一种面向视频超分辨率的数据集筛选方法和系统技术方案

本申请提供一种面向视频超分辨率的数据集筛选方法和系统，方法包括：基于视频分辨率和帧数对原视频进行筛选，提取短边超过设定像素且帧数超过设定帧的视频；对筛选后的视频进行检测并分割，剔除帧数少于设定帧的片段；对保留的帧数大于等于设定帧数的多个视频片段进行质量评价，剔除不符合质量要求的片段；对保留的符合质量要求的片段进行运动处理，得到最终的筛选出的片段，形成面向视频超分辨率的数据集。本申请通过分层筛选机制构建的数据集，可显著增强模型在视频超分辨率任务中的性能表现，能够推动视频超分辨率任务达到更高画质标准，更好地满足实际应用场景的需求。

【技术实现步骤摘要】

本申请涉及数据集筛选领域，具体地，涉及一种面向视频超分辨率的数据集筛选方法和系统。

技术介绍

1、在视频超分辨率(vsr)领域，公开训练数据集的稀缺性仍是显著瓶颈。当前主要面临两类数据困境：其一，经典视频超分数据集虽曾广泛用于模型训练与测试，但受限于构建时间较早，存在视频样本总量不足、场景覆盖维度单一等问题，致使模型难以学习到丰富的真实场景特征，进而制约性能提升；其二，自行采集的视频数据集因缺乏针对超分任务的专业化设计，常混入大量低质内容(如模糊帧、噪声干扰、动态模糊等)，若直接用于训练，易导致模型学习偏差，难以达到最优训练效果。这种数据层面的局限性，使得vsr模型在应对复杂真实场景时的泛化能力受到明显制约。

2、经检索发现，公开号为cn117974449a的专利提出的面向多种退化的视频超分模型训练方法，其核心流程为采集不同场景的高分辨率视频，将视频拆分为单帧后按场景区分存储，进而通过下采样算法如bicubic下采样生成低分辨率数据集。该方案的局限性在于：仅通过场景分类加简单下采样构建数据集，完全未涉及视频质量筛选如清晰度、噪点过滤及运动特征筛本文档来自技高网...

【技术保护点】

1.一种面向视频超分辨率的数据集筛选方法，其特征在于，包括：

2.根据权利要求1所述的一种面向视频超分辨率的数据集筛选方法，其特征在于，所述对保留的帧数大于等于设定帧数的多个视频片段进行质量评价，剔除不符合质量要求的片段，包括：

3.根据权利要求1所述的一种面向视频超分辨率的数据集筛选方法，其特征在于，所述对保留的符合质量要求的片段进行运动处理，得到最终的筛选出的片段，形成面向视频超分辨率的数据集，包括：

4.根据权利要求3所述的一种面向视频超分辨率的数据集筛选方法，其特征在于，所述对所述片段估计光流、计算运动得分，过滤静止视频，包括：

5...

【技术特征摘要】

1.一种面向视频超分辨率的数据集筛选方法，其特征在于，包括：

2.根据权利要求1所述的一种面向视频超分辨率的数据集筛选方法，其特征在于，所述对保留的帧数大于等于设定帧数的多个视频片段进行质量评价，剔除不符合质量要求的片段，包括：

3.根据权利要求1所述的一种面向视频超分辨率的数据集筛选方法，其特征在于，所述对保留的符合质量要求的片段进行运动处理，得到最终的筛选出的片段，形成面向视频超分辨率的数据集，包括：

4.根据权利要求3所述的一种面向视频超分辨率的数据集筛选方法，其特征在于，所述对所述片段估计光流、计算运动得分，过滤静止视频，包括：

5.根据权利要求4所述的一种面向视频超分辨率的数据集筛选方法，其特征在于，所述对保留片段的所述运动强度图应用阈值生成运动掩码，根据掩码确定运动区域，扩展边界框，...

【专利技术属性】
技术研发人员：张宇伦，邹子辰，陈铮，张珂玮，杨小康，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：