[发明专利]一种视频处理模型构建方法及系统在审
申请号: | 202310126770.X | 申请日: | 2023-02-06 |
公开(公告)号: | CN116109890A | 公开(公告)日: | 2023-05-12 |
发明(设计)人: | 曹瑞;倪亚宇 | 申请(专利权)人: | 湖南国科微电子股份有限公司 |
主分类号: | G06V10/774 | 分类号: | G06V10/774;G06V20/40 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 郭庆玲 |
地址: | 410131 湖南省长沙市*** | 国省代码: | 湖南;43 |
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 视频 处理 模型 构建 方法 系统 | ||
1.一种视频处理模型构建方法,其特征在于,包括:
获取真实静态视频数据;
获取仿真动态视频数据;
获取动态RAW域视频数据;
根据所述真实静态视频数据和所述仿真动态视频数据,对预设初始网络模型进行训练,得到第一网络模型和第二网络模型;
根据所述动态RAW域视频数据和所述第二网络模型,得到真实动态视频数据;
根据所述真实静态视频数据和所述真实动态视频数据,对所述第一网络模型进行蒸馏训练,得到目标网络模型。
2.根据权利要求1所述的视频处理模型构建方法,其特征在于,所述第二网络模型的参数量大于所述第一网络模型的参数量。
3.根据权利要求1所述的视频处理模型构建方法,其特征在于,所述根据所述真实静态视频数据和所述仿真动态视频数据,对预设初始网络模型进行训练,得到第一网络模型和第二网络模型,包括:
对所述真实静态视频数据和所述仿真动态视频数据进行混合处理,得到第一训练视频数据;
根据所述第一训练视频数据,通过循环递归的方式对预设初始网络模型进行训练,得到第一网络模型和第二网络模型。
4.根据权利要求1或2所述的视频处理模型构建方法,其特征在于,所述根据所述动态RAW域视频数据和所述第二网络模型,得到真实动态视频数据,包括:
将所述动态RAW域视频数据输入所述第二网络模型进行前向推理,得到标签;
根据所述动态RAW域视频数据和所述标签,得到真实动态视频数据。
5.根据权利要求1至3任一项所述的视频处理模型构建方法,其特征在于,所述根据所述真实静态视频数据和所述真实动态视频数据,对所述第一网络模型进行蒸馏训练,得到目标网络模型,包括:
对所述真实静态视频数据和所述真实动态视频数据进行混合处理,得到第二训练视频数据;
根据所述第二训练视频数据,通过循环递归的方式对所述第一网络模型进行蒸馏训练,得到目标网络模型。
6.根据权利要求1至3任一项所述的视频处理模型构建方法,其特征在于,所述获取真实静态视频数据,包括:
获取静态RAW域视频数据;
对所述静态RAW域视频数据进行多帧叠加平均处理,得到真实静态视频数据。
7.根据权利要求1至3任一项所述的视频处理模型构建方法,其特征在于,所述获取仿真动态视频数据,包括:
获取动态高清视频数据;
对所述动态高清视频数据进行退化处理,得到动态高清RAW域视频数据;
对所述动态高清RAW域视频数据增加噪声,得到仿真动态视频数据。
8.一种视频处理模型构建系统,其特征在于,包括:
第一获取模块,用于获取真实静态视频数据;
第二获取模块,用于获取仿真动态视频数据;
第三获取模块,用于获取动态RAW域视频数据;
第一模型建立模块,用于根据所述真实静态视频数据和所述仿真动态视频数据,对预设初始网络模型进行训练,得到第一网络模型和第二网络模型;
处理模块,用于根据所述动态RAW域视频数据和所述第二网络模型,得到真实动态视频数据;
第二模型建立模块,用于根据所述真实静态视频数据和所述真实动态视频数据,对所述第一网络模型进行蒸馏训练,得到目标网络模型。
9.一种视频处理模型构建装置,其特征在于,包括:处理器、存储器和通信总线;
所述通信总线,用于实现所述处理器和所述存储器之间的连接通信;
所述处理器用于执行所述存储器中存储的视频处理模型构建处理程序,以实现如权利要求1-7任一项所述视频处理模型构建方法的步骤。
10.一种可读存储介质,其特征在于,所述可读存储介质中存储有计算机可执行指令,所述计算机可执行指令被处理器加载并执行时,实现如权利要求1至7任一项所述视频处理模型构建方法的步骤。
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湖南国科微电子股份有限公司,未经湖南国科微电子股份有限公司许可,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/202310126770.X/1.html,转载请声明来源钻瓜专利网。