保證圖片質量的同時，避免了高昂的專利費用。

TNG采用的算法是深度學習技術中的卷積神經網絡（CNN）。卷積神經網絡是一種前饋神經網絡，它的人工神經元可以響應一部分覆蓋范圍內的周圍，適合大型圖像處理。

上圖是卷積神經網絡的示意圖，我們看圖可以發現，它就像搭積木一樣，一個卷積神經網絡由卷積、池化、非線性函數、歸一化層等模塊組成。最終的輸出根據應用而定，如在人臉識別領域，我們可以用它來提取一串特征來表示一幅人臉圖片。然后通過比較特征的異同進行人臉識別。

如圖2所示，完整的深度學習圖片壓縮框架包括CNN編碼器、量化、反量化、CNN解碼器、熵編碼、碼字估計和碼率-失真優化等幾個模塊。編碼器的作用是將圖片轉換為壓縮特征，解碼器就是從壓縮特征恢復出原始圖片。其中編碼網絡和解碼器，可以用卷積、池化、非線性等模塊進行設計和搭建。

（圖2:用深度學習進行圖片壓縮示意圖）

目前評判一個壓縮算法的重要指標有三個：PSNR（Peak Signal to Noise Ratio）、BPP（bit per pixel）和MS-SSIM（multi-scaleSSIM index）。

我們知道，任何數據在計算機內都是以比特形式存儲，所需比特數越多則占據的存儲空間越大。PSNR用來評估解碼后圖像恢復質量，BPP用于表示圖像中每個像素所占據的比特數，MS-SSIM值用來衡量圖片的主觀質量，簡單來說在同等的Rate/BPP下PSNR更高，壓縮效果更好，MSSIM更高，主觀感受更好。

?談到如何用深度學習做壓縮，我們以圖片來舉例。將一張大小 768 512 的三通道圖片送入編碼網絡，進行前向處理后，會得到占據 96 64 * 192 個數據單元的壓縮特征。有計算機基礎的讀者可能會想到，這個數據單元中可放一個浮點數，整形數，或者是二進制數。那到底應該放入什么類型的數據呢？

從圖像恢復角度和神經網絡原理來講，如果壓縮特征數據都是浮點數，恢復圖像質量是最高的。但一個浮點數占據32個比特位，圖片的計算公式為（ 96 64 192 32）/（768512）=96，壓縮后反而每個像素占據比特從24變到96！圖片大小非但沒有壓縮，反而增加了，這是一個糟糕的結果，很顯然浮點數不是好的選擇。
?
所以為了設計靠譜的算法，可以使用一種稱為量化的技術，它的目的是將浮點數轉換為整數或二進制數，最簡單的操作是去掉浮點數后面的小數，浮點數變成整數后只占據8比特，則表示每個像素要占據24個比特位。與之對應，在解碼端，可以使用反量化技術將變換后的特征數據恢復成浮點數，如給整數加上一個隨機小數，這樣可以一定程度上降低量化對神經網絡精度的影響，從而提高恢復圖像的質量。

即使壓縮特征中每個數據占據1個比特位，可是壓縮還是有可進步的空間。那如何進一步優化算法？再看下BPP的計算公式。

假設每個壓縮特征數據單元占據1個比特，則公式可寫成：（96641921）/(768512）=3，計算結果是3 bit/pixel，從壓縮的目的來看，BPP越小越好。在這個公式中，分母由圖像決定，我們進行調整的只有分子：96、64、192，這三個數字與網絡結構相關。所以，如果我們設計出更優的網絡結構，這三個數字也會變小。

那1與哪些模塊相關？1表示每個壓縮特征數據單元平均占據1個比特位，量化會影響這個數字，但它不是唯一的影響因素，它還與碼率控制和熵編碼有關。碼率控制的目的是在保證圖像恢復質量的前提下，讓壓縮特征數據單元中的數據分布盡可能集中、出現數值范圍盡可能小，這樣我們就可以通過熵編碼技術來進一步降低1這個數值，圖像壓縮率會進一步提升。

用深度學習做視頻壓縮，可以看作是在深度學習圖片壓縮基礎上的擴展，可結合視頻序列幀間的光流等時空信息，在單張壓縮的基礎上，進一步降低碼率。

圖鴨科技通過深度學習技術研發的圖片壓縮TNG在內部的測試上已經超過webp與BPG，下圖是在kodak24標準數據集上測評結果,分別是PSNR值與MS-SSIM值。

圖 3 圖4在kodak24標準數據集上測評結果，上圖為PSNR結果，下圖為MS-SSIM的結果

熟悉圖像壓縮的朋友可以直接通過PSNR和MS-SSIM值看出:TNG的PSNR值與MS-SSIM值明顯高于WebP、jpeg2000和jpeg；且TNG在高碼字的情況下PSNR值高于BPG，且其MS-SSIM值基本一致高于BPG

圖5圖6 低碼字情況下TNG與WebP壓縮效果對比。上圖TNG，下圖Webp

相比TNG，WebP盡管保留了更多的細節，但是其失真更多，不利于后期恢復。而TNG采用了保邊濾波的方法，讓其失真更少，整體圖像效果優于WebP。

圖7圖8 高碼字情況下TNG與BPG壓縮效果對比，上圖TNG下圖BPG

上面兩幅圖是高碼字的情況，在實際的測試中，BPG會出現上圖所示的顏色失真情況；而反觀TNG其基本不會出現這類的失真狀況。

這是因為BPG在編碼壓縮時盡管圖片時，其YUV通道是分開進行編解碼，產生了一些色差。
而TNG在編碼時考慮到了整體圖片的情況，采用了同一編碼，也就避免了上述的情況。

圖9圖10低碼字情況下TNG與BPG壓縮效果對比，上圖TNG下圖BPG

在低碼字的情況下，BPG壓縮圖片中出現了偽輪廓和塊效應等問題，整個圖片的連續性比較差；而TNG的圖片連續性和物體的輪廓保持的更好。

?
總體而言，借助于深度學習設計圖像壓縮算法是一項非常具有前景但也非常具有挑戰性的技術。目前，其已經在人臉識別等領域證明了它的強大能力，未來圖像壓縮領域的深度學習技術介入可以使大家在全面高清屏的時代有更優質的視覺體驗，同時在游戲、空間圖像傳感等領域，深度學習圖像壓縮算法的應用也將帶來更高分辨率，更小存儲空間，更少帶寬成本。

這里附上TNG的測試鏈接，大家可以自行進行測試：http://www.tucodec.com/pictur...