基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法及装置制造方法及图纸

本发明专利技术公开了一种基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法及装置，涉及视频编码领域，该方法包括：获取屏幕内容视频，将128

【技术实现步骤摘要】
基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法及装置


[0001]本专利技术涉及视频编码领域，具体涉及一种基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法及装置。

技术介绍

[0002]随着多媒体通信技术和视频终端设备的快速发展，对屏幕视频编码技术提出了更高的要求。由于H.265/HEVC
‑
SCC已不能满足超高清屏幕视频压缩性能要求，运动图像专家组（MPEG）和视频编码专家组（VCEG）成立了JVET，制定了新一代视频编码标准H.266VVC，并且在H.266VVC的早期版本中就加入了针对屏幕内容视频的编码技术。
[0003]相比于H.265/HEVC
‑
SCC，H.266VVC取得较高的编码效率。H.266VVC增加了四种CU划分方式，包括水平二叉树，水平三叉树，垂直二叉树，垂直三叉树，CU面临6种选择，标准编码器需要将5781种可能都执行一次，并记录其代价，最终比较哪种组合的代价最小，作为最终的划分结果。此外，H.266VVC还针对屏幕内容视频引入了新的编码技术，如IB本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法，其特征在于，包括以下步骤：获取屏幕内容视频，采用标准编码器对所述屏幕内容视频进行编码，将128
×
128大小的编码树单元CTU直接划分为64
×
64大小的编码单元CU；构建多任务学习网络模型并训练，得到经训练的多任务学习网络模型，所述多任务学习网络模型包括主干网络、第一子网络和第二子网络，所述第一子网络和第二子网络分别与所述主干网络连接，所述主干网络用于提取CU特征，将所述CU特征输入所述第一子网络，预测得到CU划分类型及其对应的预测概率，将所述CU特征输入所述第二子网络中，预测得到编码模式及其对应的预测概率，将所述CU划分类型作为预测结果或者根据所述CU划分类型及其对应的预测概率、编码模式及其对应的预测概率和临近CU的划分类型综合确定预测结果；在标准编码器的编码过程中，调用所述经训练的多任务学习网络模型，将所述64
×
64大小的CU输入经训练的多任务学习网络模型，得到第一预测结果，根据所述第一预测结果进行CU划分；响应于确定所述第一预测结果为划分，则将所述64
×
64大小的CU划分为4个32
×
32大小的CU，将所述32
×
32大小的CU输入经训练的多任务学习网络模型，得到第二预测结果，根据所述第二预测结果进行CU划分。2.根据权利要求1所述的基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法，其特征在于，所述主干网络包括依次连接的第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层，所述第一卷积层、第二卷积层、第三卷积层、第四卷积层的卷积核大小均为3
×
3，步长为1，填充为1，通道数分别为64、64、128、128。3.根据权利要求1所述的基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法，其特征在于，所述第一子网络包括依次连接的第五卷积层、第六卷积层和三个第一全连接层，所述第五卷积层和第六卷积层的卷积核大小均为1
×
1，步长为1，填充为1，通道数分别为256、256，3个第一全连接层的神经元数分别为16384、512、2或者6，dropout比率为0.3。4.根据权利要求1所述的基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法，其特征在于，所述第二子网络包括依次连接的第七卷积层、第八卷积层和三个第二全连接层，所述第七卷积层和第八卷积层的卷积核大小均为1
×
1，步长为1，填充为1，通道数分别为256、256，3个第二全连接层的神经元数分别为16384、512、4，dropout比率为0.25。5.根据权利要求1所述的基于多任务学习的H.266VVC屏幕内容帧内CU快速划分方法，其特征在于，所述根据所述第一预测结果进行CU划分，具体包括：响应于确定第一预测结果的CU划分类型为不划分，则终止率失真优化搜索过程；响应于确定第一预测结果的CU划分类型为划分，则将64
×
64大小的CU划分为4个32
×
32大小的CU；所述根据所述第二预测结果进行CU划分，具体包括：响应于确定第二预测结果的CU划分类型为不划分，则终止率失真优化搜索过程；响应于确定第二预测结果的CU划分类型为四叉树划分，则得到4个16
×
16大小的CU；响应于确定第二预测结果的CU划分类型为水平二叉树划分，则得到2个16
×
32大小的CU；响应于确定第二预测结果的CU划分类型为垂直二叉树划分，则得到2个32
×
16大小的
CU；响应于确定第二预测结果的CU划分类型为水平三叉树划分，则得到2个8
×
32大小的CU和1个16
×
32大小的CU；响应于确定第...

【专利技术属性】
技术研发人员：曾焕强，焦超，陈婧，朱建清，郭荣新，张联昌，
申请(专利权)人：华侨大学，
类型：发明
国别省市：