画质修复模型训练方法技术

本发明专利技术公开了一种画质修复模型训练方法

【技术实现步骤摘要】
画质修复模型训练方法、装置、设备及存储介质


[0001]本专利技术涉及视频处理
，尤其涉及一种画质修复模型训练方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]动画动漫是一种受到广泛欢迎的艺术形式，它在电影
、
电视和游戏等领域中扮演着重要的角色
。
然而，由于技术限制和成本考虑，许多经典动画作品在制作过程中被限制在低分辨率下
。
老动画在现代高清电视和屏幕上播放时显得模糊和失真，且存在很多画质问题
。
对动画进行处理修复使其能够达到高清质量，对动画行业具有重要的背景意义
。
[0003]现有技术在进行画质修复过程中通常是采用基于深度学习的真实世界视频超分辨率技术方法进行视频画质修复
。
然而，现有技术的画质修复方式容易造成动画修复结果不干净，存在空心线伪影
、
杂乱噪声等问题，从而导致对视频的恢复效果和修复质量不佳
。

技术实现思路

[0004]本专利技术提供了一种画质修复模型训练方法
、
装置
、
设备及存储介质，以提高对视频画质的恢复效果和修复质量
。
[0005]根据本专利技术的一方面，提供了一种画质修复模型训练方法，所述方法包括：
[0006]确定与目标修复任务关联的目标高清视频片段；
[0007]对所述目标高清视频片段进行降质处理，得到所述目标高清视频片段对应的目标低质视频片段；
[0008]将所述目标低质视频片段输入至预先构建的第一网络模型得到模型输出，并根据模型输出和对应的目标高清视频片段对所述第一网络模型进行模型训练，直到满足预设的第一模型训练结束条件，得到目标画质修复模型
。
[0009]根据本专利技术的另一方面，提供了一种画质修复模型训练装置，所述装置包括：
[0010]高清片段确定模块，用于确定与目标修复任务关联的目标高清视频片段；
[0011]低质片段确定模块，用于对所述目标高清视频片段进行降质处理，得到所述目标高清视频片段对应的目标低质视频片段；
[0012]目标修复模型确定模块，用于将所述目标低质视频片段输入至预先构建的第一网络模型得到模型输出，并根据模型输出和对应的目标高清视频片段对所述第一网络模型进行模型训练，直到满足预设的第一模型训练结束条件，得到目标画质修复模型
。
[0013]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的画质修复模型训练方法
。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的画质修复模型训练方法
。
[0018]本专利技术实施例技术方案通过确定与目标修复任务关联的目标高清视频片段，对目标高清视频片段进行降质处理，得到目标高清视频片段对应的目标低质视频片段，将所目标低质视频片段输入至预先构建的第一网络模型得到模型输出，并根据模型输出和对应的目标高清视频片段对第一网络模型进行模型训练，直到满足预设的第一模型训练结束条件，得到目标画质修复模型，实现了对第一网络模型的精准训练，使得训练得到的目标画质修复模型的模型准确度更高，从而提高了采用目标画质修复模型进行视频画质修复的修复效果和修复质量
。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围
。
本专利技术的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0020]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0021]图
1A
是根据本专利技术实施例一提供的一种画质修复模型训练方法的流程图；
[0022]图
1B
是根据本专利技术实施例一提供的一种第一网络模型的多尺度循环网络的结构图；
[0023]图2是根据本专利技术实施例二提供的一种画质修复模型训练方法的流程图；
[0024]图
3A
是根据本专利技术实施例三提供的一种画质修复模型训练方法的流程图；
[0025]图
3B
是根据本专利技术实施例三提供的一种第二网络模型的模型结构图；
[0026]图4是根据本专利技术实施例四提供的一种画质修复模型训练装置的结构示意图；
[0027]图5是实现本专利技术实施例的画质修复模型训练方法的电子设备的结构示意图
。
具体实施方式
[0028]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围
。
[0029]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序
。
应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施
。
此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程
、
方法
、
系统
、
产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程
、
方法
、
产品
Experts Group
，图像压缩标准
)
压缩
(JPEG compression)
算法进行图像压缩处理
。
下采样处理方式可以是随机下采样处理，也即可以是不同倍数的下采样，例如，2倍下采样或4倍下采样等
。
噪声处理方式可以包括高斯彩道噪声
(Gaussian Color Noise)
处理方式和高斯灰道噪声
(Gaussian Gray Noise)
处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种画质修复模型训练方法，其特征在于，包括：确定与目标修复任务关联的目标高清视频片段；对所述目标高清视频片段进行降质处理，得到所述目标高清视频片段对应的目标低质视频片段；将所述目标低质视频片段输入至预先构建的第一网络模型得到模型输出，并根据模型输出和对应的目标高清视频片段对所述第一网络模型进行模型训练，直到满足预设的第一模型训练结束条件，得到目标画质修复模型
。2.
根据权利要求1所述的方法，其特征在于，所述确定与目标修复任务关联的目标高清视频片段，包括：获取与目标修复任务的待修复视频的视频类型相同的高清视频数据；根据预设图像帧数，对所述高清视频数据进行图像帧提取，得到候选高清视频片段；根据所述目标修复任务，从所述候选高清视频片段中选取目标高清视频片段
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述目标修复任务，从所述候选高清视频片段中选取目标高清视频片段，包括：对所述候选高清视频片段进行转场帧检测，得到转场帧检测结果；以及，根据所述候选高清视频片段的图像帧对应的图像梯度值，确定所述候选高清视频片段的目标梯度值；根据所述候选高清视频片段的转场帧检测结果和目标梯度值，基于目标修复任务的任务类型，从所述候选高清视频片段中选取目标高清视频片段
。4.
根据权利要求1所述的方法，其特征在于，所述对所述目标高清视频片段进行降质处理，得到所述目标高清视频片段对应的目标低质视频片段，包括：获取至少一种降质处理方式；对各所述降质处理方式进行方式组合，得到至少一种组合降质处理方式；根据所述组合降质处理方式，对所述目标高清视频进行降质处理，得到所述目标高清视频片段对应的目标低质视频片段；其中，所述降质处理方式包括视频压缩处理方式
、
图像压缩处理方式
、
下采样处理方式
、
锯齿添加处理方式
、
噪声添加处理方式和模糊处理方式中的至少一种
。5.
根据权利要求1所述的方法，其特征在于，所述对所述目标高清视频片段进行降质处理，得到所述目标高清视频片段对应的目标低质视频片段，包括：将所述目标高清视频片段输入至预先训练得到的目标降质模型中，得到目标参考降质视频片段；根据所述目标参考降质视频片段，基于预设的降质处理方式，得到所述目标高清视频片段对应的目标低质视频片段
。6.
根据权利要求...

【专利技术属性】
技术研发人员：刘梦梦，胡思行，蒋念娟，吕江波，沈小勇，
申请(专利权)人：北京思谋智能科技有限公司，
类型：发明
国别省市：