【技术实现步骤摘要】
本专利技术涉及视频处理，具体涉及视频处理、模型训练方法、装置、电子设备及存储介质。
技术介绍
1、在视频应用场景中，视频编码是必不可少的操作环节。在进行视频编码的时候操作流程比较复杂。
2、视频压缩使用标准视频编解码器，首先通过各种方法减少熵，包括运动估计、帧间预测、缩放和滤波等等。此过程其本质是通过利用视频内容在时域/空域的重复性来减少编码过程中需要使用的比特数，此时的压缩通常是有损的。通过以上的编码步骤产生熵减少的数据流时，这些的数据就会进行无损压缩，其压缩效率取决于系统中存在多少熵。然后，这个无损压缩的比特流被发送到接收端进行解码。虽然这种方法在实际应用中有着良好的效果，但在无损压缩方面并没有达到最优压缩的效果，换言之，压缩后帧中包含的熵还相对多一些，或者说，比特率还比较大。因此，需要一种能够快速且高效的实现低熵压缩的视频处理方案。
技术实现思路
1、本申请的目的在于提供视频处理、模型训练方法、装置、电子设备及存储介质，可以实现提高视频编码效率的方案。
2、根据本申请实施例的第一方面，提供一种视频处理方法，包括：
3、获取待处理视频；
4、利用第一编解码算法对所述待处理视频进行压缩处理，得到第一残差；
5、将所述第一残差输入训练好的超先验机器学习模型进行有损压缩处理，得到量化后的第二残差；
6、利用无损编码对所述量化后的第二残差进行编码处理后，得到压缩视频。
7、在一种实施方式中，所述将所述第
8、对所述第一残差进行量化处理，得到量化后第一残差；
9、利用训练好的超先验机器学习模型对所述量化后第一残差进行有损压缩处理，得到用于降低所述第一残差的熵的第二残差；
10、对所述第二残差进行量化处理，得到所述量化后的第二残差。
11、在一种实施方式中，所述利用无损编码对所述量化后的第二残差进行编码处理后，得到压缩视频，包括：
12、利用算术编码对所述量化后的第二残差进行无损编码处理，得到所述压缩视频。
13、在一种实施方式中，所述利用第一编解码算法对所述待处理视频进行压缩处理，得到第一残差，包括：
14、利用第一编解码算法对所述待处理视频进行编码处理，得到编码处理后的熵减少的第一残差。
15、在一种实施方式中，得到压缩视频之后，还包括：
16、利用所述算术编码对压缩超先验进行解码，得到量化后的第二残差；
17、再利用训练好的超先验机器学习模型对所述量化后的第二残差进行解码，得到第一残差；
18、对获取到的压缩视频利用所述第一残差和第一编解码算法进行解码，得到原始视频。
19、根据本申请实施例的第二方面，提供一种模型训练方法，所述方法包括：
20、利用第一编解码算法对待处理视频进行压缩处理，得到第一残差样本；
21、将所述第一残差样本输入待训练超先验机器学习模型进行训练，得到使得无损编码输出最优概率的超先验；以便训练好的超先验机器学习模型和所述无损编码对待处理视频进行编码处理后得到压缩视频。
22、在一种实施方式中，所述将所述第一残差样本输入待训练超先验机器学习模型进行训练，得到使得无损编码输出最优概率的超先验，包括：
23、将所述第一残差样本输入到待训练超先验机器学习模型，并利用训练得到的超先验输入所述无损编码得到编码后比特率；
24、比较所述编码后比特率；
25、若所述编码后比特率为最低比特率，则所述超先验为所述无损编码输出最优概率的超先验。
26、根据本申请实施例的第二方面，提供一种视频处理装置，所述装置包括：
27、获取模块，用于获取待处理视频；
28、第一编码模块，用于利用第一编解码算法对所述待处理视频进行压缩处理，得到第一残差；
29、机器学习模块，用于将所述第一残差输入训练好的超先验机器学习模型进行有损压缩处理，得到量化后的第二残差；
30、第二编码模块，用于利用无损编码对所述量化后的第二残差进行编码处理后，得到压缩视频。
31、根据本申请实施例的第三方面，提供一种电子设备，包括存储器与处理器，所述存储器用于存储所述处理器可执行的计算机程序；所述处理器用于执行所述存储器中的计算机程序，以实现上述第一方面或第二方面的方法。
32、根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，当所述存储介质中的可执行的计算机程序由处理器执行时，能够实现上述第一方面或第二方面的方法。
33、与现有技术相比，本申请的有益效果在于：在获取到待处理视频之后；利用第一编解码算法对所述待处理视频进行压缩处理，得到第一残差；将所述第一残差输入训练好的超先验机器学习模型进行有损压缩处理，得到量化后的第二残差；利用无损编码对所述量化后的第二残差进行编码处理后，得到压缩视频。通过上述方案，在对待处理视频进行编码处理的时候，综合利用超先验机器学习模型和无损编码算法对经过初步压缩的视频进行分步骤压缩，既能够实现无损压缩，还能够充分利用已有硬件支持实现对压缩视频的高效率编解码。
本文档来自技高网...【技术保护点】
1.一种视频处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述第一残差输入训练好的超先验机器学习模型进行有损压缩处理，得到量化后的第二残差，包括：
3.根据权利要求1所述的方法，其特征在于，所述利用无损编码对所述量化后的第二残差进行编码处理后，得到压缩视频，包括：
4.根据权利要求1所述的方法，其特征在于，所述利用第一编解码算法对所述待处理视频进行压缩处理，得到第一残差，包括：
5.根据权利要求1所述的方法，其特征在于，得到压缩视频之后，还包括：
6.一种模型训练方法，其特征在于，所述方法包括：
7.根据权利要求6所述的方法，其特征在于，所述将所述第一残差样本输入待训练超先验机器学习模型进行训练，得到使得无损编码输出最优概率的超先验，包括：
8.一种视频处理装置，其特征在于，所述装置包括：
9.一种电子设备，包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器
10.一种计算机可读介质，其上存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现根据权利要求1至5中任一项所述的方法，或者6至7中任一项所述的方法。
...【技术特征摘要】
1.一种视频处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述将所述第一残差输入训练好的超先验机器学习模型进行有损压缩处理，得到量化后的第二残差，包括：
3.根据权利要求1所述的方法，其特征在于，所述利用无损编码对所述量化后的第二残差进行编码处理后，得到压缩视频，包括：
4.根据权利要求1所述的方法，其特征在于，所述利用第一编解码算法对所述待处理视频进行压缩处理，得到第一残差，包括：
5.根据权利要求1所述的方法，其特征在于，得到压缩视频之后，还包括：
6.一种模型训练方法，其特征在于，所述方法包括：
7.根据权利要求6所述的方法，其特征在于，...
【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：镕铭微电子济南有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。