liaojq2020的博客

一、文章出处本文题为《Rate Control Method Based on Deep Reinforcement Learning for Dynamic Video Sequences in HEVC》，文章链接：原文链接，加载过程较慢容易出现问题，提供资源分享下载链接：分享链接二、主要内容文章提出一种基于强化学习的 HEVC 速率控制算法，通过对 encoder 端帧内预测的决策过程分析与建模最终通过强化学习解决问题。1.一些概念① frame-level and CTU-levelI

文章提出一种基于强化学习的 HEVC 帧内预测速率控制算法，通过对 encoder 端帧内预测的决策过程分析与建模最终通过强化学习解决问题。

DRQN (Deep Recurrent Q-Network) 是一种将 Q-network 和 RNN 结合解决部分可观测马尔可夫决策过程的方法，本文通过每句代码的详细注释，清楚的解释了通过 DQRN 算法解决强化学习中经典问题 gridworld 的方法，便于读者更好的学习强化学习、理解强化学习与深度学习和其他机器学习方法之间的关系。

一、文章出处本文题为《Reinforcement Learning for Video Encoder Control in HEVC》，文章链接：原文链接，加载过程较慢容易出现问题，提供资源分享下载链接：二、主要内容文章提出一种基于强化学习优化 HEVC encoder 端控制的算法，通过对 encoder 端决策过程分析与建模最终通过强化学习解决问题。1.一些概念① episodesWe view the encoding procedure as a sequence of recurr