基于卷积神经网络的HEVC帧内预测算法优化

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要： 作为HEVC标准中最基础、最重要的技术之一，帧内预测对实现视频编码的高速、高质量和高压缩率具有重要的作用。文中针对帧内预测复杂性问题进行研究，提出一种基于深度卷积神经网络（CNN）的方法，通过学习来预测CTU的划分，从而减少HEVC帧内编码的复杂性。通过建立一个大规模的CTU划分数据库，并利用CNN的能力学习各种CTU划分模式，能够准确地预测CTU的划分，从而避免了传统的穷举搜索，实现了HEVC编码复杂性的显著降低，提高了编码效率。（剩余14066字）

试读结束

目录
monitor
客服机器人