[发明专利]一种基于深度学习的码流预测方法和装置

权利要求书

1.一种基于深度学习的码流预测方法，其特征在于，包括以下步骤：

通过深度学习算法，将压缩过的码流与未压缩的码流作为训练集，从压缩过的码流反向预测出未压缩的音视频；

对比深度学习算法反向预测出未压缩的音视频与实际未压缩的音视频码流，对深度学习算法加入优化因子；

比对优化后的深度学习算法反向预测出未压缩的音视频与实际未压缩的音视频码流，判断优化过程是否准确可靠；

根据判断结果确定是否加入优化因子得到当前深度学习算法，利用当前深度学习算法对压缩码流反向预测完整码流；

其中，所述比对优化后的深度学习算法反向预测出未压缩的音视频与实际未压缩的音视频码流，判断优化过程是否准确可靠，包括：

根据优化前后的比对结果构建出优化直方图；

通过优化直方图判断优化过程是否准确可靠；

其中，利用如下公式根据将压缩过的码流与未压缩的码流作为训练集，从压缩过的码流反向预测出未压缩的音视频，然后对比深度学习算法反向预测出未压缩的音视频与实际未压缩的音视频码流得到对深度学习算法进行优化的优化因子：

其中E表示深度学习算法的优化因子；D_a(i)表示训练集中的第a个未压缩的音视频码流二进制数据中的第i位上的二进制数值；PD_a(i)表示训练完成后深度学习对训练集中的第a个已压缩的音视频码流反向预测出未压缩的音视频码流的二进制数据中的第i位上的二进制数值；m表示训练集中的未压缩的音视频码流总数；n表示训练集中的第a个未压缩的音视频码流二进制数据中的二进制位数；

其中，利用如下公式比对优化后的深度学习算法反向预测出未压缩的音视频与实际未压缩的音视频码流，判断优化过程是否准确可靠：

其中F表示对优化后的深度学习算法的优化判定值；| |表示求取绝对值；

若F＜1，表示优化因子达到对深度学习算法的优化作用，则加入优化因子进行优化；

若F≥1，表示优化因子未达到对深度学习算法的优化作用，则不加入优化因子进行优化。

2.根据权利要求1所述的基于深度学习的码流预测方法，其特征在于，利用如下公式根据优化前后的比对结果构建出优化直方图：

其中H₀表示直方图中优化前深度学习算法预测失误情况下的对应的方形图案的高度；H_e表示直方图中优化后深度学习算法预测失误情况下的对应的方形图案的高度；H表示直方图中方形图案的最大高度。