申请/专利权人:海信视像科技股份有限公司
申请日:2022-12-14
公开(公告)日:2024-06-14
公开(公告)号:CN118200582A
主分类号:H04N19/42
分类号:H04N19/42;H04N19/70;H04N19/91;H04N19/147;H04N19/124
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本申请涉及一种图像压缩模型训练、图像编码、图像解码方法及装置,应用于图像压缩领域,该方法包括:获取包括多张训练图像的训练样本集;构建初始图像压缩模型,包括分析变换网络,量化压缩模块和合成变换网络;量化压缩模块对分析变换后的空间特征进行软量化处理、熵编码处理、熵解码处理以及量化补偿处理,得到量化压缩后的空间特征;量化补偿处理用于缩小训练过程的软量化处理与测试过程的硬量化处理之间的差异;将该训练样本集中的每张训练图像输入该初始图像压缩模型,得到该每张训练图像对应的重构图像;基于该每张训练图像和该每张训练图像对应的重构图像,对初始图像压缩模型进行训练,得到训练好的目标图像压缩模型。
主权项:1.一种图像压缩模型训练方法,其特征在于,包括:获取训练样本集,所述训练样本集包括多张训练图像;构建初始图像压缩模型,所述初始图像压缩模型包括:分析变换网络,量化压缩模块和合成变换网络;所述分析变换网络用于对输入的训练图像进行分析变换处理得到分析变换后的空间特征;所述量化压缩模块用于对所述分析变换后的空间特征进行软量化处理、熵编码处理、熵解码处理以及量化补偿处理,得到量化压缩后的空间特征;所述量化补偿处理用于缩小训练过程的所述软量化处理与测试过程的硬量化处理之间的差异;所述合成变换网络用于对所述量化压缩后的空间特征进行合成变换处理,得到所述训练图像对应的重构图像;将所述训练样本集中的每张训练图像输入所述初始图像压缩模型,得到所述每张训练图像对应的重构图像;基于所述每张训练图像和所述每张训练图像对应的重构图像,对所述初始图像压缩模型进行训练,得到训练好的目标图像压缩模型。
全文数据:
权利要求:
百度查询: 海信视像科技股份有限公司 图像压缩模型训练、图像编码、图像解码方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。