-
题名基于深度学习帧内编码快速划分算法
- 1
-
-
作者
曾奥迪
杨静
-
机构
上海海事大学信息工程学院
-
出处
《计算机工程与设计》
北大核心
2023年第4期1014-1020,共7页
-
基金
国家自然科学基金项目(61902239)。
-
文摘
为降低H.266/VVC(versatile video coding)帧内编码复杂度,提出一种基于纹理分类的卷积注意力机制神经网络CBAM-CNN(convolutional block attention module-convolution neural network)模型的快速帧内编码单元划分方法,替代嵌套多类型四叉树QTMT(quadtree with nested multi-type tree)的遍历搜索。综合考虑每个编码单元CU(codinguint)纹理特征,建立基于阈值的纹理分类模型,判断64×64的编码单元是否划分;设计并训练一种CBAM-CNN网络模型,预测32×32,16×16CU的划分结果。仿真结果表明,所提算法使帧内编码时间平均减少43.217%,编码比特率仅增加0.894%,有效降低了帧内预测的编码复杂度。
-
关键词
帧内预测
纹理复杂度
阈值分类
编码块划分
嵌套多类型四叉树划分
注意力机制
编码复杂度
-
Keywords
intra prediction
texture complexity
threshold classification
CU division
QTMT division
attention mechanism
coding complexity
-
分类号
TN919.81
[电子电信—通信与信息系统]
-
