CN116233438B - 利用加权算法的数据预测采集系统 - Google Patents
利用加权算法的数据预测采集系统 Download PDFInfo
- Publication number
- CN116233438B CN116233438B CN202310228920.8A CN202310228920A CN116233438B CN 116233438 B CN116233438 B CN 116233438B CN 202310228920 A CN202310228920 A CN 202310228920A CN 116233438 B CN116233438 B CN 116233438B
- Authority
- CN
- China
- Prior art keywords
- compression
- video file
- frame number
- resolution
- compressed
- 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
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
- H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
- H04N19/136—Incoming video signal characteristics or properties
-
- 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
-
- 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
- H04N19/189—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the adaptation method, adaptation tool or adaptation type used for the adaptive coding
-
- 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
- H04N19/70—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals characterised by syntax aspects related to video coding, e.g. related to compression standards
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本发明涉及一种利用加权算法的数据预测采集系统,包括:帧数解析机构,获取待压缩编码的视频文件对应的视频帧数并作为当前压缩帧数输出;压缩预判器件,基于当前压缩帧数、视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长。通过本发明,为了针对待压缩的图像内容选择出适合特定压缩时长需求和特定压缩数据存储空间需求的压缩算法,针对每一压缩算法,对待压缩的图像内容执行基于人工智能的压缩数据的预测操作,从而为压缩算法的最终选择提供关键信息。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种利用加权算法的数据预测采集系统。
背景技术
图像压缩编码可分为两类:一类压缩是可逆的,即从压缩后的数据可以完全恢复原来的图像,信息没有损失,称为无损压缩编码;另一类压缩是不可逆的,即从压缩后的数据无法完全恢复原来的图像,信息有一定损失,称为有损压缩编码。在满足一定保真度的要求下,对图像数据的进行变换、编码和压缩,去除多余数据减少表示数字图像时需要的数据量,以便于图像的存储和传输,即以较少的数据量有损或无损地表示原来的像素矩阵的技术。
图像的数据量极大,必须对其数据总量大大压缩,才能够方便其存储以及各种通信链路的传输。对图像执行压缩编码的算法存在各种标准,不同图像内容在不同压缩编码算法的压缩处理下需要执行的压缩时间长度以及压缩后的数据总量都不相同。对于压缩时间长度要求苛刻以及压缩数据存储空间要求苛刻的压缩场景,对同一图像内容轮流执行各种不同压缩标准以进行压缩时间长度和压缩数据总量的比对和选择,显然不太现实,需要耗费大量的时间成本和运算成本。
CN103646409A公开了一种高光谱图像压缩编码方法,具体地说是一种多元向量量化的高光谱图像压缩编码方法。多元向量量化的高光谱图像压缩编码方法,包括读入高光谱图像数据;构建压缩字典:根据2种多元向量量化模型和字典原子选择策略,利用多元回归计算每一像元压缩时所使用的字典原子及其系数压缩和编码。本发明重新构建向量量化模型,提出2种多元向量量化模型,省略的误差信息要比传统的向量量化方法中的误差信息量少,而且在新提出的多元向量量化模型中,选取出的字典原子的系数也没有限定,其值为根据光谱本身和字典构成计算得出,从而保证了重建图像的质量,减小压缩编码所造成的图像失真。
CN104581186A公开了一种图像压缩中对帧内移动矢量进行编码和解码的方法。帧内移动矢量的特点是其水平分量和垂直分量的长度都总是大于或等于当前编码单元的宽度和高度,而且移动矢量总是位于当前编码单元的左方或上方或左上方,与当前编码单元的距离总是大于或等于当前编码单元的宽度和高度。本发明把移动矢量映射到距离编码单元最接近的区域,来最大限度地减小移动矢量的长度,从而减少对移动矢量进行编码所需要的比特数,提高对帧内移动矢量的编码效率。
CN104202607A公开了一种图像无损压缩方法和电子设备,属于图像压缩领域。所述方法包括:根据预测模型,对获取到的目标极光光谱图像帧中的每个像素进行预测,生成预测图像帧;对所述目标极光光谱图像帧和所述预测图像帧进行做差,生成残差图像;对所述残差图像进行算术编码,生成码流文件。本发明实施例提供一种图像压缩方法,通过对极光光谱图像每一帧分别建立预测模型,进行压缩,实现了极光光谱图像的实时压缩,从而提高了压缩效率,降低了成本。
CN103428486A公开了一种图像压缩方法和装置。该方法包括:计算对任意一个片断行进行压缩所需的总比特长度、以及对任意一个片断进行压缩所需的理论比特长度;对于处于任意一个片断行中的每个片断,获取用于对所述片断进行压缩的量化参数和压缩模式、以及利用所获取的量化参数和压缩模式对所述片断进行压缩所需的实际比特长度;将所述片断行中的一个或多个简单片断的冗余比特长度分配给所述片断行中的一个或多个复杂片断,并且重新获取用于对所述一个或多个复杂片断中的每个复杂片断进行压缩的量化参数和压缩模式;以及利用所获取的量化参数和压缩模式对所述片断行中的每个片断进行压缩。
CN1567378A公开了一种数字图像数据的压缩与解压缩方法,压缩时首先选择参考行;通过比较参考行与当前行相应位置的数据,查找差异数据段;从该当前差异数据段的起始位置前的数据开始查找与差异数据段的最大匹配数据段;根据匹配情况,确定待压缩数据类型;再确定待压缩数据段类型及其相关参数;最后进行相应的编码处理,其具有较高的压缩比和解压缩速度,而且大大提高了压缩的速度。
然而,上述现有技术均未公开有关提升了压缩算法选择的速度和效率的具体技术。
发明内容
为了解决现有技术中的技术问题,本发明提供了一种利用加权算法的数据预测采集系统,为了针对待压缩的图像内容选择出适合特定压缩时长需求和特定压缩数据存储空间需求的压缩算法,针对每一压缩算法,对待压缩的图像内容执行基于人工智能的压缩数据的预测操作,基于各种压缩算法分别对应的各项压缩数据执行压缩算法的最终选择,从而提升了压缩算法选择的速度和效率。
根据本发明的一方面,提供了一种利用加权算法的数据预测采集系统,所述系统包括:
帧数解析机构,用于获取待压缩编码的视频文件对应的视频帧数并作为当前压缩帧数输出;
内容提取机构,与所述帧数解析机构连接,用于获取待压缩编码的视频文件中每一帧对应的解析度,并基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度;
编号获取机构,用于获取对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号,所述对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号为八进制编码数据;
压缩预判器件,分别与所述帧数解析机构、所述内容提取机构以及所述编号获取机构连接,用于基于所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长;
数据存储芯片,与所述编号获取机构连接,用于存储各种压缩编码标准分别对应的各种标准编号;
其中,存储各种压缩编码标准分别对应的各种标准编号包括:每一种压缩编码标准对应的标准编号是唯一的。
相比较于现有技术,本发明至少具备以下两处主要的发明构思:
发明构思A:采用针对性的加权算法实现对待压缩编码的视频文件的整体水平解析度以及整体垂直解析度的鉴别,具体地,将视频文件中存在的某一水平解析度与具有所述某一水平解析度的帧数相乘以获得所述某一水平解析度对应的解析度参考数据,将所述视频文件中存在的各个水平解析度分别对应的各个解析度参考数据相加,并将相加获得的数据除以所述当前压缩帧数以获得所述视频文件对应的整体水平解析度,同时对整体垂直解析度的算法相同,从而为后续的智能运算分析提供可靠信息;
发明构思B:基于待压缩编码的视频文件的当前压缩帧数、视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长,从而实现在未执行实际压缩的情况下即可以获取准确的各项压缩结果数据,为压缩执行方执行压缩策略的选择提供关键参考信息。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明第一实施方案示出的利用加权算法的数据预测采集系统的结构方框图。
图2为根据本发明第二实施方案示出的利用加权算法的数据预测采集系统的结构方框图。
图3为根据本发明第三实施方案示出的利用加权算法的数据预测采集系统的结构方框图。
具体实施方式
下面将参照附图对本发明的利用加权算法的数据预测采集系统的实施方案进行详细说明。
实施例一
图1为根据本发明第一实施方案示出的利用加权算法的数据预测采集系统的结构方框图,所述系统包括:
帧数解析机构,用于获取待压缩编码的视频文件对应的视频帧数并作为当前压缩帧数输出;
示例地,具体的压缩编码使用的视频压缩标准包括MPEG-2压缩标准、MPEG-4压缩标准、HEVC压缩标准或者AVC压缩标准;
内容提取机构,与所述帧数解析机构连接,用于获取待压缩编码的视频文件中每一帧对应的解析度,并基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度;
示例地,基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度包括:水平解析度指的是一幅画面的像素列的总数;
示例地,基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度包括:垂直解析度指的是一幅画面的像素行的总数;
编号获取机构,用于获取对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号,所述对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号为八进制编码数据;
压缩预判器件,分别与所述帧数解析机构、所述内容提取机构以及所述编号获取机构连接,用于基于所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长;
数据存储芯片,与所述编号获取机构连接,用于存储各种压缩编码标准分别对应的各种标准编号;
其中,存储各种压缩编码标准分别对应的各种标准编号包括:每一种压缩编码标准对应的标准编号是唯一的。
实施例二
图2为根据本发明第二实施方案示出的利用加权算法的数据预测采集系统的结构方框图。
在图2中,与图1不同,图2中的利用加权算法的数据预测采集系统还可以包括:
文件发送机构,分别与所述帧数解析机构以及所述内容提取机构连接,用于分别向所述帧数解析机构以及所述内容提取机构发送待压缩编码的视频文件;
示例地,所述文件发送机构包括主控制器以及发送执行机构,所述主控制器用于确定待压缩编码的视频文件发送的目标设备的编码地址,包括IP地址,所述发送执行机构用于具体执行分别向所述帧数解析机构以及所述内容提取机构发送待压缩编码的视频文件。
实施例三
图3为根据本发明第三实施方案示出的利用加权算法的数据预测采集系统的结构方框图。
在图3中,与图1不同,图3中的利用加权算法的数据预测采集系统还可以包括:
现场显示器件,与所述压缩预判器件连接,用于接收并显示对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长。
接着,继续对本发明的利用加权算法的数据预测采集系统的具体结构进行进一步的说明。
在根据本发明的各个实施方案的利用加权算法的数据预测采集系统中:
基于所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长包括:所述前馈神经网络为训练后的前馈神经网络;
其中,基于所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长还包括:所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度在输入到所述前馈神经网络之前被分别执行归一化处理;
其中,所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度在输入到所述前馈神经网络之前被分别执行归一化处理包括:所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度在输入到所述前馈神经网络之前被分别执行八进制数值转换处理。
在根据本发明的各个实施方案的利用加权算法的数据预测采集系统中:
获取待压缩编码的视频文件中每一帧对应的解析度,并基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度包括:采用加权算法基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度;
其中,采用加权算法基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度包括:将所述视频文件中存在的某一水平解析度与具有所述某一水平解析度的帧数相乘以获得所述某一水平解析度对应的解析度参考数据,将所述视频文件中存在的各个水平解析度分别对应的各个解析度参考数据相加,并将相加获得的数据除以所述当前压缩帧数以获得所述视频文件对应的整体水平解析度;
其中,采用加权算法基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度还包括:将所述视频文件中存在的某一垂直解析度与具有所述某一垂直解析度的帧数相乘以获得所述某一垂直解析度对应的解析度参考数据,将所述视频文件中存在的各个垂直解析度分别对应的各个解析度参考数据相加,并将相加获得的数据除以所述当前压缩帧数以获得所述视频文件对应的整体垂直解析度;
其中,将所述视频文件中存在的某一垂直解析度与具有所述某一垂直解析度的帧数相乘以获得所述某一垂直解析度对应的解析度参考数据,将所述视频文件中存在的各个垂直解析度分别对应的各个解析度参考数据相加,并将相加获得的数据除以所述当前压缩帧数以获得所述视频文件对应的整体垂直解析度包括:采用MATLAB工具箱仿真实现所述获取整体垂直解析度的计算处理。
另外,在所述利用加权算法的数据预测采集系统中,基于所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长还包括:对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长分别为八进制数值表示的两项数据。
采用本发明的利用加权算法的数据预测采集系统,针对现有技术中难以对同一图像内容选择适合不同压缩环境的压缩算法的技术问题,为待压缩的图像内容选择出适合特定压缩时长需求和特定压缩数据存储空间需求的压缩算法,针对每一压缩算法,对待压缩的图像内容执行基于人工智能的压缩数据的预测操作,从而为压缩算法的最终选择提供关键信息。
本发明可以不同形式实施和实践,而不偏离其精神和主要特征。因此,所述实施方案在所有方面可认为是示例性的,而没有限制含义。本发明的范围通过所附权利要求限定,而不是通过以上描述限定。所打算的是包括落入所附权利要求的等同范围内的所有变型和改型。
Claims (3)
1.一种利用加权算法的数据预测采集系统,其特征在于,所述系统包括:
帧数解析机构,用于获取待压缩编码的视频文件对应的视频帧数并作为当前压缩帧数输出;
内容提取机构,与所述帧数解析机构连接,用于获取待压缩编码的视频文件中每一帧对应的解析度,并基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度;
编号获取机构,用于获取对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号,所述对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号为八进制编码数据;
压缩预判器件,分别与所述帧数解析机构、所述内容提取机构以及所述编号获取机构连接,用于基于所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长;
数据存储芯片,与所述编号获取机构连接,用于存储各种压缩编码标准分别对应的各种标准编号;
其中,存储各种压缩编码标准分别对应的各种标准编号包括:每一种压缩编码标准对应的标准编号是唯一的;
基于所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长包括:所述前馈神经网络为训练后的前馈神经网络;
基于所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度、对待压缩编码的视频文件执行压缩编码处理的压缩编码标准对应的标准编号采取前馈神经网络预判对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长还包括:所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度在输入到所述前馈神经网络之前被分别执行归一化处理;
所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度在输入到所述前馈神经网络之前被分别执行归一化处理包括:所述当前压缩帧数、所述视频文件对应的整体水平解析度以及整体垂直解析度在输入到所述前馈神经网络之前被分别执行八进制数值转换处理;
获取待压缩编码的视频文件中每一帧对应的解析度,并基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度包括:采用加权算法基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度;
采用加权算法基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度包括:将所述视频文件中存在的某一水平解析度与具有所述某一水平解析度的帧数相乘以获得所述某一水平解析度对应的解析度参考数据,将所述视频文件中存在的各个水平解析度分别对应的各个解析度参考数据相加,并将相加获得的数据除以所述当前压缩帧数以获得所述视频文件对应的整体水平解析度;
采用加权算法基于当前压缩帧数以及每一帧对应的水平解析度和垂直解析度判断所述视频文件对应的整体水平解析度以及整体垂直解析度还包括:将所述视频文件中存在的某一垂直解析度与具有所述某一垂直解析度的帧数相乘以获得所述某一垂直解析度对应的解析度参考数据,将所述视频文件中存在的各个垂直解析度分别对应的各个解析度参考数据相加,并将相加获得的数据除以所述当前压缩帧数以获得所述视频文件对应的整体垂直解析度;
将所述视频文件中存在的某一垂直解析度与具有所述某一垂直解析度的帧数相乘以获得所述某一垂直解析度对应的解析度参考数据,将所述视频文件中存在的各个垂直解析度分别对应的各个解析度参考数据相加,并将相加获得的数据除以所述当前压缩帧数以获得所述视频文件对应的整体垂直解析度包括:采用MATLAB工具箱仿真实现所述获取整体垂直解析度的计算处理。
2.如权利要求1所述的利用加权算法的数据预测采集系统,其特征在于,所述系统还包括:
文件发送机构,分别与所述帧数解析机构以及所述内容提取机构连接,用于分别向所述帧数解析机构以及所述内容提取机构发送待压缩编码的视频文件。
3.如权利要求1所述的利用加权算法的数据预测采集系统,其特征在于,所述系统还包括:
现场显示器件,与所述压缩预判器件连接,用于接收并显示对待压缩编码的视频文件完成压缩编码处理后获得的压缩文件数据量以及压缩持续时长。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310228920.8A CN116233438B (zh) | 2023-03-09 | 2023-03-09 | 利用加权算法的数据预测采集系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310228920.8A CN116233438B (zh) | 2023-03-09 | 2023-03-09 | 利用加权算法的数据预测采集系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116233438A CN116233438A (zh) | 2023-06-06 |
CN116233438B true CN116233438B (zh) | 2023-08-29 |
Family
ID=86569316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310228920.8A Active CN116233438B (zh) | 2023-03-09 | 2023-03-09 | 利用加权算法的数据预测采集系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116233438B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116781910A (zh) * | 2023-07-03 | 2023-09-19 | 江苏汇智达信息科技有限公司 | 基于神经网络算法的信息转换系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104811722A (zh) * | 2015-04-16 | 2015-07-29 | 华为技术有限公司 | 一种视频数据的编解码方法及装置 |
CN111953966A (zh) * | 2020-08-11 | 2020-11-17 | 广州市百果园信息技术有限公司 | 一种编码测试的方法、装置、服务器和存储介质 |
CN115086301A (zh) * | 2022-06-17 | 2022-09-20 | 闫雪 | 用于压缩上传均衡的数据分析系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11527019B2 (en) * | 2020-05-15 | 2022-12-13 | Amazon Technologies, Inc. | Iterative media object compression algorithm optimization using decoupled calibration of perceptual quality algorithms |
-
2023
- 2023-03-09 CN CN202310228920.8A patent/CN116233438B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104811722A (zh) * | 2015-04-16 | 2015-07-29 | 华为技术有限公司 | 一种视频数据的编解码方法及装置 |
CN111953966A (zh) * | 2020-08-11 | 2020-11-17 | 广州市百果园信息技术有限公司 | 一种编码测试的方法、装置、服务器和存储介质 |
CN115086301A (zh) * | 2022-06-17 | 2022-09-20 | 闫雪 | 用于压缩上传均衡的数据分析系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116233438A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11310509B2 (en) | Method and apparatus for applying deep learning techniques in video coding, restoration and video quality analysis (VQA) | |
CN101356818B (zh) | 图像编码/解码方法和设备 | |
CN101507277B (zh) | 图像编码/解码方法和设备 | |
CN102065298B (zh) | 高性能宏块编码实现方法 | |
CN103782598A (zh) | 用于无损编码的快速编码方法 | |
CN113766249B (zh) | 视频编解码中的环路滤波方法、装置、设备及存储介质 | |
CN108989802B (zh) | 一种利用帧间关系的hevc视频流的质量估计方法及系统 | |
CN111464815B (zh) | 一种基于神经网络的视频编码方法及系统 | |
CN107318026A (zh) | 视频编码器以及视频编码方法 | |
CN110177282B (zh) | 一种基于srcnn的帧间预测方法 | |
CN103501438B (zh) | 一种基于主成分分析的内容自适应图像压缩方法 | |
CN104704826B (zh) | 两步量化和编码方法和装置 | |
CN116233438B (zh) | 利用加权算法的数据预测采集系统 | |
CN112465698A (zh) | 一种图像处理方法和装置 | |
CN112235569B (zh) | 基于h264压缩域的快速视频分类方法、系统及装置 | |
CN101438597A (zh) | 图像数据压缩装置、压缩方法及程序、以及图像数据恢复装置、恢复方法及程序 | |
CN115941943A (zh) | 一种hevc视频编码方法 | |
US9787985B2 (en) | Reduction of spatial predictors in video compression | |
CN116916036A (zh) | 视频压缩方法、装置及系统 | |
CN108182712B (zh) | 图像处理方法、装置及系统 | |
CN109688411B (zh) | 一种视频编码率失真代价估计方法和装置 | |
CN1457196A (zh) | 基于时空域相关性运动矢量预测的视频编码方法 | |
CN101472182A (zh) | 视觉无损视频数据压缩 | |
CN113822801B (zh) | 基于多分支卷积神经网络的压缩视频超分辨率重建方法 | |
CN115086670A (zh) | 一种面向高清显微视频的低码率编解码方法及系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230804 Address after: Room 1528, No. 1500 Century Avenue, China (Shanghai) Pilot Free Trade Zone, Pudong New Area, Shanghai, 200000 Applicant after: Shanghai Huaqi Information Technology Co.,Ltd. Address before: No. 3993 Lianhua South Road, Minhang District, Shanghai, 200041 Applicant before: Yun Guiliang |
|
GR01 | Patent grant | ||
GR01 | Patent grant |