[发明专利]基于深度学习的图像编码、解码系统及编码、解码方法在审
| 申请号： | 201910705904.7 | 申请日： | 2019-08-01 |
| 公开（公告）号： | CN110602494A | 公开（公告）日： | 2019-12-20 |
| 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： | H04N19/124 | 分类号： | H04N19/124;H04N19/13;H04N19/149;H04N19/169 |
| 代理公司： | 31317 上海恒慧知识产权代理事务所(特殊普通合伙) | 代理人： | 徐红银 |
| 地址： | 310018 浙江省杭州市经济技术开发区白*** | 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： | 本发明公开了一种基于深度学习的图像编码、解码系统及编码、解码方法，编码系统包括：基于深度学习的正变换网络模块、基于深度学习的条件概率超先验分析模块及熵编码模块；其中，正变换网络模块用于得到特征系数；超先验分析模块用于得到超先验特征值；熵编码模块用于熵编码。解码系统包括：熵解码模块、基于深度学习的重构模块及基于深度学习的反变换网络模块；其中，熵解码模块用于熵解码；重构模块用于得到条件概率模型；反变换网络模块用于重构出图像像素值。通过本发明，采用无监督的方式，训练得到的编解码器性能超越了多种传统编码标准。 | ||
| 搜索关键词： | 网络模块 先验 熵编码模块 熵解码模块 分析模块 解码系统 重构模块 反变换 正变换 学习 条件概率模型 学习的条件 解码 编解码器 编码系统 传统编码 特征系数 图像编码 图像像素 无监督 熵编码 熵解码 重构 概率 | ||
【主权项】：
1.一种基于深度学习的图像编码系统，其特征在于，包括：/n基于深度学习的正变换网络模块，该模块用于使图像经过正变换网络得到表征图像信息的特征系数；/n基于深度学习的条件概率超先验分析模块，该模块用于对所述特征系数进行分析，得到表征特征系数条件概率的超先验特征值；/n熵编码模块，该模块用于对经过量化后的所述特征系数进行熵编码，在所述超先验的条件概率的指导下，得到特征系数码流，还用于对经过量化后的所述超先验特征值，在训练集上统计的条件概率模型进行熵编码，得到超先验特征值码流。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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/patent/201910705904.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种仿射运动补偿的交织预测的方法及设备
- 下一篇：一种医学图像编码方法及装置
