一种基于机器学习的VVC快速帧内编码模式决策方法

    公开(公告)号:CN119484865A

    公开(公告)日:2025-02-18

    申请号:CN202411643818.5

    申请日:2024-11-18

    Abstract: 本发明请求保护一种基于机器学习的VVC快速帧内编码模式决策方法,属于视频编码领域,该方法包括以下步骤:获取当前待编码CU的纹理信息、子块纹理信息和领域信息用于LightGBM模型预测;首先使用训练好的LightGBM模型对三个类别的概率进行预测,三个类别分别为:0(角度预测模式)、1(ISP模式)、2(MIP模式);将概率与阈值进行比较,并且去除概率低于阈值的类别,以减少需执行完整的率失真优化过程的候选模式的数量;此外,在类别0被保留的情况下,进一步使用另一个LightGBM模型预测67种角度预测模式的概率,并去除概率较低的预测模式。本发明在保证视频质量的前提下,能显著节省H.266/VVC的帧内编码时间,适用于实时性要求较高的视频编码应用场景。

    一种多模型融合的VVC帧内编码快速CU划分方法及存储介质

    公开(公告)号:CN118784835A

    公开(公告)日:2024-10-15

    申请号:CN202410794230.3

    申请日:2024-06-19

    Abstract: 本发明请求保护一种多模型融合的VVC帧内编码快速CU划分方法及存储介质,属于视频编码领域,该方法包括以下步骤:获取当前CU滤波后的图像信息用于CNN模型预测;获取CU的纹理信息、编码信息、上下文信息和子块纹理信息用于LightGBM模型预测;对于尺寸为32×32的CU融合CNN模型和LightGBM模型的预测输出,得到六种划分模式的概率;对于其它尺寸的CU,单独使用LightGBM模型进行CU划分模式预测;将六种划分模式的概率与阈值进行比较,并去除冗余的CU划分模式。本发明在保证视频质量的前提下,能显著节省H.266/VVC的帧内编码时间,适用于实时性要求较高的视频编码应用场景。

    基于帧内相同编码参数的VVC重压缩检测方法及存储介质

    公开(公告)号:CN118433424A

    公开(公告)日:2024-08-02

    申请号:CN202410483142.1

    申请日:2024-04-22

    Abstract: 本发明请求保护一种基于帧内相同编码参数的VVC重压缩检测方法及存储介质,属于视频编码领域,该方法包括以下步骤:对视频编码码流解码,构建编码单元(CU)的属性矩阵,并重构视频;对重构视频再次编解码,构建CU的属性矩阵,并重构视频;利用连续两次编解码CU的属性矩阵,经统计和计算得到CU的高级码流特征;对重构视频再次编码,构建CU的属性矩阵;利用连续两次编解码CU的属性矩阵,得到CU的高级码流特征;利用高级码流特征构建用于视频重压缩检测的高级码流特征矩阵,然后输入到机器学习分类模型中对视频进行重压缩检测,获得检测结果。本发明能提高VVC重压缩检测的准确率,适合VVC的所有应用场景。

    一种基于ODCIAL的电子鼻漂移抑制算法

    公开(公告)号:CN114627336A

    公开(公告)日:2022-06-14

    申请号:CN202210299862.3

    申请日:2022-03-25

    Inventor: 陶洋 李强

    Abstract: 本发明提出了一种基于ODCIAL的电子鼻漂移抑制算法,该方法针对电子鼻系统中持续发生的长期漂移问题,采用主动学习与分类器集成的方式进行解决,从而提高系统的使用寿命,最终降低系统维护成本。方法首先对训练集以及测试集中的样本数据进行归一化以及降维处理,从而避免不同量纲和数量级的数据带来的偏重影响,除此之外降低数据维度后能大幅度降低模型的训练时间,有助于系统快速高效的得出结果。结合主动学习中的基于委员会查询以及集成学习方法筛选出高质量的训练集样本进行分类委员会的构建。使用支持向量机作为基础分类器。本发明提供的方法利用主动学习与分类器集成的方法,在电子鼻在线漂移抑制的过程中结合自适应采样的方式,自动控制每一批次主动学习采样的数量,从而实现电子鼻系统的在线漂移抑制,应用于电子鼻系统时更加具有优势。

    一种多功能视频编码CU划分快速决策方法及存储介质

    公开(公告)号:CN111147867A

    公开(公告)日:2020-05-12

    申请号:CN201911309971.3

    申请日:2019-12-18

    Abstract: 本发明请求保护一种多功能视频编码CU划分快速决策方法及存储介质,具体包括:计算编码帧中当前编码单元CU每个像素点的水平方向和竖直方向的梯度值;统计出当前CU所有像素点的水平方向和竖直方向上梯度值的绝对值之和,以及总梯度值绝对值之和;依据总梯度值绝对值之和的大小,判断是否需要进行下一步深度划分,若不需要,则停止划分,如果需要,则比较水平梯度值绝对值和与竖直梯度值绝对值和的大小,判断出该CU的纹理方向,再根据该CU的纹理方向,跳过不必要的CU划分模式,从而实现CU划分快速决策。本发明能有效降低多功能视频编码的CU划分复杂度,减小视频编码器的编码时间,适用于实时性要求较高的视频编码应用场景中。

    面向异构无线传感器网络的协议一致性的云测试框架

    公开(公告)号:CN105049435B

    公开(公告)日:2018-06-15

    申请号:CN201510430490.3

    申请日:2015-07-21

    Abstract: 本发明请求保护一种面向异构无线传感器网络的协议一致性的云测试框架,包括云测试平台、测试代理及被测系统;其中云测试平台负责测试进行与测试过程的控制管理;所述测试代理是被测系统与云测试平台之间的通信桥梁,相应的测试代理接收到云测试平台的命令后转发给对应的被测系统的网络中的设备,并为测试设备分配角色形成对应的测试网络;其中云测试平台主要包括基础设施服务层IaaS、平台服务层PaaS及应用服务层SaaS,测试用户通过应用服务层SaaS提供的Web界面通过Internet访问云测试平台,提交测试需求及相关测试配置后云测试平台根据测试需求分配测试资源,相关虚拟服务器进行测试,并通过应用服务层SaaS对测试过程进行监控,最后获得完整的测试报告。

Patent Agency Ranking