[发明专利]基于深度学习的自适应编码方法及系统、设备、介质

权利要求书

1.一种基于深度学习的自适应编码方法，其特征在于，包括：

S11：输入视频，对所述输入视频中的每一帧进行基于深度学习的自适应降采样，得到降采样后的视频；

S12：将所述S11得到的降采样后的视频进行编码，然后将其压缩到解码端；

S13：在解码端进行解码；

S14：对解码后的视频进行视频上采样，得到重建视频。

2.根据权利要求1所述的基于深度学习的自适应编码方法，其特征在于，所述S11中的对所述输入视频进行基于深度学习的自适应降采样具体包括：

S111：将所述输入视频降采样到预设分辨率；

S112：对降采样后的视频中的每一帧进行基于深度学习的细化，得到最终的降采样后的视频。

3.根据权利要求2所述的基于深度学习的自适应编码方法，其特征在于，所述基于深度学习的细化具体包括：

S1121：将输入视频中的每一帧经过多层卷积层以及平均池化层，得到降采样后的特征；

S1122：将降采样后的特征经过多层卷积层以及双线性插值层，得到升采样后的特征，得到细化后的视频帧。

4.根据权利要求3所述的基于深度学习的自适应编码方法，其特征在于，所述基于深度学习的细化包括：多层卷积神经网络处理、平均池化层降采样处理以及双线性插值上采样处理。

5.根据权利要求1所述的基于深度学习的自适应编码方法，其特征在于，所述S11中的基于深度学习的自适应降采样的降采样倍数包括多个；

进一步地，所述S12与所述S13之间还包括：

S51：分别计算每个降采样倍数对应的率失真性能，选择率失真性能最好的降采样倍数的编码视频进入所述S13。

6.根据权利要求1所述的基于深度学习的自适应编码方法，其特征在于，所述S14中的视频上采样具体为采用线性差值的方法进行视频上采样，或，基于深度神经网络进行视频上采样。

7.一种基于深度学习的自适应编码系统，其特征在于，包括：基于深度学习的自适应降采样模块、编码模块、解码模块以及重建视频模块；其中，

所述基于深度学习的自适应降采样模块用于对输入视频进行基于深度学习的自适应降采样，得到降采样后的视频；

所述编码模块与所述基于深度学习的自适应降采样模块相连，用于将所述基于深度学习的自适应降采样模块得到的降采样后的视频进行编码，然后将其压缩到解码端；

所述解码模块与所述编码模块相连，用于在解码端进行解码；

所述重建视频模块与所述解码模块相连，用于对解码后的视频进行视频上采样，得到重建视频。

8.根据权利要求7所述的基于深度学习的自适应编码系统，其特征在于，所述基于深度学习的自适应降采样模块包括：降采样模块以及基于深度学习的细化模块；其中，

所述降采样模块用于将所述输入视频降采样到预设分辨率；

所述基于深度学习的细化模块用于对降采样后的视频中的每一帧进行基于深度学习的细化，得到最终的降采样图像。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时可用于执行权利要求1-6任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时可用于执行权利要求1-6任一所述的方法。