一种用于视频编码优化的高效强化学习训练方法

摘要

本发明公开了一种用于视频编码优化的高效强化学习训练方法，用于解决强化学习在优化视频编码的训练过程中收敛速度慢和训练不稳定的问题。本发明通过首先采用进化算法得到较好的初始策略，继而采用监督学习方法初始化强化学习网络参数，减少随机初始化导致的训练初始阶段收敛慢的问题。在强化学习训练过程中，保存较好的策略，并以一定的概率随机采样好的策略，减少强化学习在探索过程中的盲目性导致的坏策略过多的问题，提高训练的收敛速度和稳定性。在强化学习训练一定阶段后，系统可能陷入局部最优，导致视频编码压缩效率提升有限。本发明每隔一定阶段，对策略网络的特定参数进行小幅度的随机扰动，并提高系统探索的范围，进一步提高视频编码的压缩效率。