[发明专利]预测模型的训练方法和装置及率失真代价计算方法和装置

权利要求书

1.一种预测模型的训练方法，其特征在于，包括：

获取训练数据集，其中，所述训练数据集包括至少一个视频中的每一编码树单元CTU的特征信息和每一CTU的第一相关系数与第二相关系数的真实比值，

所述第一相关系数表征CTU级别的第一客观评价指标与第二客观评价指标之间的相关性，所述第二相关系数表征帧级别的第一客观评价指标与第二客观评价指标之间的相关性；

将所述每一CTU的特征信息输入预测模型，得到所述每一CTU的第一相关系数与第二相关系数的预测比值；

根据所述每一CTU的第一相关系数与第二相关系数的真实比值和预测比值，确定所述预测模型的损失值；

通过根据所述损失值调整所述预测模型的参数，对所述预测模型进行训练。

2.如权利要求1所述的训练方法，其特征在于，所述至少一个视频中的每一视频的每一CTU的第一相关系数，通过下述步骤获取：

获取所述每一视频的恒定速率因子crf列表；

根据crf列表，对所述每一CTU进行编码，得到所述每一CTU的第一相关系数。

3.如权利要求2所述的训练方法，其特征在于，所述获取所述每一视频的恒定速率因子crf列表，包括：

获取所述每一视频的初始crf列表，其中，所述初始crf列表包括至少一个crf，所述至少一个crf以数值从小到大的顺序依次排列；

在所述初始crf列表中确定初始基准crf；

根据所述初始基准crf，在所述初始crf列表中确定第一子集，其中，所述第一子集包括所述初始基准crf以及所述初始基准crf之后的预设个数的crf；

从所述第一子集中确定基准crf；

根据所述基准crf，获取所述crf列表。

4.如权利要求3所述的训练方法，其特征在于，所述从所述第一子集中确定基准crf，包括：

以所述第一子集中的crf的排布顺序，顺次使用所述第一子集中的crf进行编码得到所述每一视频中的每一帧的第一客观评价指标；

将满足预定条件时使用的crf作为基准crf，其中，当超过预设数量的帧的第一客观评价指标处于第一预设数值区间时，确定所述预定条件被满足；

若使用所述第一子集中的crf进行编码得到所述每一视频中的每一帧的第一客观评价指标均不满足所述预定条件，则将所述第一子集中的最后一个crf作为基准crf。

5.一种率失真代价计算方法，其特征在于，包括：

获取预编码帧的每一CTU的特征信息；

将所述预编码帧的每一CTU的特征信息输入经由如权利要求1到4中的任一权利要求所述的预测模型的训练方法训练好的预测模型中，得到预编码帧的每一CTU的第一相关系数与第二相关系数的预测比值；

根据预测比值计算每一CTU的率失真代价。

6.一种预测模型的训练装置，其特征在于，包括：

获取单元，被配置为：获取训练数据集，其中，所述训练数据集包括至少一个视频中的每一编码树单元CTU的特征信息和每一CTU的第一相关系数与第二相关系数的真实比值，所述第一相关系数表征CTU级别的第一客观评价指标与第二客观评价指标之间的相关性，所述第二相关系数表征帧级别的第一客观评价指标与第二客观评价指标之间的相关性；

预测单元，被配置为：将所述每一CTU的特征信息输入预测模型，得到所述每一CTU的第一相关系数与第二相关系数的预测比值；

损失确定单元，被配置为：根据所述每一CTU的第一相关系数与第二相关系数的真实比值和预测比值，确定所述预测模型的损失值；

调整单元，被配置为：通过根据所述损失值调整所述预测模型的参数，对所述预测模型进行训练。