基于深度学习帧内编码快速划分算法 |
| |
引用本文: | 曾奥迪,杨静.基于深度学习帧内编码快速划分算法[J].计算机工程与设计,2023(4):1014-1020. |
| |
作者姓名: | 曾奥迪 杨静 |
| |
作者单位: | 上海海事大学信息工程学院 |
| |
基金项目: | 国家自然科学基金项目(61902239); |
| |
摘 要: | 为降低H.266/VVC(versatile video coding)帧内编码复杂度,提出一种基于纹理分类的卷积注意力机制神经网络CBAM-CNN(convolutional block attention module-convolution neural network)模型的快速帧内编码单元划分方法,替代嵌套多类型四叉树QTMT(quadtree with nested multi-type tree)的遍历搜索。综合考虑每个编码单元CU(codinguint)纹理特征,建立基于阈值的纹理分类模型,判断64×64的编码单元是否划分;设计并训练一种CBAM-CNN网络模型,预测32×32,16×16CU的划分结果。仿真结果表明,所提算法使帧内编码时间平均减少43.217%,编码比特率仅增加0.894%,有效降低了帧内预测的编码复杂度。
|
关 键 词: | 帧内预测 纹理复杂度 阈值分类 编码块划分 嵌套多类型四叉树划分 注意力机制 编码复杂度 |
|
|