Séance de cours

Compression des données et théorème de Shannon: Récapitulation

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

CS-119(d): Information, calcul, communication

L'objectif de ce cours est d'introduire les étudiants à la pensée algorithmique, de les familiariser avec les fondamentaux de l'Informatique et de développer une première compétence en programmation (langage C++). ...

Description

Cette séance de cours couvre les concepts d'entropie, de compression sans perte, d'algorithme Shannon-Fano, de théorème Shannon, de codage Huffman et de compression avec perte. Il explique comment représenter efficacement les séquences de lettres en utilisant des questions et des réponses binaires. L'instructeur illustre les principes avec des exemples et discute des méthodes de compression optimales.

Enseignant·e

Jean-Cédric Chappelier

Jean-Cédric Chappelier est ingénieur diplômé et docteur de l'Ecole Nationale Supérieure des Télécommunications de Paris. Il est actuellement collaborateur scientifique et chargé de cours à l'Ecole Polytechnique Fédérale de Lausanne où il participe à l'activité de recherche et enseigne, entre autres, dans le domaine du traitement automatique des langues.

Source officielle

Proximité ontologique

Information engineering

Traitement du signal: Compression de données

Concepts associés (26)

Audio coding format

An audio coding format (or sometimes audio compression format) is a content representation format for storage or transmission of digital audio (such as in digital television, digital radio and in audio and video files). Examples of audio coding formats include MP3, AAC, Vorbis, FLAC, and Opus. A specific software or hardware implementation capable of audio compression and decompression to/from a specific audio coding format is called an audio codec; an example of an audio codec is LAME, which is one of several different codecs which implements encoding and decoding audio in the MP3 audio coding format in software.

Compression artifact

A compression artifact (or artefact) is a noticeable distortion of media (including , audio, and video) caused by the application of lossy compression. Lossy data compression involves discarding some of the media's data so that it becomes small enough to be stored within the desired or transmitted (streamed) within the available bandwidth (known as the data rate or bit rate). If the compressor cannot store enough data in the compressed version, the result is a loss of quality, or introduction of artifacts.

Video coding format

A video coding format (or sometimes video compression format) is a content representation format for storage or transmission of digital video content (such as in a data file or bitstream). It typically uses a standardized video compression algorithm, most commonly based on discrete cosine transform (DCT) coding and motion compensation. A specific software, firmware, or hardware implementation capable of compression or decompression to/from a specific video coding format is called a video codec.

Code universel

En compression de données, un code universel est un code préfixe dont les mots ont une longueur dont l'espérance mathématique ne dépasse pas celle de la longueur des mots du code optimal à un facteur constant près. Les codages gamma, delta et omega d'Elias, les codages Zeta, de Fibonacci, de Levenshtein, d'Even-Rodeh produisent des codes préfixes et universels. Les codages unaire, de Rice et de Golomb produisent des codes préfixes non universels. Codage entropique Catégorie:Codage entropique Catégorie:Théo

JPEG-LS

JPEG-LS (souvent surnommé Lossless JPEG) est une norme de compression sans perte (donc réversible), basée sur l'algorithme LOCO-I (LOw COmplexity LOssless COmpression for Images) et évaluée par le Joint Photographic Experts Group, dont la notoriété est reconnue pour les formats de compression JPEG ISO/CEI 10918-1 et JPEG 2000. Dans JPEG-LS la compression est réalisée par la combinaison d'un codage adaptatif (extension des codes de Golomb) avec un codeur entropique proche du codeur de Huffman pour les zones à faible entropie.

Afficher plus

Séances de cours associées (32)

Compression de données et théorème de Shannon: Compression de perte

Explore la compression des données, y compris les méthodes sans perte et la nécessité de la compression sans perte pour les nombres réels et les signaux.

Compression des données et résumé du théorème de Shannon

Résumé du théorème de Shannon, soulignant l'importance de l'entropie dans la compression des données.

Compression des données et théorème de Shannon: Codes Huffman

Explore les performances de l'algorithme Shannon-Fano et introduit des codes Huffman pour une compression efficace des données.

Compression de données et théorème de Shannon: Exemple de calcul d'entropie

Démontre le calcul de l'entropie pour un exemple spécifique, résultant en une valeur d'entropie de 2,69.

Compression des données et entropie: Compression

Explore les techniques de compression des données sans perte, en mettant l'accent sur la représentation efficace des messages et les stratégies d'encodage.

Afficher plus

Concepts associés (26)