CN114710667A - 针对h.266/vvc屏幕内容帧内cu划分的快速预测方法及装置 - Google Patents

Abstract

本发明公开了一种针对H.266/VVC屏幕内容帧内CU划分的快速预测方法及装置，通过收集屏幕内容视频建立数据库，用于训练模型；构建宽度自适应网络模型，预测两种不同尺寸CU的划分方式，预测步骤如下：先采用网络模型对64×64大小的CU进行划分方式预测，若为不划分，则停止CU的RD代价计算，若为划分，则得到4个32×32大小的CU，则采用网络模型对32×32大小的CU的划分方式进行预测，若为不划分，则停止RD的代价计算，若为四叉树划分，则得到4个16×16的CU：若为多种类型叉树划分，则需要依靠标准编码器进行计算；最后设定适当的预设阈值来提高预测准确率。本发明能够在保持H.266/VVC编码效率的前提下，有效地降低H.266/VVC屏幕内容的帧内预测编码计算复杂度。

Description

针对H.266/VVC屏幕内容帧内CU划分的快速预测方法及装置

技术领域

本发明涉及视频编码领域，具体涉及一种针对H.266/VVC屏幕内容帧内CU划分的快速预测方法及装置。

背景技术

随着多媒体通信技术和视频终端设备的快速发展，对屏幕视频编码技术提出了更高的要求。由于H.265/HEVC-SCC已逐渐不能满足超高清屏幕视频压缩性能要求，运动图像专家组(MPEG)和视频编码专家组(VCEG)成立了JVET，制定了新一代视频编码标准H.266/VVC，并且在H.266/VVC的早期版本中就加入了针对屏幕内容视频的编码技术。

相比于H.265/HEVC-SCC，H.266/VVC取得较高的编码效率。在H.265/HEVC-SCC中，CU划分方式只有四叉树，因此只有划分和不划分两种区别，64×64大小的CTU最终有85种可能的组合，而H.266/VVC的划分方式增加了四种，包括水平二叉树，水平三叉树，垂直二叉树，垂直三叉树，CU面临6种选择，标准编码器需要将5781种可能都执行一次，并记录其代价，最终比较哪种组合的代价最小，作为最终的划分结果。更灵活的CU划分方式比H.265/HEVC-SCC能提供更合适的编码块，提高编码性能，但同时增加巨额计算复杂度。

因此，如何在保持H.266/VVC编码性能前提下，有效降低屏幕内容编码复杂度，成为H.266/VVC迫切需要解决的问题。

发明内容

针对上述提到的等问题。本申请的实施例的目的在于提出了一种针对H.266/VVC屏幕内容帧内CU划分的快速预测方法及装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请的实施例提供了一种针对H.266/VVC屏幕内容帧内CU划分的快速预测方法，包括以下步骤：

S1，构建宽度自适应网络模型，宽度自适应网络模型包括4层卷积层、2层池化层和3层全连接层，宽度自适应网络模型的输入为CU，输出为划分类型，根据输入的CU的尺寸自适应调整宽度自适应网络模型中卷积层的通道数；

S2，对宽度自适应网络模型进行训练，将训练好的宽度自适应网络模型嵌入到标准编码器中；

S3，获取屏幕内容视频，用标准编码器进行编码，将128×128大小的CTU直接划分为64×64大小的CU，将64×64大小的CU输入训练好的宽度自适应网络模型进行预测，得到第一预测结果，根据第一预测结果中的划分类型进行CU划分；

S4，响应于确认第一预测结果为划分，则将64×64大小的CU划分为4个32×32大小的CU，并再次输入调整通道数后的训练好的宽度自适应网络模型进行预测，得到第二预测结果，根据第二预测结果中的划分类型进行CU划分。

在具体的实施例中，步骤S1中根据输入的CU的尺寸自适应调整宽度自适应网络模型中的卷积层的通道数，具体包括：采用以下公式计算卷积层的通道数：

其中，K_i表示第i层卷积层的通道数，S表示输入的CU的尺寸，S∈{64,32}。

在具体的实施例中，宽度自适应网络模型包括依次连接的第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层和3层全连接层。

在具体的实施例中，当输入为64×64大小的CU时，卷积层的卷积核大小均为3×3，步长为1，填充为1，第一卷积层、第二卷积层、第三卷积层和第四卷积层的通道数分别为64、64、128、128；池化层选择最大池化，窗口大小为2×2，第一池化层和第二池化层的通道数分别为64、128；3层全连接层神经元数分别为16384、512、2，dropout比率为0.3；

当输入为32×32的CU时，卷积层的卷积核大小均为3×3，步长为1，填充为1，第一卷积层、第二卷积层、第三卷积层和第四卷积层的通道数分别为128、128、256、256；池化层选择最大池化，窗口大小为2×2，第一池化层和第二池化层的通道数分别为128、256；3层全连接层的神经元数分别为32768、512、3，dropout比率为0.3。

在具体的实施例中，当输入为64×64大小的CU，则存在两种划分类型：不划分、四叉树划分；当输入为32×32大小的CU，则存在三种划分类型：不划分、四叉树划分、多种类型叉树划分，步骤S2中宽度自适应网络模型的训练过程中64×64大小的CU有两种标签：0为不划分、1为四叉树划分，32×32大小的CU有三种标签：0为不划分、1为四叉树划分、2为多种类型叉树划分，并采用以下损失函数：

其中，ω表示划分方式q所占的比例，划分方式q对应数值为不同尺寸CU的标签0，1或0，1，2，p表示划分方式q的网络输出概率，N表示训练样本的批次数。

在具体的实施例中，步骤S3中根据第一预测结果中的划分类型进行CU划分以及步骤S4的根据第二预测结果中的划分类型进行CU划分，具体包括：若第一预测结果的划分类型为不划分，则终止RDO搜索过程；若第一预测结果的划分类型为划分，则将64×64大小的CU划分为4个32×32大小的CU，再次送入调整通道数后的训练好的宽度自适应网络模型，若第二预测结果的划分类型为不划分，则终止RDO搜索过程，若第二预测结果的划分类型为四叉树划分，则得到4个16×16大小的CU，若第二预测结果的划分类型为多种类型叉树划分，则送入标准编码器进行选择。

在具体的实施例中，当第一预测结果和/或第二预测结果为不划分，若预测概率高于预设阈值，则终止RDO搜索过程，否则需要标准编码器重新计算。

第二方面，本申请的实施例提供了一种针对H.266/VVC屏幕内容帧内CU划分的快速预测装置，包括：

模型构建模块，被配置为构建宽度自适应网络模型，宽度自适应网络模型包括4层卷积层、2层池化层和3层全连接层，宽度自适应网络模型的输入为CU，输出为划分类型，根据输入的CU的尺寸自适应调整宽度自适应网络模型中卷积层的通道数；

模型训练模块，被配置为对宽度自适应网络模型进行训练，将训练好的宽度自适应网络模型嵌入到标准编码器中；

第一预测模块，被配置为获取屏幕内容视频，用标准编码器进行编码，将128×128大小的CTU直接划分为64×64大小的CU，将64×64大小的CU输入训练好的宽度自适应网络模型进行预测，得到第一预测结果，根据第一预测结果中的划分类型进行CU划分；

第二预测模块，被配置为响应于确认第一预测结果为划分，则将64×64大小的CU划分为4个32×32大小的CU，并再次输入调整通道数后的训练好的宽度自适应网络模型进行预测，得到第二预测结果，根据第二预测结果中的划分类型进行CU划分。

第三方面，本申请的实施例提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

相比于现有技术，本发明具有以下有益效果：

(1)本发明利用训练好的宽度自适应网络模型预测大尺寸CU的划分方式，预测准确率较高，在几乎不影响编码效率和视频质量的情况下，极大地降低了编码复杂度。

(2)本发明使用的宽度自适应网络模型采用浅层卷积网络，运算时间仅占总编码时间的3％左右，便于在便携式设备上进行部署。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请的一个实施例可以应用于其中的示例性装置架构图；

图2为本发明的实施例的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法的流程示意图；

图3为本发明的实施例的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法的宽度自适应网络模型的示意图；

图4为本发明的实施例的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法的划分判断的示意图；

图5为本发明的实施例的针对H.266/VVC屏幕内容帧内CU划分的快速预测装置的示意图；

图6是适于用来实现本申请实施例的电子设备的计算机装置的结构示意图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1示出了可以应用本申请实施例的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法或针对H.266/VVC屏幕内容帧内CU划分的快速预测装置的示例性装置架构100。

如图1所示，装置架构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。终端设备101、102、103上可以安装有各种应用，例如数据处理类应用、文件处理类应用等。

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、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的软件或软件模块)，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上传的文件或数据进行处理的后台数据处理服务器。后台数据处理服务器可以对获取的文件或数据进行处理，生成处理结果。

需要说明的是，本申请实施例所提供的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法可以由服务器105执行，也可以由终端设备101、102、103执行，相应地，针对H.266/VVC屏幕内容帧内CU划分的快速预测装置可以设置于服务器105中，也可以设置于终端设备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。在所处理的数据不需要从远程获取的情况下，上述装置架构可以不包括网络，而只需服务器或终端设备。

图2示出了本申请的实施例提供的一种针对H.266/VVC屏幕内容帧内CU划分的快速预测方法，对CU划分预测进行优化改进，包括以下步骤：

S1，构建宽度自适应网络模型，宽度自适应网络模型包括4层卷积层、2层池化层和3层全连接层，宽度自适应网络模型的输入为CU，输出为划分类型，根据输入的CU的尺寸自适应调整宽度自适应网络模型中卷积层的通道数。

具体地，参考图3，宽度自适应网络模型包括依次连接的第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层和3层全连接层。其中，4层卷积层提取特征，2层池化层压缩特征，3层全连接层进行分类。S_i表示当前特征的大小，K_i表示当前特征的通道数。

在具体的实施例中，宽度自适应网络模型中的网络宽度可随输入的CU的尺寸变化，网络宽度计算公式为：

其中，K_i表示第i层卷积层的通道数，S表示输入的CU的尺寸，S∈{64,32}。

由此可知，当输入64×64大小的CU时，卷积层的通道数为64、128，当输入32×32大小的CU时，卷积层的通道数变为128、256。

具体地，当输入为64×64大小的CU时，卷积层的卷积核大小均为3×3，步长为1，填充为1，第一卷积层、第二卷积层、第三卷积层和第四卷积层的通道数分别为64、64、128、128；池化层选择最大池化，窗口大小为2×2，第一池化层和第二池化层的通道数分别为64、128；3层全连接层神经元数分别为16384、512、2，dropout比率为0.3；

当输入为32×32的CU时，卷积层的卷积核大小均为3×3，步长为1，填充为1，第一卷积层、第二卷积层、第三卷积层和第四卷积层的通道数分别为128、128、256、256；池化层选择最大池化，窗口大小为2×2，第一池化层和第二池化层的通道数分别为128、256；3层全连接层的神经元数分别为32768、512、3，dropout比率为0.3。

S2，对宽度自适应网络模型进行训练，将训练好的宽度自适应网络模型嵌入到标准编码器中。

在具体的实施例中，宽度自适应网络模型的训练过程如下：

1)收集屏幕内容视频，用标准编码器进行编码，统计划分信息。将不同的划分类型赋予不同的标签，64×64大小的CU有两种标签，0为不划分，1为四叉树划分，32×32大小的CU有三种标签，0为不划分，1为四叉树划分，2为多种类型叉树划分。考虑到提前预测大尺寸CU的划分方式，能节省更多的编码时间，仅将64×64和32×32大小的CU作为训练集、验证集和测试集，按照8：1：1的比例随机分配。

2)采用步骤S1中构建好的宽度自适应网络模型，64×64大小CU的划分和不划分比例大致为4：1，因此直接将其作为训练集，在使用交叉熵损失函数时，很容易导致网络过拟合，网络在学习过程中会更多地关注比例高的类别，最终导致分类失败。而采用传统的数据增强办法，则会导致训练样缺失或者过拟合等问题，因此将不同划分方式的数量权重加入到交叉熵损失函数中，来平衡不同比例的划分方式对损失的影响。损失函数如下：

其中，ω表示划分方式q所占的比例，划分方式q对应数值为不同尺寸CU的标签0，1或0，1，2，p表示划分方式q的网络输出概率，N表示训练样本的批次数。

优化函数选择Adam算法，总共迭代20000次，初始学习率为0.0001，0-10000次中，每1000次学习率下降10％，10001-20000次，每500次下降10％，训练集和验证集的批次大小都为256。

S3，获取屏幕内容视频，用标准编码器进行编码，将128×128大小的CTU直接划分为64×64大小的CU，将64×64大小的CU输入调整通道数后的训练好的宽度自适应网络模型进行预测，得到第一预测结果，根据第一预测结果中的划分类型进行CU划分。

S4，响应于确认第一预测结果为划分，则将64×64大小的CU划分为4个32×32大小的CU，并再次输入训练好的宽度自适应网络模型进行预测，得到第二预测结果，根据第二预测结果中的划分类型进行CU划分。

在具体的实施例中，当输入为64×64大小的CU，则存在两种划分类型：不划分，四叉树划分；当输入为32×32大小的CU，则存在三种划分类型：不划分，四叉树划分，多种类型叉树划分。

在具体的实施例中，步骤S3中根据第一预测结果中的划分类型进行CU划分以及步骤S4的根据第二预测结果中的划分类型进行CU划分，具体包括：若第一预测结果的划分类型为不划分，则终止RDO搜索过程；若第一预测结果的划分类型为划分，则将64×64大小的CU划分为4个32×32大小的CU，再次送入调整通道数后的训练好的宽度自适应网络模型，若第二预测结果的划分类型为不划分，则终止RDO搜索过程，若第二预测结果的划分类型为四叉树划分，则得到4个16×16大小的CU，若第二预测结果的划分类型为多种类型叉树划分，则送入标准编码器进行选择。

具体地，整体流程参考图4，将训练好的宽度自适应网络模型嵌入到标准编码器中，一个128×128的CTU被直接划分为64×64大小的CU，将64×64大小的CU送入训练好的宽度自适应网络模型，得到第一预测结果，若第一预测结果为不划分，则直接终止该CU的RDO搜索过程；若第一预测结果为划分，则将此CU划分为4个32×32大小的CU，再次送入训练好的宽度自适应网络模型，此时网络的宽度随之改变，若第二预测结果为不划分，则直接终止RDO搜索过程，若第二预测结果为四叉树划分，则得到4个16×16大小的CU，若第二预测结果为多种类型叉树划分，则送入标准编码器进行选择。

预测过程中设置了预设阈值来提高预测准确率，当第一预测结果和/或第二预测结果为划分时，不论是四叉树划分还是多种类型树划分，按照预测结果执行，当第一预测结果和/或第二预测结果为不划分时，预测概率必须大于预设阈值，才执行预测结果，否则送入编码器重新计算。在优选的实施例中，预设阈值范围为0.85～1，可结合实际所需进行调整。

本发明基于神经网络模型预测来提前预测大尺寸CU的划分方式，跳过一些不必要的代价计算，极大地降级了屏幕内容的编码复杂度。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种针对H.266/VVC屏幕内容帧内CU划分的快速预测装置的一个实施例，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。

本申请实施例提供了一种针对H.266/VVC屏幕内容帧内CU划分的快速预测装置，包括：

模型构建模块1，被配置为构建宽度自适应网络模型，宽度自适应网络模型包括4层卷积层、2层池化层和3层全连接层，宽度自适应网络模型的输入为CU，输出为划分类型，根据输入的CU的尺寸自适应调整宽度自适应网络模型中的卷积层的通道数；

模型训练模块2，被配置为对宽度自适应网络模型进行训练，将训练好的宽度自适应网络模型嵌入到标准编码器中；

第一预测模块3，被配置为获取屏幕内容视频，用标准编码器进行编码，将128×128大小的CTU直接划分为64×64大小的CU，将64×64大小的CU输入训练好的宽度自适应网络模型进行预测，得到第一预测结果，根据第一预测结果中的划分类型进行CU划分；

第二预测模块4，被配置为响应于确认第一预测结果为划分，则将64×64大小的CU划分为4个32×32大小的CU，并再次输入调整通道数后的训练好的宽度自适应网络模型进行预测，得到第二预测结果，根据第二预测结果中的划分类型进行CU划分。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器或终端设备)的计算机装置600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机装置600包括中央处理单元(CPU)601和图形处理器(GPU)602，其可以根据存储在只读存储器(ROM)603中的程序或者从存储部分609加载到随机访问存储器(RAM)604中的程序而执行各种适当的动作和处理。在RAM 604中，还存储有装置600操作所需的各种程序和数据。CPU 601、GPU602、ROM 603以及RAM604通过总线605彼此相连。输入/输出(I/O)接口606也连接至总线605。

以下部件连接至I/O接口606：包括键盘、鼠标等的输入部分607；包括诸如、液晶显示器(LCD)等以及扬声器等的输出部分608；包括硬盘等的存储部分609；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分610。通信部分610经由诸如因特网的网络执行通信处理。驱动器611也可以根据需要连接至I/O接口606。可拆卸介质612，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器611上，以便于从其上读出的计算机程序根据需要被安装入存储部分609。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分610从网络上被下载和安装，和/或从可拆卸介质612被安装。在该计算机程序被中央处理单元(CPU)601和图形处理器(GPU)602执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行装置、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的装置来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：构建宽度自适应网络模型，宽度自适应网络模型包括4层卷积层、2层池化层和3层全连接层，宽度自适应网络模型的输入为CU，输出为划分类型，根据输入的CU的尺寸自适应调整宽度自适应网络模型中卷积层的通道数；对宽度自适应网络模型进行训练，将训练好的宽度自适应网络模型嵌入到标准编码器中；获取屏幕内容视频，用标准编码器进行编码，将128×128大小的CTU直接划分为64×64大小的CU，将64×64大小的CU输入训练好的宽度自适应网络模型进行预测，得到第一预测结果，根据第一预测结果中的划分类型进行CU划分；响应于确认第一预测结果为划分，则将64×64大小的CU划分为4个32×32大小的CU，并再次输入调整通道数后的训练好的宽度自适应网络模型进行预测，得到第二预测结果，根据第二预测结果中的划分类型进行CU划分。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种针对H.266/VVC屏幕内容帧内CU划分的快速预测方法，其特征在于，包括以下步骤：

S1，构建宽度自适应网络模型，所述宽度自适应网络模型包括4层卷积层、2层池化层和3层全连接层，所述宽度自适应网络模型的输入为CU，输出为划分类型，根据输入的CU的尺寸自适应调整所述宽度自适应网络模型中所述卷积层的通道数；

S2，对所述宽度自适应网络模型进行训练，将训练好的宽度自适应网络模型嵌入到标准编码器中；

S3，获取屏幕内容视频，用标准编码器进行编码，将128×128大小的CTU直接划分为64×64大小的CU，将64×64大小的CU输入训练好的宽度自适应网络模型进行预测，得到第一预测结果，根据所述第一预测结果中的划分类型进行CU划分；

S4，响应于确认所述第一预测结果为划分，则将64×64大小的CU划分为4个32×32大小的CU，并再次输入调整通道数后的训练好的宽度自适应网络模型进行预测，得到第二预测结果，根据所述第二预测结果中的划分类型进行CU划分。

2.根据权利要求1所述的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法，其特征在于，所述步骤S1中根据输入的CU的尺寸自适应调整所述宽度自适应网络模型中的卷积层的通道数，具体包括：采用以下公式计算卷积层的通道数：

其中，K_i表示第i层卷积层的通道数，S表示输入的CU的尺寸，S∈{64,32}。

3.根据权利要求2所述的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法，其特征在于，所述宽度自适应网络模型包括依次连接的第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层和3层全连接层。

4.根据权利要求3所述的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法，其特征在于，当输入为64×64大小的CU时，卷积层的卷积核大小均为3×3，步长为1，填充为1，第一卷积层、第二卷积层、第三卷积层和第四卷积层的通道数分别为64、64、128、128；池化层选择最大池化，窗口大小为2×2，第一池化层和第二池化层的通道数分别为64、128；3层全连接层神经元数分别为16384、512、2，dropout比率为0.3；

当输入为32×32的CU时，卷积层的卷积核大小均为3×3，步长为1，填充为1，第一卷积层、第二卷积层、第三卷积层和第四卷积层的通道数分别为128、128、256、256；池化层选择最大池化，窗口大小为2×2，第一池化层和第二池化层的通道数分别为128、256；3层全连接层的神经元数分别为32768、512、3，dropout比率为0.3。

5.根据权利要求1所述的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法，其特征在于，当输入为64×64大小的CU，则存在两种划分类型：不划分、四叉树划分；当输入为32×32大小的CU，则存在三种划分类型：不划分、四叉树划分、多种类型叉树划分，所述步骤S2中所述宽度自适应网络模型的训练过程中64×64大小的CU有两种标签：0为不划分、1为四叉树划分，32×32大小的CU有三种标签：0为不划分、1为四叉树划分、2为多种类型叉树划分，并采用以下损失函数：

其中，ω表示划分方式q所占的比例，划分方式q对应数值为不同尺寸CU的标签0，1或0，1，2，p表示划分方式q的网络输出概率，N表示训练样本的批次数。

6.根据权利要求5所述的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法，其特征在于，所述步骤S3中根据所述第一预测结果中的划分类型进行CU划分以及步骤S4的根据所述第二预测结果中的划分类型进行CU划分，具体包括：若第一预测结果的划分类型为不划分，则终止RDO搜索过程；若第一预测结果的划分类型为划分，则将64×64大小的CU划分为4个32×32大小的CU，再次送入调整通道数后的训练好的宽度自适应网络模型，若第二预测结果的划分类型为不划分，则终止RDO搜索过程，若第二预测结果的划分类型为四叉树划分，则得到4个16×16大小的CU，若第二预测结果的划分类型为多种类型叉树划分，则送入标准编码器进行选择。

7.根据权利要求6所述的针对H.266/VVC屏幕内容帧内CU划分的快速预测方法，其特征在于，当第一预测结果和/或第二预测结果为不划分，若预测概率高于预设阈值，则终止RDO搜索过程，否则需要标准编码器重新计算。

8.一种针对H.266/VVC屏幕内容帧内CU划分的快速预测装置，其特征在于，包括：

模型构建模块，被配置为构建宽度自适应网络模型，所述宽度自适应网络模型包括4层卷积层、2层池化层和3层全连接层，所述宽度自适应网络模型的输入为CU，输出为划分类型，根据输入的CU的尺寸自适应调整所述宽度自适应网络模型中所述卷积层的通道数；

模型训练模块，被配置为对所述宽度自适应网络模型进行训练，将训练好的宽度自适应网络模型嵌入到标准编码器中；

第一预测模块，被配置为获取屏幕内容视频，用标准编码器进行编码，将128×128大小的CTU直接划分为64×64大小的CU，将64×64大小的CU输入训练好的宽度自适应网络模型进行预测，得到第一预测结果，根据所述第一预测结果中的划分类型进行CU划分；

第二预测模块，被配置为响应于确认所述第一预测结果为划分，则将64×64大小的CU划分为4个32×32大小的CU，并再次输入调整通道数后的训练好的宽度自适应网络模型进行预测，得到第二预测结果，根据所述第二预测结果中的划分类型进行CU划分。

9.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images