cnn实现图像压缩
1 主要贡献
（1）提出了一种基于CNN的图像压缩方法，该方法包括两个CNN网络（ComCNN、RecCNN）和一个标准图像编码器（可以是JPEG、JPEG2000等），其中ComCNN网络用来根据原始图像生成一个紧密的representation，该representation经过标准编码器编码，RecCNN用来根据解码器的结果重建原始图像。实际上，这篇文章依然属于post-processing方法，通过适当的后处理加工提高图像压缩的效果。
（2）提出了一种新的学习算法实现两个CNN的同时学习，解决了标准图像算法中的量化舍入函数不可微导致的反向传播梯度无法计算的问题。
2 网络结构
网络包含两个CNN网络和一个标准编码解码器。ComCNN网络在保证原始结构信息不丢失的情况下生成原始图像的紧密representation，RecCNN作为重建CNN用来巩固解码器decoder的图片的质量，两个网络之间相互配合，共同训练实现高质量的图片压缩。
2.1 ComCNN
ComCNN一共由三层构成，用来保持图像的结构空间信息，每一层都是一个卷积加上一个Relu非线性**操作。ComCNN的结构如下：