公开(公告)号：CN104754357B

公开(公告)日：2017-08-11

申请号：CN201510130890.2

申请日：2015-03-24

Applicant: 清华大学

Inventor： 刘振宇 ,  余先宇 ,  汪东升

IPC: H04N19/593 ,  H04N19/11 ,  H04N19/14

Abstract: 本发明涉及视频压缩技术领域，具体涉及一种基于卷积神经网络的帧内编码优化方法及装置。首先将当前编码单元压缩成尺寸为8×8的数据块，并计算所述8×8的数据块的边缘强度，然后根据所述8×8的数据块的边缘强度确定所述当前编码单元的类型为平坦的编码单元、强边缘强度的编码单元或者模式不确定的编码单元，对于尺寸为32×32或者8×8的模式不确定的编码单元，进一步利用卷积神经网络确定编码单元的类型。通过对当前的编码单元不同的分类结果进行不同的编码模式处理，可以有效降低搜索编码单元CU的数量，从而减少编码的复杂度，实现实时编码。

公开(公告)号：CN104754357A

公开(公告)日：2015-07-01

申请号：CN201510130890.2

申请日：2015-03-24

Applicant: 清华大学

Inventor： 刘振宇 ,  余先宇 ,  汪东升

IPC: H04N19/593 ,  H04N19/11 ,  H04N19/14

Abstract: 本发明涉及视频压缩技术领域，具体涉及一种基于卷积神经网络的帧内编码优化方法及装置。首先将当前编码单元压缩成尺寸为8×8的数据块，并计算所述8×8的数据块的边缘强度，然后根据所述8×8的数据块的边缘强度确定所述当前编码单元的类型为平坦的编码单元、强边缘强度的编码单元或者模式不确定的编码单元，对于尺寸为32×32或者8×8的模式不确定的编码单元，进一步利用卷积神经网络确定编码单元的类型。通过对当前的编码单元不同的分类结果进行不同的编码模式处理，可以有效降低搜索编码单元CU的数量，从而减少编码的复杂度，实现实时编码。