基于多任务对抗学习的视频转换方法、存储介质及终端技术

本发明专利技术提供基于多任务对抗学习的视频转换方法、存储介质及终端，其中，所述的视频转换方法通过构建了1个CycleGAN模型用于增强视频色彩对比度和1个Enhance Net模型用于增强视频分辨率，在对CycleGAN模型和Enhance Net模型进行训练之前，使得CycleGAN模型中的第一生成器和Enhance Net模型中的第二生成器之间共享网络参数，输入训练样本训练之后的CycleGAN模型中的第一生成器和Enhance Net模型中的第二生成器均能够独立的完成对视频分辨率和色彩对比度的同时增强，在对视频色彩对比度和分辨率进行转换时，节省了视频转换步骤，提高了转换效率。

Video Conversion Method, Storage Media and Terminal Based on Multi-Task Countermeasure Learning

【技术实现步骤摘要】
基于多任务对抗学习的视频转换方法、存储介质及终端
本专利技术涉及视频转换
，尤其涉及一种基于多任务对抗学习的视频转换方法、存储介质及终端。
技术介绍
随着硬件设备的不断改进，视频的质量越来越高，人们对视频质量的要求也越来越高。在20世纪80年代，VHS(VideoHomeSystem)是当时最流行一种视频存储技术，利用这个技术，人们留下了许许多多宝贵的记忆和电影。然而这个技术是使用胶带存储模拟信号的方法，而随着时间的推移，胶带会收到损坏。当数字信号存储技术出现后，人们就把一些VHS视频转换成数字信号存储下来，但是这样转换后的视频会出现一系列的失真现象，例如会发生颜色的失真、分辨率的失真和产生一些噪声等等。这些现象都会损坏视频的质量，最终得到的视频质量远远不能满足人们的需求。如何把老旧的视频(VHS视频)转换成高清视频(HDTV)成为了一个急需解决的技术问题，现有技术在进行老旧视频和高清视频之间转换时，要么只能进行色彩矫正，即把色彩对比度不高的老旧视频转换成色彩对比度更加丰富的高清视频。要么只能实现老旧视频和高清视频之间分辨率参数的增强，上述方法每次只能实现一个视频参数增强，视频本文档来自技高网...

【技术保护点】
1.一种基于多任务对抗学习的视频转换方法，其特征在于，包括步骤：构建用于增强视频色彩对比度的CycleGAN模型以及用于增强视频分辨率的Enhance Net模型；使CycleGAN模型中用于增强视频色彩对比度的第一生成器和Enhance Net模型中的用于增强视频分辨率的第二生成器之间共享网络参数；输入训练样本数据对CycleGAN模型中的第一生成器和Enhance Net模型中的第二生成器进行训练；使用训练完成的CycleGAN模型中的第一生成器或Enhance Net模型中的第二生成器对待转换视频的分辨率和色彩对比度进行增强。

【技术特征摘要】
1.一种基于多任务对抗学习的视频转换方法，其特征在于，包括步骤：构建用于增强视频色彩对比度的CycleGAN模型以及用于增强视频分辨率的EnhanceNet模型；使CycleGAN模型中用于增强视频色彩对比度的第一生成器和EnhanceNet模型中的用于增强视频分辨率的第二生成器之间共享网络参数；输入训练样本数据对CycleGAN模型中的第一生成器和EnhanceNet模型中的第二生成器进行训练；使用训练完成的CycleGAN模型中的第一生成器或EnhanceNet模型中的第二生成器对待转换视频的分辨率和色彩对比度进行增强。2.根据权利要求1所述的基于多任务对抗学习的视频转换方法，其特征在于，输入训练样本数据对CycleGAN模型中的第一生成器和EnhanceNet模型中的第二生成器进行训练之前包括：对训练样本数据进行归一化处理。3.根据权利要求1所述的基于多任务对抗学习的视频转换方法，其特征在于，输入训练样本数据对CycleGAN模型中的第一生成器和EnhanceNet模型中的第二生成器进行训练之前还包括：对CycleGAN模型和EnhanceNet模型中的损失函数进行定义。4.根据权利要求3所述的基于多任务对抗学习的视频转换方法，其特征在于，输入训练样本数据对CycleGAN模型中的第一生成器和EnhanceNet模型中的第二生成器进行...

【专利技术属性】
技术研发人员：罗鸿铭，周飞，廖广森，侯贤旭，邱国平，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东,44