公开(公告)号：CN109982092B

公开(公告)日：2022-11-01

申请号：CN201910349667.5

申请日：2019-04-28

Applicant: 华侨大学

Inventor： 曾焕强 ,  陈婧 ,  左家宝 ,  粘春湄 ,  侯进辉 ,  朱建清 ,  马凯光

IPC: H04N19/503 ,  H04N19/119 ,  H04N19/14 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多分支循环卷积神经网络的HEVC帧间快速方法，属于视频编码领域，方法包括：首先使用多分支卷积神经网络，对每个CTU进行预处理，并分别作为不同分支的卷积神经网络的输入，经过卷积计算之后，将得到的特征进行全连接，分为三个分支输出特征向量，再利用循环神经网络将特征向量和上一时刻的状态向量进行处理，并加入不同QP值的考量，最终输出三个分支的分类结果，三个分支分别对应每个CTU中深度等级0、1或2，判断三个深度等级的CU是否继续划分或者停止划分。本发明一种基于多分支循环卷积神经网络的HEVC帧间快速方法能够减少编码器计算开销，在保持编码性能基本不变的情况下，减少编码时间。

公开(公告)号：CN109982092A

公开(公告)日：2019-07-05

申请号：CN201910349667.5

申请日：2019-04-28

Applicant: 华侨大学

Inventor： 曾焕强 ,  陈婧 ,  左家宝 ,  粘春湄 ,  侯进辉 ,  朱建清 ,  马凯光

IPC: H04N19/503 ,  H04N19/119 ,  H04N19/14 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多分支循环卷积神经网络的HEVC帧间快速方法，属于视频编码领域，方法包括：首先使用多分支卷积神经网络，对每个CTU进行预处理，并分别作为不同分支的卷积神经网络的输入，经过卷积计算之后，将得到的特征进行全连接，分为三个分支输出特征向量，再利用循环神经网络将特征向量和上一时刻的状态向量进行处理，并加入不同QP值的考量，最终输出三个分支的分类结果，三个分支分别对应每个CTU中深度等级0、1或2，判断三个深度等级的CU是否继续划分或者停止划分。本发明一种基于多分支循环卷积神经网络的HEVC帧间快速方法能够减少编码器计算开销，在保持编码性能基本不变的情况下，减少编码时间。

公开(公告)号：CN110913233A

公开(公告)日：2020-03-24

申请号：CN201911191837.8

申请日：2019-11-28

Applicant: 华侨大学

Inventor： 陈婧 ,  左家宝 ,  曾焕强 ,  朱建清 ,  蔡灿辉

IPC: H04N19/593 ,  H04N19/597 ,  H04N19/70 ,  H04N19/96 ,  H04N19/176 ,  G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种3D-HEVC深度图帧内快速编码的方法，采用多分支卷积神经网络结构，对应多种不同深度等级，可以有效区分不同深度等级CU的分类结果。本发明可以直接测试每一帧所有CTU中不同深度等级CU的分类结果，而不需要对每个CU进行测试，进而能够有效降低网络预测过程的计算时间。