计算机工程

作者：黄胜, 张倩云, 李萌芳, 郑秀凤

单位：1. 重庆邮电大学 通信与信息工程学院, 重庆 400065;2. 光通信与网络重点实验室, 重庆 400065

关键词：屏幕内容编码,帧内快速算法,深度学习,编码单元,CTU深度范围预测

基金：国家自然科学基金（61571072）。

为降低屏幕内容编码的计算复杂度，提出一种基于深度学习的屏幕内容编码帧内CTU深度范围预测快速算法。将编码足够数量的屏幕内容视频帧序列作为训练数据，通过大量的训练数据统计CTU深度范围的分布，根据分布占比设置CTU类别标签。设计并训练卷积神经网络（CNN）架构以预测CTU深度范围，考虑CTU分割特性，设计的CNN架构运用三层不同大小的卷积核提取与CTU深度相关的特征，为CNN模型提供训练参数。在编码时调用训练后的CNN模型预测CTU深度范围，以减少不必要的深度遍历。实验结果表明，与SCM-8.0相比，该算法平均节省48.34%的编码时间，码率上升2.59%，有效降低了编码的计算复杂度。

来源：2020年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第11期