一种基于卷积神经网络的高效视频编码方法及系统技术方案

本发明专利技术属于视频编码技术领域，提供了一种基于卷积神经网络的高效视频编码方法，包括步骤：S1、采用高效视频编码器编码视频序列，并获取待编码视频序列的编码树单元；S2、通过VGGNet卷积网络输出编码树单元中不同等级的编码单元划分预测结果；S3、根据预测结果确定各等级最优的编码单元划分，并将待编码视频序列按照各等级的编码单元划分进行编码。本发明专利技术还提供了一种基于卷积神经网络的高效视频编码系统，本发明专利技术的优点在于以VGGNet网络模型为核心，设置了快速高效划分CU的网络结构。在增加网络深度的同时降低了参数量，既保证了预测结果的准确率，又大幅度降低了算法的计算复杂度。度。度。

【技术实现步骤摘要】
一种基于卷积神经网络的高效视频编码方法及系统


[0001]本专利技术涉及视频编码
，尤其涉及一种基于卷积神经网络的高效视频编码方法及系统。

技术介绍

[0002]视觉传感技术和多媒体技术的发展使视频服务得到了广泛应用，但也对视频信息的编码和传输提出更高的要求。目前，高效视频编码(highefficiency video coding，HEVC)作为应用最广的视频编码标准，通过灵活的四叉树划分结构、多样化预测单元(prediction unit，PU)和转化单元(transform unit，TU)、35种不同的帧内预测模式等核心技术使其编码性能得到了很大提升。其中，四叉树划分结构可以对编码单元(coding unit，CU) 进行有效划分，但其需要依靠蛮力进行递归率失真优化搜索，遍历所有深度以获得最优的CU划分结果。这导致了其整体编码复杂度比H.264增加了 253％左右，也给帧内编码增加了巨大的计算量。
[0003]目前，针对CU划分的改进方法可以分为传统方法和基于深度学习的方法。传统方法中，通常是对递归的率失真优化遍历搜索进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的高效视频编码方法，其特征在于，包括步骤：S1、采用高效视频编码器编码视频序列，并获取待编码视频序列的编码树单元；S2、通过VGGNet卷积网络输出待编码帧中不同等级的编码单元划分预测结果；S3、根据预测结果确定各编码单元的等级划分，并将待编码视频序列按照预测出的编码单元划分结果进行编码。2.根据权利要求1所述的一种基于卷积神经网络的高效视频编码方法，其特征在于，建立步骤S2中所述的VGGNet卷积网络的步骤包括：获取预设数据库中的图像；通过所述图像获取图像中的编码树单元；对所述编码树单元进行预处理；将预处理后的编码树单元经过VGGNet卷积网络模型进行训练，得到不同等级的编码单元划分结果。3.根据权利要求2所述的一种基于卷积神经网络的高效视频编码方法，其特征在于，所述VGGNet卷积网络模型包括三个分支，所述三个分支分别预测三个等级的编码单元划分结果。4.根据权利要求3所述的一种基于卷积神经网络的高效视频编码方法，其特征在于，每个分支中包括三个卷积层，每个卷积层中包括三个大小相同的卷积核堆叠。5.根据权利要求4所述的一种基于卷积神经网络的高效视频编码方法，其特征在于，在各个分支中设置有特征金字塔结构，在最后两层卷积层进行特征融合。6.根据权利要求5所述的一种基于卷积神经网络的高效视频编码方法，其特征在于，进行特征融合的过程具体为：将...

【专利技术属性】
技术研发人员：朱仲杰，秦丽明，白永强，谢智波，郑敏华，
申请(专利权)人：浙江万里学院，
类型：发明
国别省市：