| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Silva, Eduardo Peixoto Fernandes da | - |
| dc.contributor.author | Rosemberg, Tomás Rosário | - |
| dc.identifier.citation | ROSEMBERG, Tomás Rosário. Aplicação de redes neurais para codificação rápida de vídeo usando o H.265/HEVC. 2019. xi, 28 f. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2019. | pt_BR |
| dc.description | Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019. | pt_BR |
| dc.description.abstract | A compressão de vídeo é uma área de estudo em constante desenvolvimento, com a grande demanda de consumo de vídeos, os quais evoluem em termos de tamanho e qualidade, o que demanda constante melhoria. Desta forma ela recebe diversas propostas de incorporação de estudo de outras áreas, visando agregar conhecimento e resultado. Embora alguns codificadores padrão, como o H.265/HEVC, ofereçam um excelente desempenho de taxa-distorção, eles o fazem com um alto custo computacional. Ao mesmo tempo, a inteligência artificial tem atraído cada vez mais atenção. Neste trabalho propomos a incorporação da Inteligência Artificial como meio de acelerar a compressão baseada no padrão H.265/HEVC, utilizando redes neurais para tentar predizer uma tomada de decisão que ocorre neste formato. Compara-se os resultados obtidos usando redes neurais desenvolvidas com o framework Tensorflow [1] usando a linguagem de programação Python, com o modo padrão do codificador HM 16.20 respeitando as regras do CTC. Como questão adicional são propostas possibilidades de melhorias para futuro desenvolvimento. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Inteligência artificial | pt_BR |
| dc.subject.keyword | Linguagem de programação (Computadores) | pt_BR |
| dc.subject.keyword | Redes neurais (Computação) | pt_BR |
| dc.title | Aplicação de redes neurais para codificação rápida de vídeo usando o H.265/HEVC | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2020-07-22T20:01:12Z | - |
| dc.date.available | 2020-07-22T20:01:12Z | - |
| dc.date.submitted | 2019-11-28 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/24562 | - |
| dc.language.iso | Português | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
| dc.description.abstract1 | Video compression is a constantly evolving field of study, with the high demand for video consumption, which evolves in terms of size and quality, it needs to be constantly improving. So it receives several proposals for incorporation from other areas, expecting to aggregate knowledge and results. Although some compressors, like the H.265/HEVC, achieves a great result for the distortion rate, it does have high computational cost. Simultaneously, Artificial Intelligence is attracting more and more attention. In this work, we propose the incorporation of Artificial Intelligence as a way of accelerate compression based on the H.265 / HEVC standard, using neural networks to try to predict decision that is taken this format. The results obtained using neural networks created with the Tensorflow [1] structure using a Python programming language, are compared with the default mode of the HM 16.20 encoder, respecting the CTC rules. As an additional issue is proposed the possibility of improving the work for future development. | pt_BR |
| Aparece na Coleção: | Ciência da Computação
|
