[发明专利]编解码方法、装置、设备及介质

权利要求书

1.一种编码方法，其特征在于，包括：

从图像中提取得到第一特征图；

根据所述第一特征图的通道间的重要性，对所述第一特征图进行加权，得到第二特征图；

对所述第二特征图进行通道降维，得到第三特征图，所述第三特征图的特征通道数量小于所述第一特征图的通道数量；

基于所述第三特征图进行量化及编码后，得到编码数据。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述第三特征图的每个位置的重要性，对所述第三特征图进行加权，得到第四特征图；

对所述第四特征图进行空间降维，得到第五特征图，所述第五特征图的高小于所述第四特征图的高，且所述第五特征图的宽小于所述第四特征图的宽；

所述基于所述第三特征图进行量化及编码后，发送至解码端，包括：

基于所述第五特征图进行量化及编码后，发送至解码端。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第三特征图的每个位置的重要性，对所述第三特征图进行加权，得到第四特征图，包括：

将所述第三特征图中同位置的所有通道求和，并基于Softmax逻辑回归模型来学习每个位置的重要性；

根据学习到的所述每个位置的重要性，对所述第三特征图的每个位置进行加权，得到第四特征图。

4.根据权利要求2所述的方法，其特征在于，所述对所述第四特征图进行空间降维，得到第五特征图，包括：

通过步长大于1的卷积核来对所述第四特征图进行空间维度的降维，得到第五特征图。

5.根据权利要求2所述的方法，其特征在于，所述第二特征图的特征尺度与所述第一特征图的特征尺度相同；所述第四特征图的特征尺度与所述第三特征图的特征尺度相同。

6.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征图的通道间的重要性，对所述第一特征图进行加权，得到第二特征图，包括：

经过全局均值池化和全连接学习所述第一特征图通道间的重要性；

根据学习到的所述第一特征图的通道间的重要性，对所述第一特征图中的通道进行加权，得到第二特征图。

7.根据权利要求1所述的方法，其特征在于，所述对所述第二特征图进行通道降维，得到第三特征图，包括：

利用通道数比所述第二特征图的通道数小的卷积神经网络，对所述第二特征图进行通道降维，得到第三特征图。

8.一种解码方法，其特征在于，包括：

将所述编码数据，经过反量化与解码还原得到第三特征图；

针对所述第三特征图，经过卷积核还原特征的通道维度，得到第二特征图；

对所述第二特征图进行通道加权，得到第一特征图。

9.根据权利要求8所述的方法，其特征在于，所述将所述编码数据，经过反量化与解码还原得到第三特征图，包括：

将所述编码数据，经过反量化与解码还原得到第五特征图；

针对所述第五特征图，通过补零与反卷积来还原空间维度，得到第四特征图；

对所述第四特征图进行位置加权，得到第三特征图。

10.根据权利要求8或9所述的方法，其特征在于，所述方法还包括：

将所述第一特征图输入任务网络进行下游任务。

11.一种编码装置，其特征在于，包括：

特征提取模块，用于从图像中提取得到第一特征图；

第一通道加权模块，用于根据所述第一特征图的通道间的重要性，对所述第一特征图进行加权，得到第二特征图；

通道降维模块，用于对所述第二特征图进行通道降维，得到第三特征图，所述第三特征图的特征通道数量小于所述第一特征图的通道数量；

量化及编码模块，用于基于所述第三特征图进行量化及编码后，得到编码数据。