用于视频编解码的分组神经网络的方法以及装置制造方法及图纸

公开了一种使用分组神经网络(NN)处理的信号处理的方法以及装置。用于NN处理的当前层的多个输入信号被分组成多个输入组，所述多个输入组包括第一输入组以及第二输入组。用于所述当前层的所述神经网络处理被分成多个NN处理，所述多个NN处理包括第一NN处理以及第二NN处理。分别将所述第一NN处理以及所述第二NN处理应用于所述第一输入组以及所述第二输入组来生成用于NN处理的所述当前层的第一输出组以及第二输出组。在另一方法中，使用不同的代码类型对于NN处理的层有关的参数集进行编码。码类型对于NN处理的层有关的参数集进行编码。码类型对于NN处理的层有关的参数集进行编码。

【技术实现步骤摘要】
graph)。与前馈神经网络不同，RNN可以使用它们的内部状态(记忆)来处理输入序列。RNN可以在它们中具有环路以便允许信息持续。RNN允许对向量序列(例如输入、输出或两者中的序列)进行操作。
[0008]高效视频编解码(HEVC)标准是在ITU
‑
T视频编解码专家组(VCEG)以及ISO/IEC移动图像专家组(MEPG)标准化组织的联合视频项目下开发的，特别是与称为视频编解码联合协作小组(JCT
‑
VC)的合作。
[0009]在HEVC中，一个条带被拆分成多个编码树单元(coding tree units，简称CTU)。CTU进一步被拆分成多个编码单元(coding units，简称CU)来适应各种局部特性。HEVC支持多个帧内预测模式，并且对于帧内编码的CU，发信所选择的帧内预测模式。除了编码单元的概念，HEVC中还引入了预测单元(prediction unit，简称PU)的概念。一旦完成了CU分层树的拆分，根据预测类型以及PU分区(partition)，每一叶CU被进一步拆分成一个或多个预测单元(PU)。在预测后，与CU有关的残本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种系统中使用神经网络处理的信号处理方法，其中所神经网络处理包括神经网络处理的一个或多个层，其特征在于，所述方法包括：通过使用第一代码映射与所述神经网络处理的当前层有关的第一部分参数集以及使用第二代码映射与所述神经网络处理的所述当前层有关的第二部分参数集，来使用至少两个代码类型映射与所述神经网络处理的所述当前层有关的所述参数集；以及使用与所述神经网络处理的所述当前层有关的所述参数集将所述神经网络处理的所述当前层应用于所述神经网络处理的所述当前层的输入信号，所述参数集包括与所述神经网络处理的所述当前层有关的所述第一部分参数集以及与所述神经网络处理的所述当前层有关的所述第二部分参数集。2.如权利要求1所述的系统中使用神经网络处理的信号处理方法，其特征在于，其中所述系统对应于视频编码器或视频解码器。3.如权利要求2所述的系统中使用神经网络处理的信号处理方法，其特征在于，其中提供给所述神经网络处理的初始层的初始输入信号对应于所述视频编码器或所述视频解码器中视频信号处理流的路径中的目标视频信号，其中所述目标视频信号是提供给神经网络的所述一个或多个层的未经神经网络处理的信号。4.如权利要求3所述的系统中使用神经网络处理的信号处理方法，其特征在于，其中当所述初始输入信号对应于环路滤波信号时，所述参数集在序列级、图像级或条带级中被发信。5.如权利要求3所述的系统中使用神经网络处理的信号处理方法，其特征在于，其中当所述初始输入信号对应于后环路滤波信号时，所述参数集被发信作为补充增强信息消息。6.如权利要求3所述的系统中使用神经网络处理的信号处理方法，其特征在于，其中所述目标视频信号是提供给神经网络的所述一个或多个层的未经神经网络处理的信号，所述目标视频信号对应于从重构、去块滤波器、样本适应性偏移或适应性环路滤波中输出的已处理的信号。7.如权利要求1所述的系统中使用神经网络处理的信号处理方法，其特征在于，其中当所述系统对应于视频编码器时，所述映射与所述神经网络处理的所述当前层有关的所述参数集对应于使用所述第一代码或所述第二代码对与所述神经网络处理的所述当前层有关的所述参数集进行编码。8.如权利要求1所述的系统中使用神经网络处理的信号处理方法，其特征在于，其中当所述系统对应于视频届解码器时，所述映射与所述神经网络处理的所述当前层有关的所述参数集对应于使用...

【专利技术属性】
技术研发人员：陈庆晔，庄子德，黄毓文，柯扬，
申请(专利权)人：联发科技股份有限公司，
类型：发明
国别省市：