问题标签 [quantization]

这是一个中期问题，我不知道如何计算。

一首 CD 质量的立体声歌曲已保存在您的计算机上，占用 35.28 MB 的存储空间。CD 质量要求我们具有 16 位量化以及 44.1 KHz（样本/秒）的统一采样。找出这首歌的持续时间（提示：1 字节=8 位）。

当图像宽度和高度是 100 的倍数时，NeuQuant.js效果很好：

300x300

否则，显然有一个错误：

299x300

（这些是用这个网络应用程序制作的。）

我有 90% 的把握这个错误在 NeuQuant.js 中。我已经使用jsgif和omggif进行了测试，两个编码器都有相同的错误。只有当图像大小不是 100 的倍数时，摄影图像（量化为 256 色）才明显。

如果您了解神经网络、颜色量化和/或将 AS3 移植到 JS 的问题，请查看。原来的搬运工已经放弃了这个项目，离工作这么近！

这是我在使用 OMGGIF 的工作人员中实现它的代码：

以及所有NeuQuant.js：

我正在编写一个脚本，该脚本采用 .xwd 图像，在其上运行 wxdtopnm，然后将其通过管道传输到 ppmtogif。基本上：

但是，有时我会收到错误消息

好吧，我尝试了 ppmquant，长话短说，该选项不可用。我偶然发现了pamdepth并想尝试一下。但是，我找不到关于如何正确使用它的实际示例，而且我也不完全是 tcl 专家。

我试过

但这没有用。我收到消息

有人可以举一个如何正确使用 pamdepth 的例子吗？

首先，有人能解释一下向量量化是什么，它的目的以及它的作用吗？其次，对如何使用 k-means 进行此操作的解释也将不胜感激。

作为记录，我不知道这是否会对解释产生影响，但我试图在边界描述符的上下文中了解向量量化。如果我为图像中的特定片段计算了多个边界描述符，并且我想使用 k-means 对它们进行矢量量化，这意味着什么，这会做什么，我为什么要这样做，以及我会怎么做它？

我正在尝试将表面法线量化为 8 个 bin。

例如，当计算像HOG这样的特征 以将 2D 梯度量化[x,y]为 8 个 bin 时，我们只取与 y 平面的角度，即arctan(y/x)这将给我们一个介于 0-360 之间的角度。

我的问题是，给定 3D 方向[x,y,z]，在这种情况下为表面法线，我们如何以类似的方式对其进行直方图？我们是否只是投影到一个平面上并使用该角度，例如[x,y,z]和的点积？[0,1,0]

谢谢

编辑

我最近还阅读了一篇论文，其中他们通过测量法线和预先计算的向量之间的角度来量化表面法线，这些向量围绕正圆锥形状排列。我在问题中添加了本文的链接（第 3.3.2 节最后一段），这是一种有效的方法吗？如果是这样，我们如何计算这些向量？

关于非线性量化技术：我们有“QIM”（量化指数调制）。该技术使用一些步长（量化因子）增量的量化器来量化原始信号的样本。在对量化步长进行研究后，我注意到最后一个可以小或大。

在那之后，我有两个问题：

1）量化步长的范围值是多少？

2）可以将0.1设置为量化步长值以获得非常低的失真？

此致，

李斯特

我目前正在开发一个手势识别应用程序，使用隐马尔可夫模型作为 matlab 上的分类阶段（使用网络摄像头）。我已经完成了包括特征向量提取在内的预处理部分。我已将主成分分析 (PCA) 应用于这些向量。

现在让我使用 Kevin Murphy 的 HMM 工具箱，我需要我的观察序列采用从 1 到 M 的数字（整数）形式（M = 观察符号的数量）。如果我是正确的，那么我必须使用码本的概念并使用矢量量化来获得我的观察序列。

我的问题：

1. 如何构建密码本？
2. 以及如何使用此码本获取输入视频的观察符号？

注意：我使用椭圆傅里叶描述符进行形状特征提取，对于每个手势，PCA 值都存储在尺寸为 [11x220] 的矩阵中（视频中的帧数 = 11）

接下来我该怎么做？有没有其他方法可以获得特征向量而不是椭圆傅里叶描述符？

I have some data in a csv. I want to get the first and the last decile of all the numbers. I think I might need to use d3.scale.quantize() but I do not know how...

Thanks for your help I'm stuck since a while.

我有一个量化函数并减少图像的位深度，然后增加它并与原始图像进行比较。结果我需要一个这样的表：（MSE：均方误差）

但我对压扩和统一量化了解不多。这是我的职责。

请帮帮我...

我目前正在使用隐藏马尔可夫模型做一个说话人验证项目，还没有准确的语音信号结果，尽管我已经测试了系统的各种数据样本（不涉及语音）。

我使用 scikits talkbox 提取了语音信号的 MFCC。我假设不必更改任何参数，并且默认参数已经适合此类项目。我怀疑我的问题在于 mfcc 向量的向量量化。我使用 scipy 的 kmeans 聚类函数选择了 kmeans 作为我的算法。我想知道这种工作是否有规定数量的集群。我最初将我的设置为 32。我的语音文件的采样率为 8000 和 22050。哦，另外，我录制了它们并使用 Audacity 手动删除了静音。

有什么建议么？