【技术实现步骤摘要】
本说明书实施例涉及机器学习，特别涉及锐化参数确定方法、模型训练方法及视频处理方法。
技术介绍
1、随着计算机和互联网技术的发展，用户对视频质量的要求越来越高，而伴随着视频质量的提升，消耗的资源显著增加。视频转码中，在固定编码参数的条件下，按照不同的锐化强度对视频进行转码，可以得到不同程度纹理的视频；并且，针对视频内容复杂度不一致的视频，对应码率与质量分数也不一致，码率和视频质量评估结果的性能差异也不一致，由此可知，针对不同的视频选择不同的锐化参数，可以保证视频质量的前提下消耗更少的资源。而现有技术在针对视频编码前的锐化参数选择时，大多数采用设定标准选择，并不会根据视频特性进行调整，虽然可以保证视频处理的稳定性，但是资源消耗无法保障，若限制资源消耗，则无法保证视频质量。因此亟需一种有效的方案以解决上述问题。
技术实现思路
1、有鉴于此，本说明书实施例提供了锐化参数确定方法。本说明书一个或者多个实施例同时涉及模型训练方法，视频处理方法，锐化参数确定装置，模型训练装置，视频处理装置，计算设备，计算机可读存储介质以及计算机程序产品，以解决现有技术中存在的技术缺陷。
2、根据本说明书实施例的第一方面，提供了一种锐化参数确定方法，包括：
3、获取待处理视频，并按照预设的编码策略对所述待处理视频进行至少两次编码处理，根据编码处理结果构建编码视频集合；
4、确定所述编码视频集合中每个编码视频的编码信息，并根据每个编码视频的编码信息确定所述编码视频集合在视频质量约
5、根据所述率失真代价关系确定所述待处理视频对应的锐化参数。
6、根据本说明书实施例的第二方面，提供了一种模型训练方法，包括：
7、获取样本视频，并按照预设的编码策略对所述样本视频进行至少两次编码处理，根据编码处理结果构建编码视频集合；
8、确定所述编码视频集合中每个编码视频的编码信息，并根据每个编码视频的编码信息确定所述编码视频集合在视频质量约束条件下的率失真代价关系；
9、根据所述率失真代价关系确定所述样本视频对应的样本前处理参数；
10、基于所述样本视频和所述样本前处理参数对参数预测模型进行训练，得到目标参数预测模型。
11、根据本说明书实施例的第三方面，提供了一种视频处理方法，包括：
12、获取目标视频，并确定所述目标视频对应的目标视频特征；
13、将所述目标视频特征输入至目标参数预测模型进行处理，获得目标前处理参数，其中，所述目标参数预测模型通过上述方法训练获得；
14、根据所述目标前处理参数对所述目标视频进行处理。
15、根据本说明书实施例的第四方面，提供了一种锐化参数确定装置，包括：
16、获取视频模块，被配置为获取待处理视频，并按照预设的编码策略对所述待处理视频进行至少两次编码处理，根据编码处理结果构建编码视频集合；
17、确定信息模块，被配置为确定所述编码视频集合中每个编码视频的编码信息，并根据每个编码视频的编码信息确定所述编码视频集合在视频质量约束条件下的率失真代价关系；
18、确定参数模块，被配置为根据所述率失真代价关系确定所述待处理视频对应的锐化参数。
19、根据本说明书实施例的第五方面，提供了一种模型训练装置，包括：
20、获取视频模块，被配置为获取样本视频，并按照预设的编码策略对所述样本视频进行至少两次编码处理，根据编码处理结果构建编码视频集合；
21、确定信息模块，被配置为确定所述编码视频集合中每个编码视频的编码信息，并根据每个编码视频的编码信息确定所述编码视频集合在视频质量约束条件下的率失真代价关系；
22、确定参数模块，被配置为根据所述率失真代价关系确定所述样本视频对应的样本前处理参数；
23、模型训练模块，被配置为基于所述样本视频和所述样本前处理参数对参数预测模型进行训练，得到目标参数预测模型。
24、根据本说明书实施例的第六方面，提供了一种视频处理装置，包括：
25、获取视频模块，被配置为获取目标视频，并确定所述目标视频对应的目标视频特征；
26、模型预测模块，被配置为将所述目标视频特征输入至目标参数预测模型进行处理，获得目标前处理参数，其中，所述目标参数预测模型通过上述方法训练获得；
27、处理视频模块，被配置为根据所述目标前处理参数对所述目标视频进行处理。
28、根据本说明书实施例的第七方面，提供了一种计算设备，包括：
29、存储器和处理器；
30、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述锐化参数确定方法或模型训练方法或视频处理方法的步骤。
31、根据本说明书实施例的第八方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述锐化参数确定方法或模型训练方法或视频处理方法的步骤。
32、根据本说明书实施例的第九方面，提供了一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被处理器执行时实现上述锐化参数确定方法或模型训练方法或视频处理方法的步骤。
33、本实施例提供的锐化参数确定方法，为了能够精准确定待处理视频的锐化参数，从而保证视频在被处理时可以具有更高的质量且消耗更少的资源，可以在获取到处理视频后，按照预设的编码策略进行至少两次编码处理，实现根据编码处理结果构建由编码视频组成的编码视频集合；并且，编码视频集合中包含的编码视频是对待处理视频进行多次编码获得的视频。在此基础上，可以确定编码视频集合中每个编码视频的编码信息，进而可以根据每个编码视频的编码信息构建编码视频集合在视频质量约束条件下的率失真代价关系；通过率失真代价关系可以体现各个编码视频对应编码信息与视频对应率失真代价的内在关联关系，进而可以实现根据该关系确定编码信息最优解，以确定编码信息最优解对应的锐化参数作为待处理视频对应的锐化参数；以实现后续利用该锐化参数对视频进行处理时，可以保证视频在同等画质下节省更多的码率，或者在同等码率下提高视频质量，以方便下游业务使用。
本文档来自技高网...【技术保护点】
1.一种锐化参数确定方法，其特征在于，包括：
2.根据权利要求1所述的锐化参数确定方法，其特征在于，所述按照预设的编码策略对所述待处理视频进行至少两次编码处理，根据编码处理结果构建编码视频集合，包括：
3.根据权利要求1所述的锐化参数确定方法，其特征在于，所述编码视频集合中任意一个编码视频的编码信息的确定，包括：
4.根据权利要求1所述的锐化参数确定方法，其特征在于，所述根据所述率失真代价关系确定所述待处理视频对应的锐化参数，包括：
5.根据权利要求1所述的锐化参数确定方法，其特征在于，所述根据所述率失真代价关系确定所述待处理视频对应的锐化参数步骤执行之后，还包括：
6.根据权利要求5所述的锐化参数确定方法，其特征在于，所述基于所述待处理视频和所述锐化参数对参数预测模型进行训练，得到目标参数预测模型，包括：
7.根据权利要求6所述的锐化参数确定方法，其特征在于，所述基于所述预测锐化参数和所述锐化参数对所述参数预测模型进行训练，直至获得满足训练停止条件的目标参数预测模型，包括：
8.根据权利要求6或
9.根据权利要求6或7所述的锐化参数确定方法，其特征在于，所述基于所述预测锐化参数和所述锐化参数对所述参数预测模型进行训练，直至获得满足训练停止条件的目标参数预测模型步骤执行之后，还包括：
10.根据权利要求9所述的锐化参数确定方法，其特征在于，所述将所述验证锐化参数和所述目标验证锐化参数进行比对，包括：
11.一种模型训练方法，其特征在于，包括：
12.一种视频处理方法，其特征在于，包括：
13.一种锐化参数确定装置，其特征在于，包括：
14.一种模型训练装置，其特征在于，包括：
15.一种视频处理装置，其特征在于，包括：
16.一种计算设备，其特征在于，包括：
17.一种计算机可读存储介质，其特征在于，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至12任意一项所述方法的步骤。
18.一种计算机程序产品，其特征在于，包括计算机程序或指令，该计算机程序或指令被处理器执行时实现权利要求1至12任意一项所述方法的步骤。
...【技术特征摘要】
1.一种锐化参数确定方法，其特征在于，包括：
2.根据权利要求1所述的锐化参数确定方法，其特征在于，所述按照预设的编码策略对所述待处理视频进行至少两次编码处理，根据编码处理结果构建编码视频集合，包括：
3.根据权利要求1所述的锐化参数确定方法，其特征在于，所述编码视频集合中任意一个编码视频的编码信息的确定，包括：
4.根据权利要求1所述的锐化参数确定方法，其特征在于，所述根据所述率失真代价关系确定所述待处理视频对应的锐化参数，包括：
5.根据权利要求1所述的锐化参数确定方法，其特征在于，所述根据所述率失真代价关系确定所述待处理视频对应的锐化参数步骤执行之后，还包括：
6.根据权利要求5所述的锐化参数确定方法，其特征在于，所述基于所述待处理视频和所述锐化参数对参数预测模型进行训练，得到目标参数预测模型，包括：
7.根据权利要求6所述的锐化参数确定方法，其特征在于，所述基于所述预测锐化参数和所述锐化参数对所述参数预测模型进行训练，直至获得满足训练停止条件的目标参数预测模型，包括：
8.根据权利要求6或7所述的锐化参数确定方法，其特征在于，所述目标参数预测模型包含输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出层；其中，所述第...
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。