[发明专利]一种用于深度学习编码的跨平台熵编码方法及解码方法在审
| 申请号： | 202010727133.4 | 申请日： | 2020-07-26 |
| 公开（公告）号： | CN112019865A | 公开（公告）日： | 2020-12-01 |
| 发明（设计）人： | 王培;其他发明人请求不公开姓名 | 申请（专利权）人： | 杭州皮克皮克科技有限公司 |
| 主分类号： | H04N19/91 | 分类号： | H04N19/91;H04N19/85 |
| 代理公司： | 上海恒慧知识产权代理事务所(特殊普通合伙) 31317 | 代理人： | 徐红银 |
| 地址： | 310018 浙江省杭州市杭州经济技术开发区*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 用于 深度 学习 编码 平台 方法 解码 | ||
1.一种用于深度学习编码的跨平台熵编码方法，其特征在于，包括：
S11：确定计算基于深度学习编码的熵编码模型的网络模块；
S12：将所述S11中的网络模块中的模型参数替换为精度大于等于float64的浮点数的模型参数，并将其中计算所用的中间变量也替换为精度大于等于float64的浮点数的中间变量；
S13：载入训练好的模型参数，对基于深度学习编码的熵编码模型进行初始化后进行编码。
2.根据权利要求1所述的用于深度学习编码的跨平台熵编码方法，其特征在于，所述S11中的基于深度学习编码模型的网络模块包括：超先验分析网络、超先验重构网络以及熵编码模型网络。
3.根据权利要求1所述的用于深度学习编码的跨平台熵编码方法，其特征在于，所述S11中的基于深度学习编码模型的网络模块包括：超先验编码网络，上下文模型预测网络以及熵编码模型网络。
4.根据权利要求1所述的，其特征在于，所述S12中的参数替换和/或中间变量替换的方式为格式类型转换。
5.一种用于深度学习编码的跨平台熵解码方法，其特征在于，包括：
S21：确定计算基于深度学习编码的熵解码模型的网络模块；
S22：将所述S21中的网络模块中的模型参数替换为精度大于等于float64的浮点数的模型参数，并将其中计算所用的中间变量也替换为精度大于等于float64的浮点数的中间变量；
S23：载入训练好的模型参数，对基于深度学习编码的熵解码模型进行初始化后进行解码。
6.根据权利要求5所述的用于深度学习编码的跨平台熵解码方法，其特征在于，所述S12中的基于深度学习编码的熵解码模型的网络模块包括：超先验分析网络、超先验重构网络以及熵编码模型网络。
7.根据权利要求5所述的用于深度学习编码的跨平台熵解码方法，其特征在于，所述S21中的基于深度学习编码的熵解码模型的网络模块包括：超先验解码网络，上下文模型预测网络以及熵编码模型网络。
8.根据权利要求5所述的用于深度学习编码的跨平台熵解码方法，其特征在于，所述S22中的参数替换和/或中间变量替换的方式为格式类型转换。
9.一种电子终端，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计算机程序时实现权利要求1-4任一所述的用于深度学习编码的跨平台熵编码方法或者实现权利要求5-8任一所述的用于深度学习编码的跨平台熵解码方法。
10.一种计算机可读存储介质，其存储用于电子数据交换的计算机程序，其特征在于，所述计算机程序使得计算机执行权利要求1-4任一所述的用于深度学习编码的跨平台熵编码方法或者执行权利要求5-8任一所述的用于深度学习编码的跨平台熵解码方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州皮克皮克科技有限公司，未经杭州皮克皮克科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010727133.4/1.html，转载请声明来源钻瓜专利网。
