对使用卷积神经网络的低带宽环境进行物联网远程桌面协议的优化
Hejun Wang1, Kai Deng1, Guoxin Zhong1
1Institute of Computer Application, China Academy of Engineering Physics, Mianyang 621900, China.
Sensors (Basel, Switzerland)
|February 24, 2024
概括
这项研究优化了远程桌面图像质量和带宽,使用一种基于CNN的RFB协议. 它显著减少了带宽的使用,同时提高了物联网GUI应用程序的视觉保真度.
科学领域:
- 计算机科学 计算机科学
- 图像处理 图像处理
- 网络工程 网络工程
背景情况:
- 远程桌面工具对于效率至关重要,但压力带宽.
- 对于远程桌面的传统JPEG压缩会导致质量损失.
- 深度学习提供了先进的图像压缩替代方案.
研究的目的:
- 在远程物联网GUI场景中优化桌面图像质量和带宽.
- 使用CNNs引入一个改进的远程缓冲器 (RFB) 协议.
- 为了提高远程桌面图像处理中的视觉感知.
主要方法:
- 开发了一个优化的RFB协议,结合了卷积神经网络 (CNN) 图像压缩算法.
- 专注于用于桌面图像处理的人类视觉感知.
- 对未经优化的RFB协议进行性能评估.
主要成果:
- 与未优化的RFB相比,实现了30%-80%的带宽节省.
- 使用PSNR和MS-SSIM指标,证明了远程桌面图像质量的提升.
- 提供卓越的桌面图像传输质量.
结论:
- 基于CNN的优化RFB协议可以大大降低带宽.
- 拟议的方法可以改善远程桌面应用程序的图像质量指标.
- 这种方法提高了远程物联网GUI系统的效率和用户体验.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.8K
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.3K
