CN113014922B - 模型训练、视频编码方法,装置,设备以及存储介质 - Google Patents
模型训练、视频编码方法,装置,设备以及存储介质 Download PDFInfo
- Publication number
- CN113014922B CN113014922B CN202110201282.1A CN202110201282A CN113014922B CN 113014922 B CN113014922 B CN 113014922B CN 202110201282 A CN202110201282 A CN 202110201282A CN 113014922 B CN113014922 B CN 113014922B
- Authority
- CN
- China
- Prior art keywords
- video
- target
- unit
- encoding
- coding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/103—Selection of coding mode or of prediction mode
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/49—Segmenting video sequences, i.e. computational techniques such as parsing or cutting the sequence, low-level clustering or determining units such as shots or scenes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请公开了模型训练、视频编码方法,装置,设备以及存储介质,涉及深度学习、云计算领域。具体实现方案为:获取多个视频单元;对各视频单元进行预编码,根据预编码结果从多个视频单元中选取出样本视频单元;根据预设的多个编码参数,对样本视频单元进行编码;根据编码后各样本视频单元的视频质量,确定目标视频质量值对应的多个目标编码参数值;基于样本视频单元、目标视频质量值以及对应的多个目标编码参数值,训练模型。本实现方式能够提供一种生成高视频质量对应的多个编码参数,以利用各编码参数对视频进行编码。
Description
技术领域
本申请涉及计算机技术领域,具体涉及深度学习、云计算领域,尤其涉及模型训练、视频编码方法,装置,设备以及存储介质。
背景技术
随着视频技术的快速发展,视频分发平台每天都会接收到大量终端上传的大量视频,终端在上传视频前,首先需要对待上传视频进行编码,然后将编码后的视频上传至视频分发平台。
相关技术中,为了保证编码后视频的视频质量,为每个待上传视频确定较高的编码码率。这样,终端在上传编码后的视频的过程中,可能会超出当前的网络带宽,从而导致视频上传失败。或者,在播放视频时,如果网络带宽低,可能造成播放卡顿。
发明内容
提供了一种模型训练、视频编码方法,装置,设备以及存储介质。
根据第一方面,提供了一种模型训练方法,包括:获取多个视频单元;对各视频单元进行预编码,根据预编码结果从多个视频单元中选取出样本视频单元;根据预设的多个编码参数,对样本视频单元进行编码;根据编码后各样本视频单元的视频质量,确定目标视频质量值对应的多个目标编码参数值;基于样本视频单元、目标视频质量值以及对应的多个目标编码参数值,训练模型。
根据第二方面,提供了一种视频编码方法,包括:获取目标视频;确定目标视频的特征信息;根据特征信息、预设的视频质量值以及通过第一方面所描述的方法训练得到的模型,确定多个编码参数;利用多个编码参数对目标视频进行编码。
根据第三方面,提供了一种模型训练装置,包括:视频单元获取单元,被配置成获取多个视频单元;样本选取单元,被配置成对各视频单元进行预编码,根据预编码结果从多个视频单元中选取出样本视频单元;视频编码单元,被配置成根据预设的多个编码参数,对样本视频单元进行编码;参数确定单元,被配置成根据编码后各样本视频单元的视频质量,确定目标视频质量值对应的多个目标编码参数值;模型训练单元,被配置成基于样本视频单元、目标视频质量值以及对应的多个目标编码参数值,训练模型。
根据第四方面,提供了一种视频编码装置,包括:目标视频获取单元,被配置成获取目标视频;特征信息确定单元,被配置成确定目标视频的特征信息;编码参数确定单元,被配置成根据特征信息、预设的视频质量值以及通过第一方面所描述的方法训练得到的模型,确定多个编码参数;目标视频编码单元,被配置成利用多个编码参数对目标视频进行编码。
根据第五方面,提供了一种用于执行模型训练方法的电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,上述指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面所描述的方法。
根据第六方面,提供了一种用于执行视频编码方法的电子设备,包括:至少一个处理器;以及与上述至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,上述指令被至少一个处理器执行,以使至少一个处理器能够执行如第二方面所描述的方法。
根据第七方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,上述计算机指令用于使计算机执行如第一方面所描述的方法或第二方面所描述的方法。
根据第八方面,一种计算机程序产品,包括计算机程序,上述计算机程序在被处理器执行时实现如第一方面所描述的方法或第二方面所描述的方法。
本申请的技术能够提供一种生成高视频质量对应的多个编码参数,以利用各编码参数对视频进行编码。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是本申请的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本申请的模型训练方法的一个实施例的流程图;
图3是根据本申请的模型训练方法的另一个实施例的流程图;
图4是根据本申请的视频编码方法的一个实施例的流程图;
图5是根据本申请的模型训练方法、视频编码方法的一个应用场景的示意图;
图6是根据本申请的模型训练装置的一个实施例的结构示意图;
图7是根据本申请的视频编码装置的一个实施例的结构示意图;
图8是用来实现本申请实施例的模型训练方法、视频编码方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的模型训练方法、视频编码方法、模型训练装置或视频编码装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。例如,终端设备101、102、103通过网络104向服务器105上传视频,并且通过网络104接收服务器105发送的编码参数。终端设备101、102、103上可以安装有各种通讯客户端应用,例如视频播放类应用、视频编码类应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上传的视频提供编码服务的后台服务器。后台服务器可以利用训练好的模型确定编码参数,并将编码参数反馈给终端设备101、102、103,或者利用编码参数对视频进行编码。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本申请实施例所提供的模型训练方法一般由服务器105执行,视频编码方法一般由终端设备101、102、103执行。相应地,模型训练装置一般设置于服务器105中,视频编码装置一般设置于终端设备101、102、103中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的模型训练方法的一个实施例的流程200。本实施例的模型训练方法,包括以下步骤:
步骤201,获取多个视频单元。
本实施例中,模型训练方法的执行主体(例如图1所示的服务器105)可以获取多个视频单元。这里,视频单元可以包括多个视频帧或者预设数量个视频帧。具体的,视频单元可以包括同一场景的多个视频帧。多个视频单元可以来自于同一视频,也可以来自于不同的视频。
步骤202,对各视频单元进行预编码,根据预编码结果从多个视频单元中选取出样本视频单元。
执行主体在获取到多个视频单元后,可以对各视频单元进行预编码。这里,预编码是指利用预设的某个编码参数对各视频单元进行编码。例如,编码参数为CRF(ConstantRate Factor,固定码率系数)=23。
在对各视频单元进行预编码后,可以根据预编码结果从多个视频单元中选取出样本视频单元。具体的,执行主体可以确定预编码后各视频单元的时间复杂度、空间复杂度等信息。根据上述复杂度信息,从多个视频单元中选取出样本视频单元。具体的,执行主体可以预先设置多个复杂度等级,根据各视频单元的复杂度,将各视频单元划分到各个复杂度等级中。然后,从各个复杂度等级中均匀选取多个视频单元作为样本视频单元。
步骤203,根据预设的多个编码参数,对样本视频单元进行编码。
在选取出多个样本视频单元后,可以根据预设的多个编码参数,对样本视频单元进行编码。上述多个编码参数可以包括视频的宽、高、像素数、码率以及CRF值等等。
步骤204,根据编码后各样本视频单元的视频质量,确定目标视频质量值对应的多个目标编码参数值。
在对各视频单元完成编码后,执行主体可以确定编码后各样本视频单元的视频质量。具体的,执行主体可以利用现有的视频质量计算应用来计算视频质量。然后,执行主体可以通过各视频在各编码参数下的视频质量,统计出目标视频质量值对应的多个目标编码参数值。这里,目标视频质量值可以是用户预先设定的,也可以是从各样本视频单元的视频质量中确定出来的。举例来说,样本视频单元A的视频质量值为92,对应的编码参数值为a;样本视频单元B的视频质量值为90,对应的编码参数值为b;样本视频单元C的视频质量值为92,对应的编码参数值为c。如果目标视频质量值为92,则对应的多个目标编码参数值包括a和c。
步骤205,基于样本视频单元、目标视频质量值以及对应的多个目标编码参数值,训练模型。
执行主体可以利用各样本视频单元、目标视频质量值以及对应的多个目标编码参数值,训练模型。具体的,执行主体可以将样本视频单元中的视频帧、目标视频质量值作为模型的输入,将对应的多个目标编码参数值作为模型的期望输出,来训练模型。
本申请的上述实施例提供的模型训练方法,可以利用相同视频质量的多个样本视频单元的编码参数来训练模型,使得执行主体可以利用多个不同的编码参数来对视频进行高质量编码。
继续参见图3,其示出了根据本申请的模型训练方法的另一个实施例的流程300。如图3所示,本实施例的方法可以包括以下步骤:
步骤301,获取至少一个视频;对至少一个视频进行场景分割,得到多个视频单元。
本实施例中,执行主体可以获取至少一个视频。这里的视频可以是用户通过终端上传的视频,其中可以包括多个视频帧。执行主体可以对各视频进行场景分割,得到多个场景。每个场景可以包括多个视频帧,每个场景可以作为一个视频单元。这里的场景可以包括车站、咖啡厅、雪地等等。执行主体可以首先利用现有的算法对各视频进行场景识别,然后根据识别出的多个类型的场景,对视频进行分割,得到多个视频单元。
步骤302,根据预设的预编码参数,对各视频单元进行预编码,确定预编码后各视频单元的复杂度;根据复杂度,从多个视频单元中选取出样本视频单元。
执行主体在利用预设的预编码参数,对各视频单元进行预编码后,可以确定预编码后各视频单元的复杂度。这里的复杂度可以包括时间复杂度(TI,Temporal perceptualInformation)、空间复杂度(SI,Spatial perceptual Information)等。时间复杂度和空间复杂度的计算可以通过现有的算法来实现。在确定各视频单元的复杂度后,可以从多个视频单元中选取出多个样本视频单元。具体的,执行主体可以随机选取多个不同复杂度的视频单元,或者,可以均衡的选取多个视频单元,以保证所选取的视频单元的复杂度均值为预设值。
步骤303,根据预设的多个编码参数,对样本视频单元进行编码。
步骤304,确定编码后各样本视频单元的视频质量值、分辨率值和码率值;根据各视频质量值、各分辨率值和各码率值,确定不同分辨率下,视频质量与码率的关系曲线;根据各关系曲线,确定视频质量与分辨率、码率的凸包曲线;根据凸包曲线,确定目标视频质量值对应的多个目标分辨率值和目标码率值。
执行主体对各样本视频单元进行编码后,可以确定编码后各样本视频单元的视频质量值、分辨率值和码率值。对于视频质量值,可以采用现有的视频质量计算工具来确定。对于分辨率和码率,可以利用现有的视频处理软件来确定。在得到每个编码后的视频单元的视频质量值、分辨率值和码率值后,可以固定分辨率,得到视频质量与码率的关系曲线。这样,就可以得到多个分辨率下,视频质量与码率的关系曲线。然后,执行主体可以根据各关系曲线,确定视频质量与分辨率、码率的凸包曲线。给定二维平面上的点集,凸包曲线就是将最外层的点连接起来构成的凸形曲线,它能够包含点集中所有点。执行主体可以利用现有的多种方法来计算凸包曲线。例如可以利用convexHull()函数来查找凸包。在得到凸包曲线后,可以确定目标视频质量值对应的多个目标分辨率值和目标码率值。
步骤305,确定样本视频单元的特征信息;将特征信息、目标视频质量值作为输入,将对应的多个目标编码参数值作为期望输出,训练模型。
执行主体还可以提取样本视频单元的特征信息。这里,特征信息可以表示多维特征。例如,可以包括基础特征(如码率、分辨率、时长等等)、表征视频内容复杂度的特征(如通过卷积神经网络提取的特征、时间复杂度特征、空间复杂度特征)、视频帧的RGB直方图特征以及余弦直方图特征、相邻帧帧差的直方图特征和余弦直方图特征。为了计算方便,执行主体可以将上述特征进行拼接融合,得到一个特征矩阵。在一些具体的应用中,卷积神经网络可以包括TSN(Temporal Segment Network)网络,TSN网络由双路卷积神经网络组成,分别为spatial stream ConvNets和temporal stream ConvNets。TSN网络的输入为短时间内的多个视频帧,以获取视频的长时间信息。时间复杂度特征可以解码源视频单元的运动矢量,统计帧间运动矢量的平均长度,将其作为时间复杂度的特征。
执行主体可以将样本视频单元的特征以及目标视频质量值作为输入,将与目标视频质量值对应的多个码率值和分辨率值作为期望输出,来实现模型的训练。
在本实施例的一些可选的实现方式中,目标视频质量值可以是一个值,也可以是多个值。举例来说,目标视频质量值可以包括高质量、低质量和中质量三个阶段,这样可以保证样本的均衡性。高质量可以以视频质量92分为目标,选择92分上下的多个视频质量值,如90、91、93、94等等。
在本实施例的一些可选的实现方式中,执行主体在计算得到各编码后的视频单元的视频质量值、码率值和分辨率值后,可以根据预期的工作环境,在设定的码率范围(如200Kbps~4Mbps)内选择多个码率值。从而实现对样本视频单元的进一步筛选。
本申请的上述实施例提供的模型训练方法,可以均衡地选取视频样本对模型进行训练,从而保证模型的准确性。
参见图4,其示出了根据本申请的视频编码方法的一个实施例的流程400。如图4所示,本实施例的方法可以包括以下步骤:
步骤401,获取目标视频。
本实施例中,视频编码方法的执行主体(例如图1所示的终端设备101、102、103)可以通过多种方式获取目标视频。这里,目标视频可以是用户待上传的各种视频。
步骤402,确定目标视频的特征信息。
执行主体可以通过多种方式确定目标视频的多维特征信息。例如可以包括基础特征(如码率、分辨率、时长等等)、表征视频内容复杂度的特征(如通过卷积神经网络提取的特征、时间复杂度特征、空间复杂度特征)、视频帧的RGB直方图特征以及余弦直方图特征、相邻帧帧差的直方图特征和余弦直方图特征。
步骤403,根据特征信息、预设的视频质量值以及通过前述的模型训练方法训练得到的模型,确定多个编码参数。
执行主体可以将特征信息、预设的视频质量值输入通过前述的模型训练方法训练得到的模型,模型的输出即为多个编码参数。这里,预设的视频质量值可以是用户自行设定的。每个编码参数可以是一个序列或一个数组,其中包括多个数值。
步骤404,利用多个编码参数对目标视频进行编码。
执行主体在得到多个编码参数后,可以利用多个编码参数对目标视频进行编码。或者,执行主体还可以将多个编码参数输出给用户,用户从多个编码参数中选取出一个对目标视频进行编码。
本申请的上述实施例提供的视频编码方法,可以利用模型输出的多个编码参数对视频进行编码,使得编码参数得到的视频质量符合用户的预期。
在本实施例的一些可选的实现方式中,上述步骤404具体可以包括图4中未示出的以下步骤:实时获取当前网络环境参数;根据当前网络环境参数,从多个编码参数中确定出目标编码参数;利用目标编码参数对目标视频进行编码。
本实现方式中,执行主体还可以实时获取当前网络环境参数。网络环境参数可以包括带宽等参数。然后,执行主体可以根据当前网络环境参数,从多个编码参数中确定出目标编码参数。可以理解的是,确定出的目标编码参数是与当前网络环境参数匹配的。例如,当前带宽较小,则可以确定分辨率较低和码率较低的编码参数。利用上述目标编码参数对目标视频进行编码。
参见图5,其示出了根据本申请的模型训练方法和视频编码方法的一个应用场景的示意图。在图5的应用场景中,服务器501通过获取多个视频,对各视频进行场景分割后,得到多个视频单元。对多个视频单元进行预编码后,选取出多个样本视频单元。利用多个编码参数对多个样本视频单元进行编码,并确定出编码后的各视频单元的视频质量值、码率值和分辨率值。并建立视频质量值、码率值和分辨率值的凸包曲线。根据凸包曲线,确定出多个目标视频质量值对应的目标码率值和目标分辨率值。利用各样本视频单元、各目标视频质量值以及对应的目标码率值和目标分辨率值来训练模型,得到训练后的模型。
然后,服务器501可以将上述模型发送给终端设备502。用户在通过终端设备502上传视频时,可以首先提取视频的特征信息。然后输入预期的视频质量值,将上述信息输入模型中,得到多个编码参数。用户从中选择一个编码参数对视频进行编码,并将编码后的视频上传至云端503。
进一步参考图6,作为对上述各图所示方法的实现,本申请提供了一种模型训练装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图6所示,本实施例的模型训练装置600包括:视频单元获取单元601、样本选取单元602、视频编码单元603、参数确定单元604和模型训练单元605。
视频单元获取单元601,被配置成获取多个视频单元。
样本选取单元602,被配置成对各视频单元进行预编码,根据预编码结果从多个视频单元中选取出样本视频单元。
视频编码单元603,被配置成根据预设的多个编码参数,对样本视频单元进行编码。
参数确定单元604,被配置成根据编码后各样本视频单元的视频质量,确定目标视频质量值对应的多个目标编码参数值。。
模型训练单元605,被配置成基于样本视频单元、目标视频质量值以及对应的多个目标编码参数值,训练模型。
在本实施例的一些可选的实现方式中,视频单元获取单元601可以进一步被配置成:获取至少一个视频;对至少一个视频进行场景分割,得到多个视频单元。
在本实施例的一些可选的实现方式中,样本选取单元602可以进一步被配置成:根据预设的预编码参数,对各视频单元进行预编码,确定预编码后各视频单元的复杂度;根据复杂度,从多个视频单元中选取出样本视频单元。
在本实施例的一些可选的实现方式中,参数确定单元604可以进一步被配置成:确定编码后各样本视频单元的视频质量值、分辨率值和码率值;根据各视频质量值、各分辨率值和各码率值,确定不同分辨率下,视频质量与码率的关系曲线;根据各关系曲线,确定视频质量与分辨率、码率的凸包曲线;根据凸包曲线,确定目标视频质量值对应的多个目标分辨率值和目标码率值。
在本实施例的一些可选的实现方式中,模型训练单元605可以进一步被配置成:确定样本视频单元的特征信息;将特征信息、目标视频质量值作为输入,将对应的多个目标编码参数值作为期望输出,训练模型。
本申请还提供了一种视频编码装置的一个实施例,该装置实施例与图4所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图7所示,本实施例的模型训练装置700包括:目标视频获取单元701、特征信息确定单元702、编码参数确定单元703和目标视频编码单元704。
目标视频获取单元701,被配置成获取目标视频。
特征信息确定单元702,被配置成确定目标视频的特征信息。
编码参数确定单元703,被配置成根据特征信息、预设的视频质量值以及通过模型训练方法训练得到的模型,确定多个编码参数。
目标视频编码单元704,被配置成利用多个编码参数对目标视频进行编码。
在本实施例的一些可选的实现方式中,目标视频编码单元704可以进一步被配置成:实时获取当前网络环境参数;根据当前网络环境参数,从多个编码参数中确定出目标编码参数;利用目标编码参数对目标视频进行编码。
应当理解,模型训练装置600中记载的单元601至单元605分别与参考图2中描述的方法中的各个步骤相对应。由此,上文针对模型训练方法描述的操作和特征同样适用于装置600及其中包含的单元,在此不再赘述。视频编码装置700中记载的单元701至单元704分别与参考图4中描述的方法中的各个步骤相对应。由此,上文针对视频编码方法描述的操作和特征同样适用于装置700及其中包含的单元,在此不再赘述。
根据本申请的实施例,本申请还提供了还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了根据本申请实施例的执行用于输出信息的方法的电子设备800的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图8所示,设备800包括处理器801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储器808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。处理器801、ROM 802以及RAM 803通过总线804彼此相连。I/O接口(输入/输出接口)805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储器808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器801可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器801执行上文所描述的各个方法和处理,例如用于输出信息的方法。例如,在一些实施例中,用于输出信息的方法可被实现为计算机软件程序,其被有形地包含于机器可读存储介质,例如存储器808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由处理器801执行时,可以执行上文描述的用于输出信息的方法的一个或多个步骤。备选地,在其他实施例中,处理器801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行用于输出信息的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。上述程序代码可以封装成计算机程序产品。这些程序代码或计算机程序产品可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器801执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中,机器可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读存储介质可以是机器可读信号存储介质或机器可读存储介质。机器可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学存储设备、磁存储设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以是分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请的保护范围之内。
Claims (15)
1.一种模型训练方法,包括:
获取多个视频单元;
对各视频单元进行预编码,根据预编码结果从所述多个视频单元中选取出样本视频单元;
根据预设的多个编码参数,对所述样本视频单元进行编码;
根据编码后各样本视频单元的视频质量,确定目标视频质量值对应的多个目标编码参数值;
基于所述样本视频单元、所述目标视频质量值以及对应的多个目标编码参数值,训练模型;
所述根据编码后各样本视频单元的视频质量,确定目标视频质量值对应的多个目标编码参数值,包括:
确定编码后各样本视频单元的视频质量值、分辨率值和码率值;
根据各视频质量值、各分辨率值和各码率值,确定不同分辨率下,视频质量与码率的关系曲线;
根据各关系曲线,确定视频质量与分辨率、码率的凸包曲线;
根据所述凸包曲线,确定目标视频质量值对应的多个目标分辨率值和目标码率值。
2.根据权利要求1所述的方法,其中,所述获取多个视频单元,包括:
获取至少一个视频;
对所述至少一个视频进行场景分割,得到多个视频单元。
3.根据权利要求1所述的方法,其中,所述对各视频单元进行预编码,根据预编码结果从所述多个视频单元中选取出样本视频单元,包括:
根据预设的预编码参数,对各视频单元进行预编码,确定预编码后各视频单元的复杂度;
根据所述复杂度,从所述多个视频单元中选取出样本视频单元。
4.根据权利要求1所述的方法,其中,所述基于所述样本视频单元、所述目标视频质量值以及对应的多个目标编码参数值,训练模型,包括:
确定所述样本视频单元的特征信息;
将所述特征信息、所述目标视频质量值作为输入,将对应的多个目标编码参数值作为期望输出,训练模型。
5.一种视频编码方法,包括:
获取目标视频;
确定所述目标视频的特征信息;
根据所述特征信息、预设的视频质量值以及通过权利要求1-4任一项所述的方法训练得到的模型,确定多个编码参数;
利用所述多个编码参数对所述目标视频进行编码。
6.根据权利要求5所述的方法,其中,所述利用所述多个编码参数对所述目标视频进行编码,包括:
实时获取当前网络环境参数;
根据所述当前网络环境参数,从所述多个编码参数中确定出目标编码参数;
利用所述目标编码参数对所述目标视频进行编码。
7.一种模型训练装置,包括:
视频单元获取单元,被配置成获取多个视频单元;
样本选取单元,被配置成对各视频单元进行预编码,根据预编码结果从所述多个视频单元中选取出样本视频单元;
视频编码单元,被配置成根据预设的多个编码参数,对所述样本视频单元进行编码;
参数确定单元,被配置成根据编码后各样本视频单元的视频质量,确定目标视频质量值对应的多个目标编码参数值;
模型训练单元,被配置成基于所述样本视频单元、所述目标视频质量值以及对应的多个目标编码参数值,训练模型;
所述参数确定单元进一步被配置成:
确定编码后各样本视频单元的视频质量值、分辨率值和码率值;
根据各视频质量值、各分辨率值和各码率值,确定不同分辨率下,视频质量与码率的关系曲线;
根据各关系曲线,确定视频质量与分辨率、码率的凸包曲线;
根据所述凸包曲线,确定目标视频质量值对应的多个目标分辨率值和目标码率值。
8.根据权利要求7所述的装置,其中,所述视频单元获取单元进一步被配置成:
获取至少一个视频;
对所述至少一个视频进行场景分割,得到多个视频单元。
9.根据权利要求7所述的装置,其中,所述样本选取单元进一步被配置成:
根据预设的预编码参数,对各视频单元进行预编码,确定预编码后各视频单元的复杂度;
根据所述复杂度,从所述多个视频单元中选取出样本视频单元。
10.根据权利要求7所述的装置,其中,所述模型训练单元进一步被配置成:
确定所述样本视频单元的特征信息;
将所述特征信息、所述目标视频质量值作为输入,将对应的多个目标编码参数值作为期望输出,训练模型。
11.一种视频编码装置,包括:
目标视频获取单元,被配置成获取目标视频;
特征信息确定单元,被配置成确定所述目标视频的特征信息;
编码参数确定单元,被配置成根据所述特征信息、预设的视频质量值以及通过权利要求1-4任一项所述的方法训练得到的模型,确定多个编码参数;
目标视频编码单元,被配置成利用所述多个编码参数对所述目标视频进行编码。
12.根据权利要求11所述的装置,其中,所述目标视频编码单元进一步被配置成:
实时获取当前网络环境参数;
根据所述当前网络环境参数,从所述多个编码参数中确定出目标编码参数;
利用所述目标编码参数对所述目标视频进行编码。
13.一种用于执行模型训练方法的电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的方法。
14.一种用于执行视频编码方法的电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求5-6中任一项所述的方法。
15.一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的方法或权利要求5-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110201282.1A CN113014922B (zh) | 2021-02-23 | 2021-02-23 | 模型训练、视频编码方法,装置,设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110201282.1A CN113014922B (zh) | 2021-02-23 | 2021-02-23 | 模型训练、视频编码方法,装置,设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113014922A CN113014922A (zh) | 2021-06-22 |
CN113014922B true CN113014922B (zh) | 2023-04-07 |
Family
ID=76407494
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110201282.1A Active CN113014922B (zh) | 2021-02-23 | 2021-02-23 | 模型训练、视频编码方法,装置,设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113014922B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113873291A (zh) * | 2021-09-24 | 2021-12-31 | 广州虎牙科技有限公司 | 视频编码参数组合确定方法、装置及服务器 |
CN115842925A (zh) * | 2022-11-22 | 2023-03-24 | 魏洪源 | 视频转码方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103002286A (zh) * | 2012-12-06 | 2013-03-27 | 深圳广晟信源技术有限公司 | 视频单元的复杂度生成方法及装置 |
CN109286825A (zh) * | 2018-12-14 | 2019-01-29 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
CN110650370A (zh) * | 2019-10-18 | 2020-01-03 | 北京达佳互联信息技术有限公司 | 一种视频编码参数确定方法、装置、电子设备及存储介质 |
CN110719457A (zh) * | 2019-09-17 | 2020-01-21 | 北京达佳互联信息技术有限公司 | 一种视频编码方法、装置、电子设备及存储介质 |
CN112188310A (zh) * | 2020-09-28 | 2021-01-05 | 北京金山云网络技术有限公司 | 测试序列构建方法、装置、电子设备及存储介质 |
US10897654B1 (en) * | 2019-09-30 | 2021-01-19 | Amazon Technologies, Inc. | Content delivery of live streams with event-adaptive encoding |
-
2021
- 2021-02-23 CN CN202110201282.1A patent/CN113014922B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103002286A (zh) * | 2012-12-06 | 2013-03-27 | 深圳广晟信源技术有限公司 | 视频单元的复杂度生成方法及装置 |
CN109286825A (zh) * | 2018-12-14 | 2019-01-29 | 北京百度网讯科技有限公司 | 用于处理视频的方法和装置 |
CN110719457A (zh) * | 2019-09-17 | 2020-01-21 | 北京达佳互联信息技术有限公司 | 一种视频编码方法、装置、电子设备及存储介质 |
US10897654B1 (en) * | 2019-09-30 | 2021-01-19 | Amazon Technologies, Inc. | Content delivery of live streams with event-adaptive encoding |
CN110650370A (zh) * | 2019-10-18 | 2020-01-03 | 北京达佳互联信息技术有限公司 | 一种视频编码参数确定方法、装置、电子设备及存储介质 |
CN112188310A (zh) * | 2020-09-28 | 2021-01-05 | 北京金山云网络技术有限公司 | 测试序列构建方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113014922A (zh) | 2021-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10897620B2 (en) | Method and apparatus for processing a video | |
CN108830235B (zh) | 用于生成信息的方法和装置 | |
CN113014922B (zh) | 模型训练、视频编码方法,装置,设备以及存储介质 | |
CN113014937B (zh) | 视频插帧方法、装置、设备以及存储介质 | |
CN113627536B (zh) | 模型训练、视频分类方法,装置,设备以及存储介质 | |
CN113888410A (zh) | 图像超分辨率方法、装置、设备、存储介质以及程序产品 | |
CN113688907A (zh) | 模型训练、视频处理方法,装置,设备以及存储介质 | |
CN113590858A (zh) | 目标对象的生成方法、装置、电子设备以及存储介质 | |
WO2022000298A1 (en) | Reinforcement learning based rate control | |
CN114693934A (zh) | 语义分割模型的训练方法、视频语义分割方法及装置 | |
CN113870399B (zh) | 表情驱动方法、装置、电子设备及存储介质 | |
CN113052962B (zh) | 模型训练、信息输出方法,装置,设备以及存储介质 | |
CN113011210A (zh) | 视频处理方法和装置 | |
CN114937478B (zh) | 用于训练模型的方法、用于生成分子的方法和装置 | |
CN112929689B (zh) | 视频插帧方法、装置、设备以及存储介质 | |
CN115690238A (zh) | 图像生成及模型训练方法、装置、设备和存储介质 | |
CN114882334A (zh) | 用于生成预训练模型的方法、模型训练方法及装置 | |
CN113610731A (zh) | 用于生成画质提升模型的方法、装置及计算机程序产品 | |
CN113033373A (zh) | 用于训练人脸识别模型及识别人脸的方法及相关装置 | |
CN112651449A (zh) | 确定视频的内容特征的方法、装置、电子设备及存储介质 | |
CN113099216B (zh) | 编码复杂度评估方法、装置、设备以及存储介质 | |
CN113177483B (zh) | 视频目标分割方法、装置、设备以及存储介质 | |
CN113099231B (zh) | 确定亚像素插值位置的方法、装置、电子设备和存储介质 | |
CN115719324A (zh) | 图像处理方法、深度学习模型的训练方法、装置和设备 | |
CN117593424A (zh) | 虚拟对象脸部驱动及模型训练方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |