用人工智能压缩图像的尝试和计算

设图像为3000×4000像素，神经元网络为(2,6,6,3)，它有2个输入，为(x,y)，3个输出，为(R,G,B)。输入(x,y)坐标，得到一个像素的值。

参数定义：
n：神经元网络中的参数个数
N：运行神经元网络一次的运算量
m：训练样本个数，在这里就是像素的个数
p：训练几轮
L₁：训练时的运算量
L₂：播放时的运算量

具体计算：
n=18+42+21=81参数
N≈100次
81参数×4字节/参数=324字节
设压缩率约1/100，则压缩前32400字节
32400字节÷3字节/像素=10800像素
约100×100像素
每幅图有3000/100×4000/100=1200包
一个包里有一个神经元网络

每包中：
p=100，m=10000，N=100
L₁=pmN²=10G
L₂=mN=1M

总的运算量：
L₁=10G×1200=12T
L₂=1M×1200=1.2G

压缩率=324字节÷30000字节=1/92
设计算机的运算能力为10G次/秒
T₁=12T÷10G=1200秒=20分钟(压缩一张照片)
T₂=1.2G÷10G=0.12秒(显示一张照片)

纠正

每个包里有10000像素，对偏差最大的10个像素进行纠正。纠正一个像素需要5字节：
x：100个值，7比特
y：100个值，7比特
R：±128，8比特
G：±128，8比特
B：±128，8比特
共38比特，占用5字节。

数据结构：
len：2字节
ANN：324字节
纠正：5×10字节

压缩率=(2+324+5×10)×1200/(3000×4000×3)=1/80

如何计算像素的偏差？
Δcolor²=ΔR²+ΔG²+ΔB²
取偏差较大的像素进行纠正。

变比特率

如果包中的图像很简单，就没有必要使用复杂的神经元网络。分多种情况，从简单到复杂，编码时依次尝试，直到编码结果“合格”。
①纯色，(R,G,B)，3字节
②(2 3)，n=9，36字节
③(2 4 3)，n=12+15=27，108字节
④(2 6 6 3)，n=18+42+21=81，324字节
所谓的合格，就是求两幅图像的“距离”，包括平方距离和指数距离。
Σ(ΔR²+ΔG²+ΔB²)
Σ(e^ΔR+e^ΔG+e^ΔB)