公开(公告)号：CN108012157A

公开(公告)日：2018-05-08

申请号：CN201711207766.7

申请日：2017-11-27

Applicant: 上海交通大学

Inventor： 宋利 ,  张翰 ,  杨小康

IPC: H04N19/80 ,  H04N19/117 ,  H04N19/625 ,  H04N19/132 ,  H04N19/587 ,  H04N19/503 ,  G06N3/04

Abstract: 本发明提供一种用于视频编码分数像素插值的卷积神经网络的构建方法，包括：收集不同内容、分辨率的图像，形成包含不同类型、编码复杂度的数据的原始训练数据集；对原始训练数据集进行预处理操作，得到符合视频编码帧间预测分数像素插值特性的训练数据；搭建深度卷积神经网络，得到适用于视频编码帧间预测分数像素插值的卷积神经网络结构；使用预处理得到的数据输入搭建好的卷积神经网络，同时将原始训练数据集作为对应的真值，训练搭建的卷积神经网络。本发明保证了卷积神经网络可顺利训练，且使用训练好的卷积神经网络插值得到的分数像素满足视频编码分数像素插值特性需求，使用本发明进行分数像素插值可实现视频编码效率的提升。

公开(公告)号：CN108012157B

公开(公告)日：2020-02-04

申请号：CN201711207766.7

申请日：2017-11-27

Applicant: 上海交通大学

Inventor： 宋利 ,  张翰 ,  杨小康

IPC: H04N19/80 ,  H04N19/117 ,  H04N19/625 ,  H04N19/132 ,  H04N19/587 ,  H04N19/503 ,  G06N3/04

Abstract: 本发明提供一种用于视频编码分数像素插值的卷积神经网络的构建方法，包括：收集不同内容、分辨率的图像，形成包含不同类型、编码复杂度的数据的原始训练数据集；对原始训练数据集进行预处理操作，得到符合视频编码帧间预测分数像素插值特性的训练数据；搭建深度卷积神经网络，得到适用于视频编码帧间预测分数像素插值的卷积神经网络结构；使用预处理得到的数据输入搭建好的卷积神经网络，同时将原始训练数据集作为对应的真值，训练搭建的卷积神经网络。本发明保证了卷积神经网络可顺利训练，且使用训练好的卷积神经网络插值得到的分数像素满足视频编码分数像素插值特性需求，使用本发明进行分数像素插值可实现视频编码效率的提升。