H264學習筆記-名詞解釋（備忘+不定期更新）
- 量化
- 量化過程在不降低視覺效果的前提下應儘量減少影象編碼長度，減少視覺回覆中不必要的資訊。H.264採用標量量化技術，它將每個影象樣點編碼對映成較小的數值。一般標量量化器的原理為：
FQ=round(yQstep) 其中y為輸入樣本點編碼，Qstep 為量化步長，FQ為y的量化值，round()為取整函式（其輸出為與輸入最近的整數）。 - 量化步長
Qstep ，決定量化器的編碼壓縮率及影象精度。Qstep 大，則FQ動態範圍小，相應的編碼長度較小，反量化時損失較多的影象細節；Qstep 小，則FQ動態範圍大，相應的編碼長度也較大，但影象細節損失較小。- QP
- 量化引數,是量化步長的序號。當QP區取最小值0時代表最精細的量化，當QP取最大值51時代表最粗糙的量化。QP每增加6，量化步長增加一倍。(最終的H.264草案規定，亮度QP最大值是51，色度QP最大值是39)
- IDR幀
- I P P P I P P P I P P P
|-序列-|
一個序列的第一幀叫做IDR幀（即時解碼重新整理幀），IDR幀都是I幀。當解碼器解碼到IDR幀時，立即將參考幀佇列清空，將已解碼的資料全部輸出或拋棄，重新查詢引數集，開始一個新的序列。IDR幀之後的幀永遠不會引用IDR幀之前的幀資料來解碼。IDR幀一定是I幀，I幀不一定是IDR幀，一個序列中可以有很多的I幀，I幀之後的幀還可以應用I幀之間的幀做運動參考。
相關推薦
H264學習筆記-名詞解釋（備忘+不定期更新）
量化 量化過程在不降低視覺效果的前提下應儘量減少影象編碼長度，減少視覺回覆中不必要的資訊。H.264採用標量量化技術，它將每個影象樣點編碼對映成較小的數值。一般標量量化器的原理為：FQ=round(y
FJOI遊記（日記向 不定期更新）
更新 爆發 省選 內心 我會 body post mmm 實力 emmmm說實話只是突發奇想開個blog記錄記錄自己的內心想法罷了。。 2017/12/22：刷了一周的計算幾何。。刷的死去活來。。結果還是被D慘了。。。譬如都不會考，要考我都不會什麽的。。。感覺內心有些小打擊
python學習筆記第八節（函數的相關作業）
.com 制作 記得 -1 字典 不能 函數 添加 對象 查看函數內部的註釋 導入一個模塊 加入一個裝飾器，讓用戶調用函數的時候查看註釋是函數本身的而不是裝飾器的 調用加了裝飾器的源代碼功能 更改函數的註釋信息 作業第四題，登錄一次後面函數無須重復登錄 函數內
【CV學習筆記】———— 基本圖片處理知識（此坑還未填完，不定期更新）
題外話：最近一段時間學校比賽賊多，都是一些創新創業類的，超級費腦子，每天晚上都是一波頭腦風暴，找老師找小夥伴一起討論，每次都是第一天的點子第二天就被我們自己否決了，不得不說，創新創業類的比賽發現機會的眼光很重要，勇氣更重要 ——————————————————————————以下為正文—
菜鳥教程PHP學習筆記（不定期更新）
NO.1—PHP表單驗證 程式碼詳細註釋版 <!DOCTYPE HTML> <html> <head> <meta charset="utf-8"> <title>菜鳥教程(runoob.com)</title>
Java第十天學習筆記~面向物件（介面應用、多型）
介面的應用 暴露的規則 使用規則 實現規則 這些裝置和電腦的耦合性降低了 interface USB //暴露的 規則 { public void open(); public void close(); } class BookPC
STM32個人學習筆記-第二集（F4GPIO暫存器介紹）
STM32個人學習筆記-第二集 一，GPIO口暫存器 GPIO有九組IO口，分別用大寫字母表示，即，x=A/B/C/D/E/F/G/H/I. IO口可以由軟體配置成如下8種模式 1，輸入浮空 2，輸入上拉 3，輸入下拉 4，模擬輸入 5，開漏輸出 6，推輓輸出
微擎學習筆記--路由解析（地址對應的檔案目錄）
當傳入的 c 值為 “site”, a 值為 “entry”時則是一個模組路由，m則表示模組對應的名稱，該頁面對應的檢視和控制器檔案都在 do=web表示模組的後臺管理 r=shop.adv表示檢視及控制器的名稱 控制器對應的路徑:addons\ewei_sho
Golang 學習筆記（不定期更新）
本文主要記錄作者使用 Go 開發過程中的問題及總結。 1）不同檔案屬於同一個 package，每個 go 檔案如果有 init(), 則全部 init() 會預設執行，根據包的匯入先後及遞進關係來先後執行；同一個檔案可以有多個同名 init 函式，即不會出現重
【CV學習筆記】———— 基本圖片處理知識（此坑還未填完，不定期更新）
題外話：最近一段時間學校比賽賊多，都是一些創新創業類的，超級費腦子，每天晚上都是一波頭腦風暴，找老師找小夥伴一起討論，每次都是第一天的點子第二天就被我們自己否決了，不得不說，創新創業類的比賽發現機會的眼光很重要，勇氣更重要 ———————————————————
Pandas學習筆記（不定期更新）
1.如何使用Pandas處理大資料檔案 reader=pd.read_csv('xxx.csv', iterator=True) #分塊讀取 chunkSize = 10000000 #一次讀取一千萬
【前端學習筆記】專案經驗積累（不定期更新）
樣式重置—————————————————————————– /* reset */ body,h1,h2,h3,h4,h5,p,dl,dd,ul,ol,form,input,textarea,th,td,select { margin:0; pa
TensorFlow學習筆記——LeNet-5（訓練自己的資料集）
在之前的TensorFlow學習筆記——影象識別與卷積神經網路（連結：請點選我）中瞭解了一下經典的卷積神經網路模型LeNet模型。那其實之前學習了別人的程式碼實現了LeNet網路對MNIST資料集的訓練。而這篇文章是想自己完成LeNet網路來訓練自己的資料集。LeNet主要用來進行手寫字元的識別與分類，下
【整理】常用電子設備功耗（不定期更新）
沒事 標準 優酷 運行 充電 電子 組裝 由器 1.2 NAS 關機：1.4W（我擦，關機還耗電，還不少） 待機：20W 運行：20W+每塊3.5寸硬盤5W PC 關機：1.2W 待機：45W（要不是你太吵，那你當nas也可以） 處理器滿負荷：100W 顯卡滿負荷：180
近來學習感悟（不定期更新）
首先總結一下最近學習的東西： STL較為常用的資料結構如Map、Set、Stack、String、List、Queue、Priority_queue的一些基礎例子和用法（瞭解了部分的實現及底層） Coursera 上 Andrew Ng 教授的機器學習
Spring Boot2 + JDK11使用筆記（不定期更新）
下面描述的問題和解決方法全部基於Gradle構建,Maven使用者自行轉換 異常處理 Caused by: java.lang.NoClassDefFoundError: javax/xml/b
【leetcode】leetcode 刷題 筆記 （不定期更新）
237.Delete Node in a Linked List 題目要求只給定連結串列中一個節點的前提下，刪除該節點。注意這裡題目並沒有給出對連結串列的引用，因而我們無法遍歷連結串列得到前驅。有一個思路確實很好，它並不是刪除連結串列的節點，而是把該節點的內容改為下一個節
學習資料（不定期更新）
一手資料 一手資料當然是Google官方給出的資料，這裡往往是英文版的，營養價值極高。只要英文還可以(不行就是線上翻譯工具)+翻牆工具，強烈建議直接看Android官網的資料。可以Chrome瀏覽器+Google翻譯外掛，哪裡不會點哪裡，嘿，下面列出這些一手資
目前最全的機器學習知識結構圖（11月1日更新）
機器學習、深度學習、python基礎、數學基礎、學習分類、專案構建流程、最常用的學習框架悉數列出 。 如有不足請留言補充，也可關注我微訊號，留言即可。請大家掃描二維碼關注我的微信公眾號。本公眾號每天
Linux 相關學習內容（不定期更新）
## Linux 主要目錄 | / | 根目錄，在 linux 下有且只有一個根目錄，所有的東西都是從這裡開始 | | ----------- | ------------------------------------------------------------ | | /bin