Confronto tra la compressione con quantizzazione e machine learning

In questa tesi viene trattato il tema della compressione dati di tipo lossy, effettuata attraverso l'algoritmo di Linde, Buzo, Gray (LBG) e l'autoencoder. Abbiamo introdotto i due metodi analizzandone funzionamento e prestazioni sotto gli aspetti di complessità computazionale e occupazione di memoria. Infine, li abbiamo confrontati in termini di qualità di compressione e regioni di decisione, valutando anche gli aspetti sopra citati. A parità di bit usati per la compressione, il risultato è che l'autoencoder effettua una ricostruzione migliore rispetto all'algoritmo LBG, pagando però il prezzo di una maggiore complessità computazionale in fase di training e una maggiore occupazione di memoria.