【技术实现步骤摘要】
本申请涉及编解码，尤其是涉及一种解码方法、装置及其设备。
技术介绍
1、为了达到节约空间的目的，视频图像都是经过编码后才传输的，完整的视频编码可以包括预测、变换、量化、熵编码、滤波等过程。针对预测过程，预测过程可以包括帧内预测和帧间预测，帧间预测是指利用视频时间域的相关性，使用邻近已编码图像的像素预测当前像素，以达到有效去除视频时域冗余的目的。帧内预测是指利用视频空间域的相关性，使用当前帧图像的已编码块的像素预测当前像素，以达到去除视频空域冗余的目的。
2、随着深度学习技术的迅速发展，深度学习技术在许多高层次的计算机视觉问题上取得成功，如图像分类、目标检测等，深度学习技术也逐渐在编解码领域开始应用，即可以采用神经网络对图像进行编码和解码。虽然基于神经网络的编解码方法展现出巨大的性能潜力，但是，基于神经网络的编解码方法仍然存在解码性能较差和复杂度较高等问题。
技术实现思路
1、有鉴于此，本申请提供一种解码方法、装置及其设备，提高解码性能，降低解码复杂度。
2、本申请提供一种解码方法，所述方法包括：
3、从当前图像块对应的码流中解码所述当前图像块对应的目标特征；
4、基于所述目标特征确定目标解码网络的第一输入特征；
5、获取目标解码网络的目标特征值量化位宽和目标特征值量化超参，基于所述目标特征值量化位宽和所述目标特征值量化超参将所述第一输入特征转换为第二输入特征；
6、基于目标解码网络的定点型权重对所述第二输入特征
7、基于所述目标解码网络的输出特征确定所述当前图像块对应的重建图像块。
8、本申请提供一种解码装置，所述装置包括：
9、解码模块，用于从当前图像块对应的码流中解码所述当前图像块对应的目标特征；
10、确定模块，用于基于所述目标特征确定目标解码网络的第一输入特征；
11、处理模块，用于获取目标解码网络的目标特征值量化位宽和目标特征值量化超参，基于所述目标特征值量化位宽和所述目标特征值量化超参将所述第一输入特征转换为第二输入特征；基于目标解码网络的定点型权重对所述第二输入特征进行处理，得到所述目标解码网络的输出特征；其中，所述定点型权重是基于目标权重量化位宽和目标权重量化超参确定；
12、所述确定模块，用于基于目标解码网络的输出特征确定当前图像块对应的重建图像块。
13、本申请提供一种解码端设备，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被所述处理器执行的机器可执行指令；
14、所述处理器用于执行机器可执行指令，以实现上述的解码方法。
15、本申请提供一种机器可读存储介质，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，实现上述的解码方法。
16、由以上技术方案可见，本申请实施例中，从当前图像块对应的码流中解码当前图像块对应的目标特征，基于目标特征确定目标解码网络的第一输入特征，基于目标特征值量化位宽和目标特征值量化超参将第一输入特征转换为第二输入特征，基于目标解码网络的定点型权重对第二输入特征进行处理得到目标解码网络的输出特征，基于该输出特征确定当前图像块对应的重建图像块，从而提出一种端到端的视频图像压缩方法，能够基于解码网络实现视频图像的解码，达到提升编码效率和解码效率的目的。采用目标权重量化位宽和目标权重量化超参构建定点化权重的解码网络，并采用目标特征值量化位宽和目标特征值量化超参生成定点化的输入特征，实现自适应解码加速，在保证解码质量的前提下，降低解码计算量。
本文档来自技高网...【技术保护点】
1.一种图像解码方法，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，所述基于所述目标特征值量化位宽和所述目标特征值量化超参将第一输入特征转换为第二输入特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述目标解码网络的定点型权重对所述第二输入特征进行处理得到输出特征，包括：
4.根据权利要求2所述的方法，其特征在于，
5.根据权利要求1-4任一项所述的方法，其特征在于，若所述目标解码网络包括概率超参解码网络，所述第一输入特征为第一系数超参特征，所述方法还包括：
6.根据权利要求1-4任一项所述的方法，其特征在于，若所述目标解码网络包括合成变换网络，所述第一输入特征为第一图像特征，所述方法还包括：
7.根据权利要求1-4任一项所述的方法，其特征在于，若所述目标解码网络包括均值预测网络，所述第一输入特征为第一系数超参特征，所述方法还包括：
8.一种图像解码装置，其特征在于，所述装置包括：
9.一种图像解码设备，其特征在于，所述图像解码设备包括：处理器和
10.一种机器可读存储介质，其特征在于，所述机器可读存储介质上存储有若干计算机指令，所述计算机指令被处理器执行时，实现权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种图像解码方法，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，所述基于所述目标特征值量化位宽和所述目标特征值量化超参将第一输入特征转换为第二输入特征，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述目标解码网络的定点型权重对所述第二输入特征进行处理得到输出特征，包括：
4.根据权利要求2所述的方法，其特征在于，
5.根据权利要求1-4任一项所述的方法，其特征在于，若所述目标解码网络包括概率超参解码网络，所述第一输入特征为第一系数超参特征，所述方法还包括：
6.根据权利要求1-4任一项所述的方法，其特征在于，若所...
【专利技术属性】
技术研发人员：彭博，林晨，李哲暘，谭文明，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
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。