[发明专利]基于深度学习方法的块分割编码复杂度优化方法及装置

摘要

本发明提供一种基于深度学习方法的块分割编码复杂度优化方法及装置，方法包括：在HEVC中，查看HEVC当前使用的帧编码模式；根据帧编码模式选取与所述帧编码模式对应的CU分割预测模型；CU分割预测模型为预先建立并训练的模型；根据选取的CU分割预测模型预测HEVC中的CU分割结果，根据预测的CU分割结果对整个CTU进行分割。在具体应用中，帧编码模式为帧内模式，则CU分割预测模型为能够提前终止的ETH‑CNN；帧编码模式为帧间模式，则CU分割预测模型为能够提前终止的ETH‑LSTM和所述ETH‑CNN。上述方法在保证CU分割预测精度的前提下，显著缩短了编码时决定CU分割所需时间，有效降低HEVC编码复杂度。

主权项

1.一种基于深度学习方法的块分割编码复杂度优化方法，其特征在于，包括：在高效率视频编码HEVC中，查看所述HEVC当前使用的帧编码模式；根据所述帧编码模式选取与所述帧编码模式对应的编码单元CU分割预测模型；所述CU分割预测模型为预先建立并训练的模型；根据选取的所述CU分割预测模型预测所述HEVC中的CU分割结果，根据预测的所述CU分割结果对整个编码树单元CTU进行分割；所述帧编码模式为帧内模式，则所述CU分割预测模型为能够提前终止的分层卷积神经网络ETH‑CNN；所述帧编码模式为帧间模式，则所述CU分割预测模型为能够提前终止的ETH‑LSTM和所述ETH‑CNN。