X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
帮助中心 | 关于我们
欢迎来到合肥巢湖经开区网上技术交易平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[01918840]基于深度学习和显著 性感知的压缩视频流 再编码方法

交易价格: 面议

所属行业:

类型: 非专利

技术成熟度: 正在研发

交易方式: 技术转让

联系人:

所在地:

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

本发明提供了基于深度学习和显著性感知的压缩视频流再编 码方法,包括以下步骤:构建和训练压缩域视频图像显著性检 测深度学习模型;将待再编码的压缩视频图像 X 输入步骤 1 练好的压缩域视频图像显著性检测深度学习模型 CDVNet;利 用压缩域视频图像显著性检测深度学习模型 CDVNet对待再编 码的压缩视频图像 X 部分解码;使用HEVC 编码技术,结合每 一编码单元更新后的量化参数进行视频图像再编码;本发明采 用基于压缩域的显著性特征提取,在压缩码流中利用部分解码 得到的数据信息进行显著性检测,克服了现有技术中基于像素 域的显著性检测必须先全部解压这些压缩视频到像素域,然后 才能进行特征提取和显著性检测的缺点,使得本发明具有计算 量小、耗时低的优点。

本发明提供了基于深度学习和显著性感知的压缩视频流再编 码方法,包括以下步骤:构建和训练压缩域视频图像显著性检 测深度学习模型;将待再编码的压缩视频图像 X 输入步骤 1 练好的压缩域视频图像显著性检测深度学习模型 CDVNet;利 用压缩域视频图像显著性检测深度学习模型 CDVNet对待再编 码的压缩视频图像 X 部分解码;使用HEVC 编码技术,结合每 一编码单元更新后的量化参数进行视频图像再编码;本发明采 用基于压缩域的显著性特征提取,在压缩码流中利用部分解码 得到的数据信息进行显著性检测,克服了现有技术中基于像素 域的显著性检测必须先全部解压这些压缩视频到像素域,然后 才能进行特征提取和显著性检测的缺点,使得本发明具有计算 量小、耗时低的优点。

推荐服务:

Copyright    ©    2016    合肥巢湖经开区网上技术交易平台    All Rights Reserved

皖ICP备15001458号

运营商:科易网