System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及计算机,尤其涉及一种数据处理方法、装置、设备以及可读存储介质。
技术介绍
1、随着广播技术以及网络媒体应用的发展,多媒体数据(例如,视频)已成为人们日常生活中重要的一个部分,人们用多媒体数据进行娱乐或学习。
2、在相关技术中,为了更好地呈现多媒体数据,主要采用人工智能模型来预测码率,再基于码率对多媒体数据进行转码,从而在播放多媒体数据时,呈现的为基于码率进行转码后的多媒体数据。其中,对于人工智能模型,现有方式主要采用样本训练数据来对模型进行线下训练。然而,由于网络发展迅速、数据更新迭代速度快,线下训练的模型很有可能存在滞后性,导致无法及时根据最新的多媒体数据相关数据,为多媒体数据预测出准确的码率,进而导致多媒体数据的呈现效果不好的问题。
技术实现思路
1、本申请实施例提供一种数据处理方法、装置、设备以及可读存储介质,可以提高码率预测准确率,优化多媒体数据的呈现效果。
2、本申请实施例一方面提供了一种数据处理方法,包括:
3、接收终端设备发送的针对多媒体数据的播放请求,基于播放请求获取多媒体数据的实时网络层数据以及实时应用层数据;
4、根据实时网络层数据以及实时应用层数据,对码率预测增强模型进行线上训练,得到目标码率预测增强模型;码率预测增强模型是指对已离线训练的码率预测模型的网络结构的深度与宽度,均进行扩展后所得到的模型;
5、通过目标码率预测增强模型、实时网络层数据以及实时应用层数据,确定多媒体数据的媒体预测码
6、本申请实施例一方面提供了另一种数据处理方法,包括:
7、接收终端设备发送的针对多媒体数据的播放请求,基于播放请求获取多媒体数据的实时网络层数据以及实时应用层数据;
8、将实时网络层数据以及实时应用层数据输入至已离线训练的码率预测模型中,通过已离线训练的码率预测模型、实时网络层数据以及实时应用层数据,确定多媒体数据的初始媒体预测码率;
9、根据初始媒体预测码率确定多媒体数据在第一时刻的实时质量评估反馈值;第一时刻是指初始媒体预测码率的确定时刻;
10、获取多媒体数据在第二时刻的预测质量评估反馈值,根据实时质量评估反馈值以及预测质量评估反馈值,对初始媒体预测码率进行优化处理,得到多媒体数据的媒体优化码率;第二时刻晚于第一时刻;
11、基于媒体优化码率对多媒体数据转码。
12、本申请实施例一方面提供了一种数据处理装置,包括:
13、获取模块,用于接收终端设备发送的针对多媒体数据的播放请求,基于播放请求获取多媒体数据的实时网络层数据以及实时应用层数据;
14、训练模块,用于根据实时网络层数据以及实时应用层数据,对码率预测增强模型进行线上训练,得到目标码率预测增强模型;码率预测增强模型是指对已离线训练的码率预测模型的网络结构的深度与宽度,均进行扩展后所得到的模型;
15、预测模块,用于通过目标码率预测增强模型、实时网络层数据以及实时应用层数据,确定多媒体数据的媒体预测码率;
16、转码模块,用于基于媒体预测码率对多媒体数据转码。
17、本申请实施例一方面提供了另一种数据处理装置,包括:
18、获取模块,用于接收终端设备发送的针对多媒体数据的播放请求,基于播放请求获取多媒体数据的实时网络层数据以及实时应用层数据;
19、预测模块,用于将实时网络层数据以及实时应用层数据输入至已离线训练的码率预测模型中,通过已离线训练的码率预测模型、实时网络层数据以及实时应用层数据,确定多媒体数据的初始媒体预测码率;
20、所述确定模块,还用于根据初始媒体预测码率确定多媒体数据在第一时刻的实时质量评估反馈值;第一时刻是指初始媒体预测码率的确定时刻;
21、所述获取模块,还用于获取多媒体数据在第二时刻的预测质量评估反馈值;
22、优化模块,用于根据实时质量评估反馈值以及预测质量评估反馈值,对初始媒体预测码率进行优化处理,得到多媒体数据的媒体优化码率;第二时刻晚于第一时刻;
23、转码模块,用于基于媒体优化码率对多媒体数据转码。
24、本申请实施例一方面提供了一种计算机设备,包括:处理器和存储器;
25、存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行本申请实施例中的方法。
26、本申请实施例一方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序包括程序指令,程序指令当被处理器执行时,执行本申请实施例中的方法。
27、本申请的一个方面,提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机程序,处理器执行该计算机程序,使得该计算机设备执行本申请实施例中一方面提供的方法。
28、在本申请实施例中,在播放多媒体数据时,可以利用已离线训练好的码率预测模型,对多媒体数据的码率进行线上自适应调整。具体的,本申请可以预先离线训练一个码率预测模型,在实时应用时,若接收到终端设备的针对多媒体数据的播放请求,此时可以获取多媒体数据的网络层数据与应用层数据,并基于该网络层数据与应用层数据对扩展网络结构后的模型进行线上训练,再基于线上训练的模型进行码率预测。采用线下与线上结合的方式,可以基于实时数据进行实时的模型训练,所训练的模型可以很好地响应实时数据的变化更新,所输出的码率也是适应于实时的网络层数据与实时的应用层数据的;同时,由于线上训练时,是在已经经过离线训练的模型的基础上进行训练,可以减少训练时长。综上,本申请可以提高码率预测准确率,优化多媒体数据的呈现效果。
本文档来自技高网...【技术保护点】
1.一种数据处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述实时网络层数据以及所述实时应用层数据,对码率预测增强模型进行线上训练,得到目标码率预测增强模型,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述样本媒体预测码率以及所述第一质量评估反馈函数,生成针对所述样本媒体预测码率的样本质量评估反馈值,包括:
4.根据权利要求2所述的方法,其特征在于,所述根据所述样本质量评估反馈值对所述码率预测增强模型进行调整,得到所述目标码率预测增强模型,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述评估差值对所述码率预测增强模型中的网络参数进行调整,得到所述目标码率预测增强模型,包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
8.根据权利要求7所述的方法,其特征在于,所述获取所述多媒体数据在第二时刻的预测质量评估反馈值,包括:
9.根据权利要求8所述的方法,
10.根据权利要求7所述的方法,其特征在于,所述根据所述实时质量评估反馈值以及所述预测质量评估反馈值,对所述初始媒体预测码率进行优化处理,得到所述多媒体数据的媒体优化码率,包括:
11.根据权利要求10所述的方法,其特征在在于,所述方法还包括:
12.一种数据处理方法,其特征在于,包括:
13.一种数据处理装置,其特征在于,包括:
14.一种计算机设备,其特征在于,包括:处理器、存储器以及网络接口;
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序适于由处理器加载并执行权利要求1-12任一项所述的方法。
...【技术特征摘要】
1.一种数据处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述根据所述实时网络层数据以及所述实时应用层数据,对码率预测增强模型进行线上训练,得到目标码率预测增强模型,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述样本媒体预测码率以及所述第一质量评估反馈函数,生成针对所述样本媒体预测码率的样本质量评估反馈值,包括:
4.根据权利要求2所述的方法,其特征在于,所述根据所述样本质量评估反馈值对所述码率预测增强模型进行调整,得到所述目标码率预测增强模型,包括:
5.根据权利要求4所述的方法,其特征在于,所述根据所述评估差值对所述码率预测增强模型中的网络参数进行调整,得到所述目标码率预测增强模型,包括:
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
8.根据权利要求7所述...
【专利技术属性】
技术研发人员:贾宇航,韩云博,张云飞,赵凌志,崔颖,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。