CN116668691A - 一种图片压缩传输方法、装置及终端设备 - Google Patents
一种图片压缩传输方法、装置及终端设备 Download PDFInfo
- Publication number
- CN116668691A CN116668691A CN202310479114.8A CN202310479114A CN116668691A CN 116668691 A CN116668691 A CN 116668691A CN 202310479114 A CN202310479114 A CN 202310479114A CN 116668691 A CN116668691 A CN 116668691A
- Authority
- CN
- China
- Prior art keywords
- image data
- sub
- target
- encoder
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000007906 compression Methods 0.000 title claims abstract description 54
- 230000006835 compression Effects 0.000 title claims abstract description 53
- 230000005540 biological transmission Effects 0.000 title claims abstract description 52
- 238000013145 classification model Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims description 44
- 238000004590 computer program Methods 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 13
- 238000013139 quantization Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 19
- 238000004422 calculation algorithm Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 108091026890 Coding region Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/119—Adaptive subdivision aspects, e.g. subdivision of a picture into rectangular or non-rectangular coding blocks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
- H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
- H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
- H04N19/103—Selection of coding mode or of prediction mode
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
Abstract
本申请适用于图片压缩技术领域，提供了一种图片压缩传输方法、装置及终端设备，方法包括：获取待传输的原始图像数据，对原始图像数据进行分割，得到多个子图像数据，根据预训练的分类模型确定与每个子图像数据对应的目标编码器，通过目标编码器对相应的子图像数据进行处理，得到比特流，根据所有子图像数据的比特流，生成原始图像的码流。本申请通过预训练的分类模型根据图像数据的图像内容，快速、自适应地从众多编码器中选取与图像数据的内容所对应的目标编码器，通过目标编码器对图像数据进行编码处理，能够在保证重建图像质量的情况下提高图像数据的编、解码速率。
Description
技术领域
本申请属于图片压缩技术领域，尤其涉及一种图片压缩传输方法、装置及终端设备。
背景技术
在数据传输技术领域中，为提高数据传输效率和准确性，通常情况下，会对数据进行压缩再进行传输。其中，图像压缩处理是信号处理、传输的一个重要组成部分。
相关的基于深度学习的图像压缩方法，通常采用单编解码器结构，率失真性能较高，但编码解码时间太长，使得传输效率受到影响，无法满足实际应用场景中实时性的要求。
发明内容
本申请实施例提供了一种图片压缩传输方法、装置及终端设备，可以解决相关图片压缩传输方法的编码和解码的速度不高的问题。
第一方面，本申请实施例提供了一种图片压缩传输方法，包括：
获取待传输的原始图像数据；
对所述原始图像数据进行分割，得到多个子图像数据；
根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器；
通过所述目标编码器对相应的子图像数据进行处理，得到比特流；
根据所有子图像数据的比特流，生成所述原始图像的码流。
本实施例通过预训练的分类模型根据图像数据的图像内容，快速、自适应地从众多编码器中选取与图像数据的内容所对应的目标编码器，通过目标编码器对图像数据进行编码处理，能够在保证重建图像质量的情况下提高图像数据的编、解码速率。
在一个实施例中，所述根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器，包括：
分别确定每个所述子图像数据为目标子图像数据；
将所述目标子图像数据输入至所述预训练的分类模型中，得到所述目标子图像数据的类别置信度集合；其中，类别置信度集合包括所述目标子图像数据分别与每个编码器之间的匹配概率；
根据所述类别置信度集合确定与所述目标子图像数据对应的目标编码器。
在一个实施例中，所述根据所述类别置信度集合确定与所述目标子图像数据对应的目标编码器，包括：
选取所述类别置信度集合中数值最大的匹配概率为目标置信度；
确定与所述目标置信度对应的编码器为目标编码器。
在一个实施例中，所述通过所述目标编码器对相应的子图像数据进行处理，得到比特流，还包括：
通过所述目标编码器对所述目标子图像数据进行特征提取，得到目标特征子图像数据；
对所述目标特征子图像数据进行量化处理，得到目标量化子图像数据；
将所述目标量化子图像数据进行熵编码处理，得到对应的比特流。
在一个实施例中，所述根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器之后，还包括：
确定每个所述目标子图像数据的索引编码，以及对应的目标编码器的编码器ID；
建立所述索引编码及对应的编码器ID之间的关联关系，生成对应的预设关系表。
第二方面，本申请实施例提供了一种图片压缩传输装置，包括：
获取待解码的原始图像数据的码流；
对所述码流进行解码，得到特征子图像集合；所述特征子图像集合包括多个特征子图像数据；
确定与每个所述特征子图像数据对应的目标解码器；
根据所述目标解码器对对应的特征子图像数据进行解析，得到对应的子图像数据；
对所有子图像数据进行拼接，得到所述原始图像数据。
在一个实施例中，所述确定与每个所述特征子图像数据对应的目标解码器，包括：
根据所述码流确定与每个所述特征子图像数据对应的目标编码器；其中，所述目标编码器为经过预训练的分类模型对子图像数据进行处理后，筛选获得的；所述子图像数据为与所述特征子图像数据一一对应、未经过特征提取处理的图像数据；
根据所述目标编码器，确定与每个所述特征子图像数据对应的目标解码器。
在一个实施例中，所述根据所述目标编码器，确定与每个所述特征子图像数据对应的目标解码器，包括：
识别每个所述特征子图像数据的索引编码；
根据预设关系表确定与每个所述索引编码关联的目标编码器；其中，所述预设关系表包括多个特征子图像的索引编码、与每个所述索引编码关联的编码器ID；
确定与所述目标编码器对应的解码器，为目标解码器。
本实施例通过分别确定每个特征子图像对应的目标解码器，根据目标解码器来对对应特征子图像进行解码处理，实现通过不同解码器针对不同图像内容完成对应解码操作，进而提高图像数据的解码效率。
第三方面，本申请实施例提供了一种图片压缩传输装置，包括：
数据接收模块，用于获取待传输的原始图像数据；
图像分割模块，用于对所述原始图像数据进行分割，得到多个子图像数据；
计算模块，用于根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器；
数据处理模块，用于通过所述目标编码器对相应的子图像数据进行处理，得到比特流；
传输模块，用于根据所有子图像数据的比特流，生成所述原始图像的码流。
在一个实施例中，计算模块，包括：
目标确定子模块，用于分别确定每个所述子图像数据为目标子图像数据；
模型处理子模块，用于将所述目标子图像数据输入至所述预训练的分类模型中，得到所述目标子图像数据的类别置信度集合；其中，类别置信度集合包括所述目标子图像数据分别与每个编码器之间的匹配概率；
编码器筛选子模块，用于根据所述类别置信度集合确定与所述目标子图像数据对应的目标编码器。
在一个实施例中，编码器筛选子模块，包括：
选取单元，用于选取所述类别置信度集合中数值最大的匹配概率为目标置信度；
编码器筛选单元，用于确定与所述目标置信度对应的编码器为目标编码器。
在一个实施例中，数据处理模块，还包括：
特征提取子模块，用于通过所述目标编码器对所述目标子图像数据进行特征提取，得到目标特征子图像数据；
量化处理子模块，用于对所述目标特征子图像数据进行量化处理，得到目标量化子图像数据；
熵编码处理子模块，用于将所述目标量化子图像数据进行熵编码处理，得到对应的比特流。
在一个实施例中，该图片压缩传输装置，还包括：
编码确定模块，用于确定每个所述目标子图像数据的索引编码，以及对应的目标编码器的编码器ID；
关系建立模块，用于建立所述索引编码及对应的编码器ID之间的关联关系，生成对应的预设关系表。
第四方面，本申请实施例提供了一种图片压缩传输装置，包括：
码流接收模块，用于获取待解码的原始图像数据的码流；
解码模块，用于对所述码流进行解码，得到特征子图像集合；所述特征子图像集合包括多个特征子图像数据；
解码器确定模块，用于确定与每个所述特征子图像数据对应的目标解码器；
数据转换模块，用于根据所述目标解码器对对应的特征子图像数据进行解析，得到对应的子图像数据；
图像拼接模块，用于对所有子图像数据进行拼接，得到所述原始图像数据。
在一个实施例中，解码器确定模块，包括：
编码器确定单元，用于根据所述码流确定与每个所述特征子图像数据对应的目标编码器；其中，所述目标编码器为经过预训练的分类模型对子图像数据进行处理后，筛选获得的；所述子图像数据为与所述特征子图像数据一一对应、未经过特征提取处理的图像数据；
解码器确定单元，用于根据所述目标编码器，确定与每个所述特征子图像数据对应的目标解码器。
在一个实施例中，解码器确定单元，包括：
识别子单元，用于识别每个所述特征子图像数据的索引编码；
编码器确定子单元，用于根据预设关系表确定与每个所述索引编码关联的目标编码器；其中，所述预设关系表包括多个特征子图像的索引编码、与每个所述索引编码关联的编码器ID；
解码器确定子单元，用于确定与所述目标编码器对应的解码器，为目标解码器。
第五方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面或第二方面任一项所述的图片压缩传输方法。
第六方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面或第二方面任一项所述的图片压缩传输方法。
第七方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面或第二方面中任一项所述的图片压缩传输方法。
可以理解的是，上述第三方面至第七方面的有益效果可以参见上述第一方面或第二方面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的图片压缩传输系统的示意图；
图2是本申请实施例一提供的图片压缩传输方法的流程示意图；
图3是本申请实施例一提供的图片压缩传输方法步骤S103的流程示意图；
图4是本申请实施例二提供的图片压缩传输方法的另一流程示意图；
图5是本申请实施例三提供的图片压缩传输装置的结构示意图；
图6是本申请实施例四提供的图片压缩传输装置的另一结构示意图；
图7是本申请实施例五提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
本申请实施例提供的图片压缩传输方法可以应用于手机、平板电脑、笔记本电脑、超级移动个人计算机(Ultra-Mobile Personal Computer，UMPC)等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。
近年来，虽然图像压缩方法已经得到了一定的发展，然而，相关方法的压缩过程较为复杂且数据量大，图像的编码、解码的效率不高。为解决这一问题，本申请提出了一种图片压缩传输方法、图片压缩传输装置、终端设备及计算机可读存储介质，可在获取到原始图像数据时，对原始图像数据进行分割，得到多个子图像数据，根据预训练的分类模型确定与每个子图像数据对应的目标编码器，通过目标编码器对应的子图像数据进行处理，生成原始图像数据的码流；在获取待解码的原始图像数据的码流时，对码流进行解码得到特征子图像集合，确定与每个特征子图像数据对应的目标解码器，根据目标解码器对对应的特征子图像数据进行解析，得到对应的子图像数据，对所有子图像数据进行拼接，得到原始图像数据。在保证重建图像质量的情况下提高图像数据的编、解码速率。
为实现本申请所提出的技术方案，可先构建一图片压缩传输系统。请参阅图1，该图片压缩传输系统由一个以上终端设备(图1中仅示出4个，如终端设备a、终端设备b、终端设备c、终端设备d)构成，且终端设备和终端设备间相互通信连接。
终端设备为能够支持多种编码器对，通过预训练的分类模型识别图像数据的类别置信度，选取目标编解码器对，根据目标编解码器对对图像数据进行编码、解码、传输操作的设备。
终端设备获取到原始图像数据时，对原始图像数据进行分割，得到多个子图像数据，根据预训练的分类模型确定与每个子图像数据对应的目标编码器，通过目标编码器对应的子图像数据进行处理，并生成码流。
终端设备在接收到待解码的原始图像数据的码流时，对接收到的码流进行解码，得到特征子图像集合，根据与特征子图像集合中特征子图像数据对应的目标解码器，对特征子图像数据进行解析，得到对应的子图像数据，通过子图像数据拼接得到原始图像数据。
实现通过分类模型快速、自适应的根据子图像数据的内容选择对应的目标编解码器对，根据目标编解码器对来针对对应的子图像数据进行编码、解码操作，从而在保证重建图像质量的情况下提高图像数据的编、解码速率。
为了说明本申请所提出的技术方案，下面通过具体实施例来进行说明。
实施例一
图2示出了本申请提供的图片压缩传输方法的示意性流程图，作为示例而非限定，该方法可以应用于上述笔记本电脑中。
S101、获取待传输的原始图像数据。
具体地，确定原始图像数据的存储位置，获取对应的原始图像数据。
S102、对所述原始图像数据进行分割，得到多个子图像数据。
具体地，根据预设分割方法或用户设定分割方法对原始图像数据进行分割，得到多个子图像数据。其中，预设分割方法可根据实际情况进行具体设定，例如：预设分割方法为按照预设分割大小进行分割的方法，或者预设分割方法为按照预设分割数量进行分割的方法。
其中，预设分割大小和预设分割数量可根据用户需求或实际需求进行具体设定。例如，设定预设分割大小为256*256px，对应的，需要将原始图像按照256*256px大小分割成多个子图像数据。例如，设定预设分割数量为4*4个。对应的，需要将原始图像分割为4*4个尺寸相同的子图像数据。
作为示例而非限定，在原始图像的大小无法整除预设分割大小或预设分割数量时，可通过填充(padding)方法添加原始图像边界的大小，从而使原始图像能够被预设分割大小或预设分割数量整除，得到多个子图像数据。例如，原始图像为1000*1024px，预设分割大小为256*256px。对应的，需要将原始图像通过padding处理为1024*1024px大小的图像数据，得到对应的4*4个子图像数据。或者，原始图像为999*999px，预设分割数量为4*4个。对应的，需要将原始图像通过padding处理为1000*1000px大小的图像数据，得到对应的4*4个子图像数据。
S103、根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器。
具体地，预先通过大量的图像数据对分类模型(classification token，cls),进行预训练，得到预训练的分类模型，将每个子图像数据分别输入至预训练的分类模型，得到预训练的分类模型输出的每个子图像数据对应的目标编码器。
在一个实施例中，目标编码器为通过预训练的分类模型计算得到的与上述子图像数据之间的匹配概率最高的编码器。
S104、通过所述目标编码器对相应的子图像数据进行处理，得到比特流。
具体地，分别通过每个目标编码器对与其相对应的子图像数据进行编码处理，得到上述子图像数据的比特流，从而得到原始图像数据中每个子图像数据的比特流。
S105、根据所有子图像数据的比特流，生成所述原始图像的码流。
具体地，根据原始图像数据中所有的子图像数据的比特流，写入生成原始图像数据的码流。
如图3所示，在一个实施例中，所述根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器的步骤S103，包括：
S1031、分别确定每个所述子图像数据为目标子图像数据；
S1032、将所述目标子图像数据输入至所述预训练的分类模型中，得到所述目标子图像数据的类别置信度集合；其中，类别置信度集合包括所述目标子图像数据分别与每个编码器之间的匹配概率；
S1033、根据所述类别置信度集合确定与所述目标子图像数据对应的目标编码器。
具体地，分别将每个子图像数据确定为目标子图像数据，并行将每个目标子图像数据输入至预训练的分类模型中处理，得到每个目标子图像数据计算出的目标子图像数据的类别置信度集合。其中，类别置信度为目标子图像数据与编码器之间的匹配概率，对应的类别置信度集合包括目标子图像数据分别与每个编码器之间的匹配概率(即多个类别置信度)。根据类别置信度筛选确定，与目标子图像数据对应的目标编码器。
传统图像压缩方法的编码过程中，需要将图像划分为不同大小的编码单元进行编码。不同的编码单元又划分成一个或者多个预测单元，也划分成一个或者多个变换单元。在预测单元中，使用帧内模式或帧间模式进行预测得到对应的预测块。变换单元中，将原始图像块减去对应的预测块得到残差图像块。对残差图像块经过变换和量化操作得到量化块，码流中需要写入预测单元和变换单元的划分信息、预测采用的模式以及量化块。传统图像压缩方法的解码过程中，从码流中解析得到每个编码单元的所有编码信息，预测单元和变换单元的划分信息、预测采用的模式以及量化块。根据信息进行相应的帧内或帧间预测得到预测单元对应的预测图像块。量化块进行反量化和反变换得到对应的残差图像块，将残差图像块和对应的预测图像块相加，得到重建图像块。该方法的编码、解码过程复杂，传输数据量大，且率失真性能较差。相比起来，相关的基于深度学习的图像压缩方法，已在率失真性能方面得到了大幅的提高。然而，上述基于深度学习的图像压缩方法通常是采用的单编解码器结构，在单编解码器结构的编解码过程中，使用的编码器和解码器有且只有一对。对原始图像数据进行处理时所需的编解码时间太长，无法满足实际应用场景中实时性的要求。本实施例通过确定每个子图像数据为目标子图像数据，根据预训练的分类模型计算得到目标子图像数据分别与每个编码器之间的匹配概率，从而筛选得到满足需求的目标编码器，通过深度学习模型，保证率失真性能、图像数据质量的同时，适应性的根据子图像数据的图像内容分类，来对应选取编码速度更快的编码器，提高针对子图像数据进行编码的速率。
在一个实施例中，所述根据所述类别置信度集合确定与所述目标子图像数据对应的目标编码器，包括：
选取所述类别置信度集合中数值最大的匹配概率为目标置信度；
确定与所述目标置信度对应的编码器为目标编码器。
具体地，按照从大到小(或者从小到大)的顺序对目标子图像数据的类别置信度集合中的多个匹配概率进行排列，选取队列中满足预设条件的匹配概率为目标置信度，将与目标置信度对应的编码器，作为与目标子图像数据对应的目标编码器。其中，预设条件为选取数值最大的匹配概率。
通过在目标子图像数据分别与每个编码器之间的匹配概率中，选取满足预设条件的目标置信度从而确定目标编码器，实现适应性的根据目标子图像数据的内容，对应选取编码效率最优的目标编码器，提高针对不同内容的子图像数据进行编码的效率，从而提高针对原始图像数据进行编码的速率。
在一个实施例中，所述通过所述目标编码器对相应的子图像数据进行处理，得到比特流，还包括：
通过所述目标编码器对所述目标子图像数据进行特征提取，得到目标特征子图像数据；
对所述目标特征子图像数据进行量化处理，得到目标量化子图像数据；
将所述目标量化子图像数据进行熵编码处理，得到对应的比特流。
具体地，通过所述目标编码器目标子图像数据进行浅层特征提取，得到目标特征子图像数据，然后对特征图进行量化处理，得到目标量化子图像数据，使用算术编码等熵编码方式对目标量化子图像数据进行处理，得到对应的比特流。
在一个实施例中，所述根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器之后，还包括：
确定每个所述目标子图像数据的索引编码，以及对应的目标编码器的编码器ID；
建立所述索引编码及对应的编码器ID之间的关联关系，生成对应的预设关系表。
具体地，在对原始图像数据进行分割之后，为每个目标子图像数据分配对应的索引编码，在通过预训练的分类模型确定与每个目标子图像数据对应的目标编码器之后，确定每个目标子图像数据的目标编码器的编码器ID。建立每个目标子图像数据的索引编码和对应的编码器ID之间的关联关系，以便于接收端在接收到码流之后，能够通过每个目标子图像数据的索引编码，确定与之绑定的编码器ID，从而确定对应的目标编码器。
通过预先建立每个目标子图像数据的索引编码和对应的编码器ID之间的关联关系，便于接收端快速通过关联关系识别每个子图像数据对应的目标编码器，从而确定对应目标解码器，通过选定的编解码效率最优的目标编解码器对来对子图像数据进行编码、解码，对应提高了针对原始图像数据进行编解码的速率。
在一种可能的实现方式中，由于不同的编码器处理的图像数据的大小不同，对应的，确定与特征子图像数据对应的目标编码器的方法包括：确定每个特征子图像数据的大小，根据特征子图像数据的大小，确定对应的目标编码器。
在一个可能的实现方式中，根据所有子图像数据的比特流，生成所述原始图像的码流，包括：为每个子图像数据的比特流，添加对应的“目标编码器ID”标签，并将每个子图像数据的添加标签后的比特流写入生成对应的原始图像的码流。
本实施例通过预训练的分类模型根据图像数据的图像内容，快速、自适应地从众多编码器中选取与图像数据的内容所对应的目标编码器，通过目标编码器对图像数据进行编码处理，能够在保证重建图像质量的情况下提高图像数据的编、解码速率。
实施例二
图4示出了本申请提供的图片压缩传输方法的另一示意性流程图，作为示例而非限定，该方法可以应用于上述笔记本电脑中。
S201、获取待解码的原始图像数据的码流。
具体地，获取待解码的原始图像数据的码流。
在一个实施例中，码流携带有关联关系表(用于存储每个子图像数据的索引编码及与之关联的目标编码器的编码器ID)。
S202、对所述码流进行解码，得到特征子图像集合；所述特征子图像集合包括多个特征子图像数据。
具体地，在解码阶段，当前终端设备接收到原始图像的码流后，通过与编码过程中所使用的熵编码方式对应的熵解码方式对码流进行解析，还原得到重建的特征子图像数据(初步还原子图像数据的特征)。
S203、确定与每个所述特征子图像数据对应的目标解码器。
具体地，首先确定与每个特征子图像数据对应的目标编码器，然后通过编码器对之间的对应关系，分别确定与每个目标编码器对应的解码器，作为与每个特征子图像数据对应的目标解码器。
S204、根据所述目标解码器对对应的特征子图像数据进行解析，得到对应的子图像数据；
S205、对所有子图像数据进行拼接，得到所述原始图像数据。
具体地，通过每个目标解码器对对应的特征子图像数据进行解析，得到对应的子图像数据(将特征子图像数据还原至像素域图像数据)，从而得到原始图像数据的每个子图像数据，按照子图像数据的索引编码顺序对子图像数据进行拼接，得到原始图像数据。
在一个实施例中，所述确定与每个所述特征子图像数据对应的目标解码器，包括：
根据所述码流确定与每个所述特征子图像数据对应的目标编码器；其中，所述目标编码器为经过预训练的分类模型对子图像数据进行处理后，筛选获得的；所述子图像数据为与所述特征子图像数据一一对应、未经过特征提取处理的图像数据；
根据所述目标编码器，确定与每个所述特征子图像数据对应的目标解码器。
具体地，发送端通过预训练的分类模型对未经过特征提取处理、为经过量化、熵编码处理等处理操作的子图像数据(即与当前终端设备解码后得到的特征子图像数据一一对应)进行处理得到比特流，通过筛选得到与该子图像数据的内容所对应的目标编码器，并通过添加标签或建立预设关系表等方式，将子图像数据的比特流、目标编码器的编码器ID写入码流。对应的，当前终端设备通过解析码流，确定码流中携带的与每个特征子图像数据对应的目标编码器，并根据编解码器对之间的对应关系，确定与每个目标编码器对应的解码器，作为与特征子图像数据对应的目标解码器。
在一个实施例中，所述根据所述目标编码器，确定与每个所述特征子图像数据对应的目标解码器，包括：
识别每个所述特征子图像数据的索引编码；
根据预设关系表确定与每个所述索引编码关联的目标编码器；其中，所述预设关系表包括多个特征子图像的索引编码、与每个所述索引编码关联的编码器ID；
确定与所述目标编码器对应的解码器，为目标解码器。
具体地，识别码流中携带的每个特征子图像数据的索引编码，在预设关系表中查找与特征子图像数据的索引编码匹配的编码器ID，从而确定与特征子图像数据的索引编码具有关联关系的目标编码器，根据编解码器对之间的对应关系，确定与每个目标编码器对应的解码器，作为与特征子图像数据对应的目标解码器。
通过预先建立每个目标子图像数据的索引编码和对应的编码器ID之间的关联关系，得到预设关系表，能够快速根据预设关系表中的关联关系识别每个子图像数据的目标编码器所对应的目标解码器，从而提高通过解码器对子图像数据进行解码的效率。
在一种可能的实现方式中，由于不同的编解码器对处理的图像数据的大小不同，对应的，确定与特征子图像数据对应的目标解码器的方法包括：直接确定每个特征子图像数据的大小，根据特征子图像数据的大小，确定对应的目标解码器。
本实施例通过分别确定每个特征子图像对应的目标解码器，根据目标解码器来对对应特征子图像进行解码处理，实现通过不同解码器针对不同图像内容完成对应解码操作，进而提高图像数据的解码速率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
实施例三
对应于上文实施例一所述的图片压缩传输方法，图5示出了本申请实施例提供的图片压缩传输装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图5，该图片压缩传输装置100，包括：
数据接收模块101，用于获取待传输的原始图像数据；
图像分割模块102，用于对所述原始图像数据进行分割，得到多个子图像数据；
计算模块103，用于根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器；
数据处理模块104，用于通过所述目标编码器对相应的子图像数据进行处理，得到比特流；
传输模块105，用于根据所有子图像数据的比特流，生成所述原始图像的码流。
在一个实施例中，计算模块，包括：
目标确定子模块，用于分别确定每个所述子图像数据为目标子图像数据；
模型处理子模块，用于将所述目标子图像数据输入至所述预训练的分类模型中，得到所述目标子图像数据的类别置信度集合；其中，类别置信度集合包括所述目标子图像数据分别与每个编码器之间的匹配概率；
编码器筛选子模块，用于根据所述类别置信度集合确定与所述目标子图像数据对应的目标编码器。
在一个实施例中，编码器筛选子模块，包括：
选取单元，用于选取所述类别置信度集合中数值最大的匹配概率为目标置信度；
编码器筛选单元，用于确定与所述目标置信度对应的编码器为目标编码器。
在一个实施例中，数据处理模块，还包括：
特征提取子模块，用于通过所述目标编码器对所述目标子图像数据进行特征提取，得到目标特征子图像数据；
量化处理子模块，用于对所述目标特征子图像数据进行量化处理，得到目标量化子图像数据；
熵编码处理子模块，用于将所述目标量化子图像数据进行熵编码处理，得到对应的比特流。
在一个实施例中，该图片压缩传输装置，还包括：
编码确定模块，用于确定每个所述目标子图像数据的索引编码，以及对应的目标编码器的编码器ID；
关系建立模块，用于建立所述索引编码及对应的编码器ID之间的关联关系，生成对应的预设关系表。
本实施例通过预训练的分类模型根据图像数据的图像内容，快速、自适应地从众多编码器中选取与图像数据的内容所对应的目标编码器，通过目标编码器对图像数据进行编码处理，能够在保证重建图像质量的情况下提高图像数据的编、解码速率。
实施例四
对应于上文实施例二所述的图片压缩传输方法，图6示出了本申请实施例提供的图片压缩传输装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参照图6，该图片压缩传输装置200，包括：
码流接收模块201，用于获取待解码的原始图像数据的码流；
解码模块202，用于对所述码流进行解码，得到特征子图像集合；所述特征子图像集合包括多个特征子图像数据；
解码器确定模块203，用于确定与每个所述特征子图像数据对应的目标解码器；
数据转换模块204，用于根据所述目标解码器对对应的特征子图像数据进行解析，得到对应的子图像数据；
图像拼接模块205，用于对所有子图像数据进行拼接，得到所述原始图像数据。
在一个实施例中，解码器确定模块，包括：
编码器确定单元，用于根据所述码流确定与每个所述特征子图像数据对应的目标编码器；其中，所述目标编码器为经过预训练的分类模型对子图像数据进行处理后，筛选获得的；所述子图像数据为与所述特征子图像数据一一对应、未经过特征提取处理的图像数据；
解码器确定单元，用于根据所述目标编码器，确定与每个所述特征子图像数据对应的目标解码器。
在一个实施例中，解码器确定单元，包括：
识别子单元，用于识别每个所述特征子图像数据的索引编码；
编码器确定子单元，用于根据预设关系表确定与每个所述索引编码关联的目标编码器；其中，所述预设关系表包括多个特征子图像的索引编码、与每个所述索引编码关联的编码器ID；
解码器确定子单元，用于确定与所述目标编码器对应的解码器，为目标解码器。
本实施例通过分别确定每个特征子图像对应的目标解码器，根据目标解码器来对对应特征子图像进行解码处理，实现针对不同图像内容的自适应解码操作，进而提高图像数据的解码速率。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
实施例五
图7为本申请一实施例提供的终端设备的结构示意图。如图7所示，该实施例的终端设备7包括：至少一个处理器70(图7中仅示出一个)、存储器71以及存储在所述存储器71中并可在所述至少一个处理器70上运行的计算机程序72，所述处理器70执行所述计算机程序72时实现上述任意各个图片压缩传输方法实施例中的步骤。
所述终端设备7可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是终端设备7的举例，并不构成对终端设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，该处理器70还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71在一些实施例中可以是所述终端设备7的内部存储单元，例如终端设备7的硬盘或内存。所述存储器71在另一些实施例中也可以是所述终端设备7的外部存储设备，例如所述终端设备7上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字卡(Secure Digital,SD)，闪存卡(Flash Card)等。进一步地，所述存储器71还可以既包括所述终端设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种网络设备，该网络设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (12)
1.一种图片压缩传输方法，其特征在于，包括：
获取待传输的原始图像数据；
对所述原始图像数据进行分割，得到多个子图像数据；
根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器；
通过所述目标编码器对相应的子图像数据进行处理，得到比特流；
根据所有子图像数据的比特流，生成所述原始图像的码流。
2.如权利要求1所述的图片压缩传输方法，其特征在于，所述根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器，包括：
分别确定每个所述子图像数据为目标子图像数据；
将所述目标子图像数据输入至所述预训练的分类模型中，得到所述目标子图像数据的类别置信度集合；其中，类别置信度集合包括所述目标子图像数据分别与每个编码器之间的匹配概率；
根据所述类别置信度集合确定与所述目标子图像数据对应的目标编码器。
3.如权利要求2所述的图片压缩传输方法，其特征在于，所述根据所述类别置信度集合确定与所述目标子图像数据对应的目标编码器，包括：
选取所述类别置信度集合中数值最大的匹配概率为目标置信度；
确定与所述目标置信度对应的编码器为目标编码器。
4.如权利要求2所述的图片压缩传输方法，其特征在于，所述通过所述目标编码器对相应的子图像数据进行处理，得到比特流，还包括：
通过所述目标编码器对所述目标子图像数据进行特征提取，得到目标特征子图像数据；
对所述目标特征子图像数据进行量化处理，得到目标量化子图像数据；
将所述目标量化子图像数据进行熵编码处理，得到对应的比特流。
5.如权利要求2所述的图片压缩传输方法，其特征在于，所述根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器之后，还包括：
确定每个所述目标子图像数据的索引编码，以及对应的目标编码器的编码器ID；
建立所述索引编码及对应的编码器ID之间的关联关系，生成对应的预设关系表。
6.一种图片压缩传输方法，其特征在于，包括：
获取待解码的原始图像数据的码流；
对所述码流进行解码，得到特征子图像集合；所述特征子图像集合包括多个特征子图像数据；
确定与每个所述特征子图像数据对应的目标解码器；
根据所述目标解码器对对应的特征子图像数据进行解析，得到对应的子图像数据；
对所有子图像数据进行拼接，得到所述原始图像数据。
7.如权利要求6所述的图片压缩传输方法，其特征在于，所述确定与每个所述特征子图像数据对应的目标解码器，包括：
根据所述码流确定与每个所述特征子图像数据对应的目标编码器；其中，所述目标编码器为经过预训练的分类模型对子图像数据进行处理后，筛选获得的；所述子图像数据为与所述特征子图像数据一一对应、未经过特征提取处理的图像数据；
根据所述目标编码器，确定与每个所述特征子图像数据对应的目标解码器。
8.如权利要求7所述的图片压缩传输方法，其特征在于，所述根据所述目标编码器，确定与每个所述特征子图像数据对应的目标解码器，包括：
识别每个所述特征子图像数据的索引编码；
根据预设关系表确定与每个所述索引编码关联的目标编码器；其中，所述预设关系表包括多个特征子图像的索引编码、与每个所述索引编码关联的编码器ID；
确定与所述目标编码器对应的解码器，为目标解码器。
9.一种图片压缩传输装置，其特征在于，包括：
数据接收模块，用于获取待传输的原始图像数据；
图像分割模块，用于对所述原始图像数据进行分割，得到多个子图像数据；
计算模块，用于根据预训练的分类模型确定与每个所述子图像数据对应的目标编码器；
数据处理模块，用于通过所述目标编码器对相应的子图像数据进行处理，得到比特流；
传输模块，用于根据所有子图像数据的比特流，生成所述原始图像的码流。
10.一种图片压缩传输装置，其特征在于，所述装置包括：
码流接收模块，用于获取待解码的原始图像数据的码流；
解码模块，用于对所述码流进行解码，得到特征子图像集合；所述特征子图像集合包括多个特征子图像数据；
解码器确定模块，用于确定与每个所述特征子图像数据对应的目标解码器；
数据转换模块，用于根据所述目标解码器对对应的特征子图像数据进行解析，得到对应的子图像数据；
图像拼接模块，用于对所有子图像数据进行拼接，得到所述原始图像数据。
11.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项或权利要求6至8任一项所述的方法。
12.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项或权利要求6至8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310479114.8A CN116668691A (zh) | 2023-04-26 | 2023-04-26 | 一种图片压缩传输方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310479114.8A CN116668691A (zh) | 2023-04-26 | 2023-04-26 | 一种图片压缩传输方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116668691A true CN116668691A (zh) | 2023-08-29 |
Family
ID=87710264
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310479114.8A Pending CN116668691A (zh) | 2023-04-26 | 2023-04-26 | 一种图片压缩传输方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116668691A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117456016A (zh) * | 2023-10-27 | 2024-01-26 | 四川中屹互联信息技术有限公司 | 基于canvas的图像分块压缩、重构方法、系统及应用 |
-
2023
- 2023-04-26 CN CN202310479114.8A patent/CN116668691A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117456016A (zh) * | 2023-10-27 | 2024-01-26 | 四川中屹互联信息技术有限公司 | 基于canvas的图像分块压缩、重构方法、系统及应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108882020B (zh) | 一种视频信息处理方法、装置及系统 | |
| CN108628898B (zh) | 数据入库的方法、装置和设备 | |
| CN110019865B (zh) | 海量图片处理方法、装置、电子设备及存储介质 | |
| CN113327599B (zh) | 语音识别方法、装置、介质及电子设备 | |
| WO2022253088A1 (zh) | 编解码方法、装置、设备、存储介质、计算机程序及产品 | |
| US11196868B2 (en) | Audio data processing method, server, client and server, and storage medium | |
| CN116668691A (zh) | 一种图片压缩传输方法、装置及终端设备 | |
| CN118349528A (zh) | 一种基于文件属性自适应压缩方法、系统和存储介质 | |
| CN111432213A (zh) | 用于视频和图像压缩的自适应贴片数据大小编码 | |
| CN109474826B (zh) | 图片压缩方法、装置、电子设备及存储介质 | |
| US11051080B2 (en) | Method for improving video resolution and video quality, encoder, and decoder | |
| CN113810717B (zh) | 图像处理方法及装置 | |
| WO2023142663A1 (zh) | 编码过程中的运动估计方法、装置、设备、存储介质及程序产品 | |
| WO2023082773A1 (zh) | 视频编解码方法、装置、设备、存储介质及计算机程序 | |
| CN116193160A (zh) | 一种数字水印嵌入方法、装置、设备和介质 | |
| US11792408B2 (en) | Transcoder target bitrate prediction techniques | |
| CN114495081A (zh) | 文本识别的方法、装置、可读介质和电子设备 | |
| TWI669947B (zh) | 圖片轉碼方法、計算設備及儲存介質 | |
| CN113473154B (zh) | 视频编码、视频解码方法、装置及存储介质 | |
| CN113257239B (zh) | 语音识别方法、装置、电子设备及存储介质 | |
| CN108668134B (zh) | 一种编解码方法、装置及电子设备 | |
| CN113784127B (zh) | 视频编码方法、设备及存储介质 | |
| WO2024078252A1 (zh) | 特征数据编解码方法及相关装置 | |
| WO2024164590A1 (zh) | 编解码网络模型的量化方法和相关装置 | |
| CN117880593A (zh) | 基于rk3588处理芯片的网络视频流实时显示系统及显示方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |