公开(公告)号：CN113347422B

公开(公告)日：2022-07-12

申请号：CN202110521800.8

申请日：2021-05-13

Applicant: 北京大学

Inventor： 刘家瑛 ,  王德昭 ,  胡越予 ,  郭宗明

IPC: H04N19/13 ,  H04N19/176 ,  H04N19/50

Abstract: 本发明公开了一种粗粒度上下文熵编码方法。本方法为：1)从图像数据集中选取一原始图像并送入神经网络的编码器中进行编码；2)对编码后的张量进行划分；将每一子张量视为一待编码块；3)熵编码网络对每一待编码块进行上下文熵编码，获得待编码块的上下文信息；4)将每一上下文信息送入概率预测网络中，获得对应待编码块所有元素的概率分布参数；5)根据概率分布参数计算张量信息熵；将张量送入解码器，得到解码重建图像并计算失真项损失函数的损失值；6)根据步骤5)所得结果计算率失真损失函数的损失值并反向传播到神经网络各层；7)重复步骤1)‑6)直到神经网络收敛；8)将目标图像送入训练后的神经网络得到目标图像的编码。

公开(公告)号：CN113132755B

公开(公告)日：2022-04-01

申请号：CN201911415561.7

申请日：2019-12-31

Applicant: 北京大学

Inventor： 刘家瑛 ,  胡越予 ,  杨帅 ,  王德昭 ,  郭宗明

IPC: H04N21/2343 ,  H04N21/4402 ,  H04N19/132 ,  H04N19/13

Abstract: 本发明公开了一种可扩展人机协同图像编码方法及编码系统。本方法为：提取各样本图片的边缘图并矢量化，作为驱动机器视觉任务的紧凑表示；在矢量化后的边缘图中进行关键点提取作为辅助信息；对紧凑表示和辅助信息分别进行熵编码无损压缩，获得两路码流；对两路码流进行初步解码，获得边缘图以及辅助信息；将解码得到的边缘图以及辅助信息输入生成神经网络中，进行网络的前向计算；根据得到的计算结果与对应原始图片进行损失函数计算，并将计算的损失反向传播到神经网络进行网络权值更新直到神经网络收敛，得到双路码流解码器；获取待处理图像的边缘图和辅助信息并编码压缩后得到两路码流；双路码流解码器对收到的码流解码，重建图像。

公开(公告)号：CN113347422A

公开(公告)日：2021-09-03

申请号：CN202110521800.8

申请日：2021-05-13

Applicant: 北京大学

Inventor： 刘家瑛 ,  王德昭 ,  胡越予 ,  郭宗明

IPC: H04N19/13 ,  H04N19/176 ,  H04N19/50

Abstract: 本发明公开了一种粗粒度上下文熵编码方法。本方法为：1)从图像数据集中选取一原始图像并送入神经网络的编码器中进行编码；2)对编码后的张量进行划分；将每一子张量视为一待编码块；3)熵编码网络对每一待编码块进行上下文熵编码，获得待编码块的上下文信息；4)将每一上下文信息送入概率预测网络中，获得对应待编码块所有元素的概率分布参数；5)根据概率分布参数计算张量信息熵；将张量送入解码器，得到解码重建图像并计算失真项损失函数的损失值；6)根据步骤5)所得结果计算率失真损失函数的损失值并反向传播到神经网络各层；7)重复步骤1)‑6)直到神经网络收敛；8)将目标图像送入训练后的神经网络得到目标图像的编码。

公开(公告)号：CN112019854A

公开(公告)日：2020-12-01

申请号：CN201910450808.2

申请日：2019-05-28

Applicant: 北京大学

Inventor： 刘家瑛 ,  王德昭 ,  夏思烽 ,  杨文瀚 ,  胡越予 ,  郭宗明

IPC: H04N19/176 ,  H04N19/149 ,  H04N19/30 ,  H04N19/96 ,  H04N19/82

Abstract: 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。

公开(公告)号：CN110324635A

公开(公告)日：2019-10-11

申请号：CN201810294119.2

申请日：2018-03-30

Applicant: 北京大学 ,  北大方正集团有限公司 ,  北京北大方正电子有限公司

Inventor： 刘家瑛 ,  夏思烽 ,  杨文瀚 ,  胡越予 ,  郭宗明

IPC: H04N19/523 ,  H04N19/59

Abstract: 本发明提供了一种分像素插值方法、系统、计算机设备和介质。其中，一种分像素插值方法，包括：对训练集中的每一张原始图像进行处理，得到整像素块和分像素块；将整像素块前向传播到卷积神经网络，得到分像素块的预测值；计算分像素块的预测值与分像素块的均方差；将均方差反向传播到卷积神经网络，以更新卷积神经网络各层的权值，循环迭代直至卷积神经网络收敛，得到分像素插值网络。通过本发明的技术方案，实现了通过单一网络即可插值出属于不同分像素位的参考块，并使得视频压缩的性能得到提升。