[发明专利]编码单元深度确定方法及装置有效

专利信息
申请号: 201710266798.8 申请日: 2017-04-21
公开(公告)号: CN108737841B 公开(公告)日: 2020-11-24
发明(设计)人: 张宏顺;林四新;程曦铭 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: H04N19/61 分类号: H04N19/61;H04N19/96;H04N19/86;H04N19/82
代理公司: 深圳市深佳知识产权代理事务所(普通合伙) 44285 代理人: 王仲凯
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 编码 单元 深度 确定 方法 装置
【权利要求书】:

1.一种编码单元深度确定方法,其特征在于,包括:

确定待处理编码单元的当前最优模式的残差系数;

在所述残差系数不为零时,若所述待处理编码单元的编码深度为零,则从所述待处理编码单元及所述待处理编码单元所在编码树单元的近邻编码树单元中,分别获取设定类型的编码信息特征,组成预测特征向量样本;

将所述预测特征向量样本输入预训练的预测模型中,得到所述预测模型输出的预测结果,所述预测结果表明所述待处理编码单元是否需要进一步进行深度划分;

若所述待处理编码单元的编码深度不为零,则确定所述待处理编码单元所在编码树单元的近邻编码树单元中,与所述待处理编码单元相同编码深度的编码单元的平均代价,作为第一平均代价;确定所述待处理编码单元所在编码树单元中相同编码深度的已编码的编码单元的平均代价,作为第二平均代价;根据所述第一平均代价及所述第二平均代价,确定代价阈值;若所述待处理编码单元的当前最优模式的代价小于所述代价阈值,则确定所述待处理编码单元不需要进一步进行深度划分;若所述待处理编码单元的当前最优模式的代价不小于所述代价阈值,则确定所述待处理编码单元需要进一步进行深度划分;

其中,所述预测模型为利用标记有分类结果的训练样本预训练得到,所述训练样本包括所述设定类型的编码信息特征。

2.根据权利要求1所述的方法,其特征在于,所述待处理编码单元属于非I帧视频图像。

3.根据权利要求1-2任一项所述的方法,其特征在于,所述预测模型包括P帧预测模型和B帧预测模型,所述P帧预测模型预训练时使用的训练样本为,属于P帧视频图像的编码单元中提取的所述设定类型的编码信息特征,所述B帧预测模型预训练时使用的训练样本为,属于B帧视频图像的编码单元中提取的所述设定类型的编码信息特征;

所述将所述预测特征向量样本输入预训练的预测模型中,得到所述预测模型输出的预测结果,包括:

确定所述待处理编码单元所属视频帧图像的类型为P帧还是B帧;

若为P帧,则将所述预测特征向量样本输入所述P帧预测模型,得到所述P帧预测模型输出的预测结果;

若为B帧,则将所述预测特征向量样本输入所述B帧预测模型,得到所述B帧预测模型输出的预测结果。

4.根据权利要求1-2任一项所述的方法,其特征在于,所述从所述待处理编码单元及所述待处理编码单元所在编码树单元的近邻编码树单元中,分别获取设定类型的编码信息特征,包括:

获取所述待处理编码单元的代价、量化系数、失真及方差;

获取所述待处理编码单元所在编码树单元的近邻编码树单元的代价和深度信息。

5.根据权利要求1所述的方法,其特征在于,所述确定所述待处理编码单元所在编码树单元的近邻编码树单元中,与所述待处理编码单元相同编码深度的编码单元的平均代价,作为第一平均代价,包括:

针对所述待处理编码单元所在编码树单元的每一近邻编码树单元,确定其中与所述待处理编码单元相同编码深度的编码单元的平均代价;

按照每一所述近邻编码树单元与所述待处理编码单元所在编码树单元的方位关系,确定每一所述近邻编码树单元的权重值;

根据每一所述近邻编码树单元的权重值及其平均代价,确定各所述近邻编码树单元的加权平均代价,作为第一平均代价。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710266798.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top