基于深度学习的3D-HEVC深度图编码单元快速决策方法

摘要

本发明公开了一种基于深度学习的3D‑HEVC深度图编码单元尺寸快速决策方法。本发明首先利用官方传统方法，先统计测试序列前10帧的深度图编码单元的分割情况来建立数据库，再通过深度学习对这些数据集来进行训练，从而产生一个模型。最后利用该模型来判断测试序列完整帧的深度图编码单元是否需要继续分割。深度学习可以发现数据的分布式特征表示，利用深度学习训练出来的网络具有很强的判知能力，所以利用深度学习可以预知深度图编码单元是否需要继续分割。本发明可以降低编码过程中的计算复杂度，缩短编码时间，在视频重建上也有良好的效果。