[发明专利]面向神经网络编解码工具的并行推理方法及系统

权利要求书

1.一种面向神经网络编解码工具的并行推理方法，其特征在于，包括：

对待处理的图像进行边界扩充，得到边界完整的图像；

根据光栅扫描顺序将所述边界完整的图像划分成大小相同的图像块，其中，所述图像块的大小可以任意设定，所述图像块的大小可以与深度学习编码工具中率失真优化决策的块大小一致；

将所述大小相同的图像块组织成若干个张量，并将所述若干个张量作为一组张量同时送入神经网络中进行前向传播处理，其中，根据神经网络编码工具以及硬件显存大小设置所述张量的批尺寸值。

2.根据权利要求1所述的方法，其特征在于，所述对待处理的图像进行边界扩充，包括：

使用边界像素对所述待处理的图像进行镜像扩充；

使用边界像素对所述待处理的图像进行反射扩充。

3.根据权利要求1所述的方法，其特征在于，将所述大小相同的图像块组织成若干个张量，包括：

将所述大小相同的图像块放入张量中；

与率失真优化结合，解码端当该图像块的率失真决策结果为真时，将该图像块放入张量中。

4.根据权利要求1所述的方法，其特征在于，还包括：

当剩余图像块数量少于设置的张量的批尺寸值时，将剩余图像块组织成一组张量。

5.根据权利要求1所述的方法，其特征在于，所述对待处理的图像进行边界扩充之前，还包括：

获取待处理的图像。

6.一种面向神经网络编解码工具的并行推理装置，其特征在于，包括：

扩充模块，用于对待处理的图像进行边界扩充，得到边界完整的图像；

划分模块，用于根据光栅扫描顺序将所述边界完整的图像划分成大小相同的图像块，其中，所述图像块的大小可以任意设定，所述图像块的大小可以与深度学习编码工具中率失真优化决策的块大小一致；

组织模块，用于将所述大小相同的图像块组织成若干个张量，并将所述若干个张量作为一组张量同时送入神经网络中进行前向传播处理，其中，根据神经网络编码工具以及硬件显存大小设置所述张量的批尺寸值。

7.根据权利要求6所述的装置，其特征在于，所述扩充模块，包括：

第一扩充单元，用于使用边界像素对所述待处理的图像进行镜像扩充；

第二扩充单元，用于使用边界像素对所述待处理的图像进行反射扩充。

8.一种面向神经网络编解码工具的并行推理系统，其特征在于，包括：

一个或多个处理器、存储一个或多个程序的存储装置；

当所述一个或多个程序被所述一个或多个处理器执行时，所述一个或多个处理器实现如权利要求1～5任一项所述的一种面向神经网络编解码工具的并行推理方法。

9.一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，所述计算机程序被处理器执行时，实现如权利要求1～5任一项所述的一种面向神经网络编解码工具的并行推理方法。