【技术实现步骤摘要】
本申请涉及计算机及通信，具体而言，涉及一种滤波及编解码方法、装置、计算机可读介质及电子设备。
技术介绍
1、在视频编解码领域中，预测图像与重构残差图像叠加生成重建图像之后，由于重建图像会产生失真，因此为了获取较优质量的图像，通常需要对重建图像进行环路滤波处理(loop filtering)，而在环路滤波处理中，如何能够提高滤波效果，以提升编解码效率是亟待解决的技术问题。
技术实现思路
1、本申请的实施例提供了一种滤波及编解码方法、装置、计算机可读介质及电子设备，可以在降低神经网络滤波器的运算复杂度的前提下，提高滤波效果，进而有利于提升视频的编解码效率。
2、本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
3、根据本申请实施例的一个方面，提供了一种基于神经网络的滤波方法，包括：基于待滤波图像生成神经网络滤波器的输入参数，所述输入参数至少包含所述待滤波图像；将所述输入参数输入至所述神经网络滤波器，其中，所述神经网络滤波器中包含有用于...
【技术保护点】
1.一种基于神经网络的滤波方法，其特征在于，包括：
2.根据权利要求1所述的基于神经网络的滤波方法，其特征在于，所述输入参数中还包含有以下至少一种信息：
3.根据权利要求1所述的基于神经网络的滤波方法，其特征在于，所述指定残差块包括：第一卷积层、第二卷积层、连接至所述第一卷积层的第一激活函数层、连接至所述第二卷积层的第二激活函数层，以及顺次相连的第三卷积层和第四卷积层；
4.根据权利要求3所述的基于神经网络的滤波方法，其特征在于，所述第一卷积层的卷积核大小为n×n；所述第二卷积层的卷积核大小为m×m，所述m和n是大于或等于1的整数且
【技术特征摘要】
1.一种基于神经网络的滤波方法，其特征在于，包括：
2.根据权利要求1所述的基于神经网络的滤波方法，其特征在于，所述输入参数中还包含有以下至少一种信息：
3.根据权利要求1所述的基于神经网络的滤波方法，其特征在于，所述指定残差块包括：第一卷积层、第二卷积层、连接至所述第一卷积层的第一激活函数层、连接至所述第二卷积层的第二激活函数层，以及顺次相连的第三卷积层和第四卷积层；
4.根据权利要求3所述的基于神经网络的滤波方法，其特征在于，所述第一卷积层的卷积核大小为n×n；所述第二卷积层的卷积核大小为m×m，所述m和n是大于或等于1的整数且m≠n。
5.根据权利要求3所述的基于神经网络的滤波方法，其特征在于，所述第一卷积层包括：通过张量分解方式对卷积核大小为n×n的卷积层进行分解得到的两个子卷积层；
6.根据权利要求5所述的基于神经网络的滤波方法，其特征在于，所述两个子卷积层包括：卷积核大小为1×n的卷积层，以及卷积核大小为n×1的卷积层。
7.根据权利要求3所述的基于神经网络的滤波方法，其特征在于，所述第一卷积层包括：通过深度可分离卷积对卷积核大小为n×n的卷积层进行分解得到的两个子卷积层；
8.根据权利要求7所述的基于神经网络的滤波方法，其特征在于，所述两个子卷积层包括：卷积核大小为n×n且进行分组卷积的卷积层，以及卷积核大小为1×1的卷积层。
9.根据权利要求3所述的基于神经网络的滤波方法，其特征在于，所述第一卷积层包括：通过张量分解和深度可分离卷积对卷积核大小为n×n的卷积层进行分解得到的三个子卷积层；
10.根据权利要求9所述的基于神经网络的滤波方法，其特征在于，所述三个子卷积层包括：卷积核大小为1×n且进行分组卷积的卷积层、卷积核大小为n×1...
【专利技术属性】
技术研发人员：常仁杰，王力强，
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。