申请/专利权人：北京大学

申请日：2019-05-28

公开（公告）日：2020-12-01

公开（公告）号：CN112019854A

主分类号：H04N19/176(20140101)

分类号：H04N19/176(20140101);H04N19/149(20140101);H04N19/30(20140101);H04N19/96(20140101);H04N19/82(20140101)

优先权：

专利状态码：有效-授权

法律状态：2023.01.17#授权;2020.12.18#实质审查的生效;2020.12.01#公开

摘要：本发明为一种基于深度学习神经网络的环路滤波方法，利用了视频编码中块划分树的信息，进一步提升视频恢复质量。与传统的视频编码器内采用了手工设计的去块效应模块以及样点自适应补偿模块不同，本发明利用了深度卷积神经网络在大量训练数据集上进行学习，从而更准确地学习到从低质量视频到高质量视频的非线性映射。本发明为块与块间增加了连接，从而可以传递未被压缩的特征信息。此外，本发明还利用了视频编码器提供的块划分树中的多层块划分信息，生成多层编码单元均值图，进一步辅助神经网络更好地消除块效应。

主权项：1.一种基于深度学习神经网络的环路滤波方法，所述深度学习神经网络包括基线网络和辅助信息抽取网络，所述基线网络和辅助信息抽取网络均由带有长期记忆的残差稠密块连接而成，其特征在于，包括以下步骤：1将原始帧送入视频编码器进行编码，经过反变换得到待滤波的重建帧；2根据视频编码器的块划分树，递归地提取待滤波的重建帧中每一层编码单元像素的均值，组成多层编码单元均值图；3所述辅助信息抽取网络根据多层编码单元均值图进行特征抽取，得到多层编码单元均值图的特征图；4将所述待滤波的重建帧输入基线网络，并将所述多层编码单元均值图的特征图插入到基线网络的不同深度，进行前向传播，得到滤波后的重建帧。

全文数据：

权利要求：

百度查询： 北京大学 基于深度学习神经网络的环路滤波方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD