[发明专利]基于深度学习的快速压缩立体视频质量评价方法有效
| 申请号： | 201910034440.1 | 申请日： | 2019-01-15 |
| 公开（公告）号： | CN109831664B | 公开（公告）日： | 2020-11-27 |
| 发明（设计）人： | 李素梅;马帅 | 申请（专利权）人： | 天津大学 |
| 主分类号： | H04N17/00 | 分类号： | H04N17/00;H04N13/106;H04N13/15;H04N13/156;G06T7/00;G06K9/00 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 刘国威 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于视频和图像处理领域，为基于人眼视觉机制，建立一种有效的基于深度学习的快速立体视频质量评价方法。此评价方法更加准确高效，不仅贴近人眼质量，还具有低时间成本，同时在一定程度上推动了立体成像技术、无人驾驶技术的发展。为此，本发明采取的技术方案是，基于深度学习的快速压缩立体视频质量评价方法，首先，对立体视频的左右视点进行融合，得到单视点视频，然后提取单视点视频中的关键帧，关键帧与部分非关键帧一起作为卷积神经网络CNN的输入，最后得到立体视频的质量。本发明主要应用于视频和图像处理。 | ||
| 搜索关键词： | 基于 深度 学习 快速 压缩 立体 视频 质量 评价 方法 | ||
【主权项】：
1.一种基于深度学习的快速压缩立体视频质量评价方法，其特征是，首先，对立体视频的左右视点进行融合，得到单视点视频，然后提取单视点视频中的关键帧，关键帧与部分非关键帧一起作为卷积神经网络CNN的输入，最后得到立体视频的质量。
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天津大学，未经天津大学许可，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/patent/201910034440.1/，转载请声明来源钻瓜专利网。
