[发明专利]特征数据编码方法、编码器、特征数据解码方法及解码器

说明书

本发明提供一种特征数据编码方法、编码器、特征数据解码方法及解码器。所述特征数据编码方法包括：将转换单元划分为多个子区块及N个子转换单元；在第i个子转换单元中决定参考原点及最后有效系数，并将所述第i个子转换单元的最后有效系数的原始坐标修正为特定坐标；从所述第i个子转换单元的特定子区块开始扫瞄所述第i个子转换单元，并将所述第i个子转换单元中的有效特征系数个别编码为编码数据。据此，可提升传输效率。

技术领域

本发明涉及一种特征数据处理机制，且涉及一种特征数据编码方法、 编码器、特征数据解码方法及解码器。

背景技术

因物联网(Internet of Things，IoT)相关应用快速成长，衍生大量的 智能化创新应用需求(例如智能城市/智能安全防护、智慧车联网、智慧家 电等)。在未来的趋势中，手机、摄像机、家电、行车辅助系统都将具备 人工智能(AI)功能(俗称AIoT装置)，而将AI运算力移往前端AIoT 装置将成为B5G/6G时代的重要发展趋势。

然而，考虑成本、功耗、机构限制与系统弹性，前端装置仅能提供初 步的运算功能，而深度运算与训练仍需边缘装置/后端服务器协作完成(例 如分段式机器视觉运算)。在此情况下，可预见的是分段式机器视觉运算 对编码与传输将衍生出以下技术需求。

例如，机器视觉应用需要降低运算复杂度与编码延迟时间，以满足高 度实时性服务的需求(此可称为低延迟需求)。另外，为了维持AI辨识 的准确率，需要保留机器需要的细节信息，避免过度处理导致影像失真， 造成系统辨识率下降(可称为高准确率需求)。此外，需以共通的格式进 行特征编码，并以共享骨干(Shared Backbone)的方式提供不同应用的机器 视觉任务，重复利用萃取的特征(此可称为多重应用需求)。

在现有视频压缩技术中，虽可达到强大的压缩效能，但不完全适合机 器视觉的应用。主要原因在于特征影像内容非用于供人类观看，因此传统 编码技术已不完全适用特征影像的压缩，且反而会增加延迟时间。同时， 欲满足高辨识率的应用，需要设计适合保留高频数据的编码方法以提供更 高的数据精准度。

发明内容

有鉴于此，本发明提供一种特征数据编码方法、编码器、特征数据解码 方法及解码器，其可用于解决上述技术问题。

本发明提供一种特征数据编码方法，适于编码器，所述方法包括：取得 包括多个特征系数的转换单元，并将转换单元划分为多个子区块；将转换单 元划分为N个子转换单元，其中各子转换单元包括所述多个子区块的至少其 中之一，且N为大于等于1的整数；在所述N个子转换单元的第i个子转换 单元中决定参考原点及最后有效系数，并基于所述第i个子转换单元的参考 原点将所述第i个子转换单元的最后有效系数的原始坐标修正为特定坐标， 其中所述第i个子转换单元的最后有效系数位于所述第i个子转换单元中的特 定子区块，i为索引值且1≤i≤N；从所述第i个子转换单元的特定子区块开 始扫瞄所述第i个子转换单元，并将所述第i个子转换单元中的至少一有效特 征系数个别编码为编码数据；以及发送第一特定指标、各子转换单元的最后 有效系数的特定坐标及各有效特征系数的编码数据至解码器，其中第一特定 指标指示各子转换单元的最后有效系数的特定坐标经过修正。