本說明書實施例涉及機器學習，特別涉及銳化參數(shù)確定方法、模型訓練方法及視頻處理方法。

背景技術(shù)：

1、隨著計算機和互聯(lián)網(wǎng)技術(shù)的發(fā)展，用戶對視頻質(zhì)量的要求越來越高，而伴隨著視頻質(zhì)量的提升，消耗的資源顯著增加。視頻轉(zhuǎn)碼中，在固定編碼參數(shù)的條件下，按照不同的銳化強度對視頻進行轉(zhuǎn)碼，可以得到不同程度紋理的視頻；并且，針對視頻內(nèi)容復雜度不一致的視頻，對應碼率與質(zhì)量分數(shù)也不一致，碼率和視頻質(zhì)量評估結(jié)果的性能差異也不一致，由此可知，針對不同的視頻選擇不同的銳化參數(shù)，可以保證視頻質(zhì)量的前提下消耗更少的資源。而現(xiàn)有技術(shù)在針對視頻編碼前的銳化參數(shù)選擇時，大多數(shù)采用設定標準選擇，并不會根據(jù)視頻特性進行調(diào)整，雖然可以保證視頻處理的穩(wěn)定性，但是資源消耗無法保障，若限制資源消耗，則無法保證視頻質(zhì)量。因此亟需一種有效的方案以解決上述問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本說明書實施例提供了銳化參數(shù)確定方法。本說明書一個或者多個實施例同時涉及模型訓練方法，視頻處理方法，銳化參數(shù)確定裝置，模型訓練裝置，視頻處理裝置，計算設備，計算機可讀存儲介質(zhì)以及計算機程序產(chǎn)品，以解決現(xiàn)有技術(shù)中存在的技術(shù)缺陷。

2、根據(jù)本說明書實施例的第一方面，提供了一種銳化參數(shù)確定方法，包括：

3、獲取待處理視頻，并按照預設的編碼策略對所述待處理視頻進行至少兩次編碼處理，根據(jù)編碼處理結(jié)果構(gòu)建編碼視頻集合；

4、確定所述編碼視頻集合中每個編碼視頻的編碼信息，并根據(jù)每個編碼視頻的編碼信息確定所述編碼視頻集合在視頻質(zhì)量約束條件下的率失真代價關系；

5、根據(jù)所述率失真代價關系確定所述待處理視頻對應的銳化參數(shù)。

6、根據(jù)本說明書實施例的第二方面，提供了一種模型訓練方法，包括：

7、獲取樣本視頻，并按照預設的編碼策略對所述樣本視頻進行至少兩次編碼處理，根據(jù)編碼處理結(jié)果構(gòu)建編碼視頻集合；

8、確定所述編碼視頻集合中每個編碼視頻的編碼信息，并根據(jù)每個編碼視頻的編碼信息確定所述編碼視頻集合在視頻質(zhì)量約束條件下的率失真代價關系；

9、根據(jù)所述率失真代價關系確定所述樣本視頻對應的樣本前處理參數(shù)；

10、基于所述樣本視頻和所述樣本前處理參數(shù)對參數(shù)預測模型進行訓練，得到目標參數(shù)預測模型。

11、根據(jù)本說明書實施例的第三方面，提供了一種視頻處理方法，包括：

12、獲取目標視頻，并確定所述目標視頻對應的目標視頻特征；

13、將所述目標視頻特征輸入至目標參數(shù)預測模型進行處理，獲得目標前處理參數(shù)，其中，所述目標參數(shù)預測模型通過上述方法訓練獲得；

14、根據(jù)所述目標前處理參數(shù)對所述目標視頻進行處理。

15、根據(jù)本說明書實施例的第四方面，提供了一種銳化參數(shù)確定裝置，包括：

16、獲取視頻模塊，被配置為獲取待處理視頻，并按照預設的編碼策略對所述待處理視頻進行至少兩次編碼處理，根據(jù)編碼處理結(jié)果構(gòu)建編碼視頻集合；

17、確定信息模塊，被配置為確定所述編碼視頻集合中每個編碼視頻的編碼信息，并根據(jù)每個編碼視頻的編碼信息確定所述編碼視頻集合在視頻質(zhì)量約束條件下的率失真代價關系；

18、確定參數(shù)模塊，被配置為根據(jù)所述率失真代價關系確定所述待處理視頻對應的銳化參數(shù)。

19、根據(jù)本說明書實施例的第五方面，提供了一種模型訓練裝置，包括：

20、獲取視頻模塊，被配置為獲取樣本視頻，并按照預設的編碼策略對所述樣本視頻進行至少兩次編碼處理，根據(jù)編碼處理結(jié)果構(gòu)建編碼視頻集合；

21、確定信息模塊，被配置為確定所述編碼視頻集合中每個編碼視頻的編碼信息，并根據(jù)每個編碼視頻的編碼信息確定所述編碼視頻集合在視頻質(zhì)量約束條件下的率失真代價關系；

22、確定參數(shù)模塊，被配置為根據(jù)所述率失真代價關系確定所述樣本視頻對應的樣本前處理參數(shù)；

23、模型訓練模塊，被配置為基于所述樣本視頻和所述樣本前處理參數(shù)對參數(shù)預測模型進行訓練，得到目標參數(shù)預測模型。

24、根據(jù)本說明書實施例的第六方面，提供了一種視頻處理裝置，包括：

25、獲取視頻模塊，被配置為獲取目標視頻，并確定所述目標視頻對應的目標視頻特征；

26、模型預測模塊，被配置為將所述目標視頻特征輸入至目標參數(shù)預測模型進行處理，獲得目標前處理參數(shù)，其中，所述目標參數(shù)預測模型通過上述方法訓練獲得；

27、處理視頻模塊，被配置為根據(jù)所述目標前處理參數(shù)對所述目標視頻進行處理。

28、根據(jù)本說明書實施例的第七方面，提供了一種計算設備，包括：

29、存儲器和處理器；

30、所述存儲器用于存儲計算機可執(zhí)行指令，所述處理器用于執(zhí)行所述計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)上述銳化參數(shù)確定方法或模型訓練方法或視頻處理方法的步驟。

31、根據(jù)本說明書實施例的第八方面，提供了一種計算機可讀存儲介質(zhì)，其存儲有計算機可執(zhí)行指令，該指令被處理器執(zhí)行時實現(xiàn)上述銳化參數(shù)確定方法或模型訓練方法或視頻處理方法的步驟。

32、根據(jù)本說明書實施例的第九方面，提供了一種計算機程序產(chǎn)品，包括計算機程序或指令，該計算機程序或指令被處理器執(zhí)行時實現(xiàn)上述銳化參數(shù)確定方法或模型訓練方法或視頻處理方法的步驟。

33、本實施例提供的銳化參數(shù)確定方法，為了能夠精準確定待處理視頻的銳化參數(shù)，從而保證視頻在被處理時可以具有更高的質(zhì)量且消耗更少的資源，可以在獲取到處理視頻后，按照預設的編碼策略進行至少兩次編碼處理，實現(xiàn)根據(jù)編碼處理結(jié)果構(gòu)建由編碼視頻組成的編碼視頻集合；并且，編碼視頻集合中包含的編碼視頻是對待處理視頻進行多次編碼獲得的視頻。在此基礎上，可以確定編碼視頻集合中每個編碼視頻的編碼信息，進而可以根據(jù)每個編碼視頻的編碼信息構(gòu)建編碼視頻集合在視頻質(zhì)量約束條件下的率失真代價關系；通過率失真代價關系可以體現(xiàn)各個編碼視頻對應編碼信息與視頻對應率失真代價的內(nèi)在關聯(lián)關系，進而可以實現(xiàn)根據(jù)該關系確定編碼信息最優(yōu)解，以確定編碼信息最優(yōu)解對應的銳化參數(shù)作為待處理視頻對應的銳化參數(shù)；以實現(xiàn)后續(xù)利用該銳化參數(shù)對視頻進行處理時，可以保證視頻在同等畫質(zhì)下節(jié)省更多的碼率，或者在同等碼率下提高視頻質(zhì)量，以方便下游業(yè)務使用。

技術(shù)特征：

1.一種銳化參數(shù)確定方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的銳化參數(shù)確定方法，其特征在于，所述按照預設的編碼策略對所述待處理視頻進行至少兩次編碼處理，根據(jù)編碼處理結(jié)果構(gòu)建編碼視頻集合，包括：

3.根據(jù)權(quán)利要求1所述的銳化參數(shù)確定方法，其特征在于，所述編碼視頻集合中任意一個編碼視頻的編碼信息的確定，包括：

4.根據(jù)權(quán)利要求1所述的銳化參數(shù)確定方法，其特征在于，所述根據(jù)所述率失真代價關系確定所述待處理視頻對應的銳化參數(shù)，包括：

5.根據(jù)權(quán)利要求1所述的銳化參數(shù)確定方法，其特征在于，所述根據(jù)所述率失真代價關系確定所述待處理視頻對應的銳化參數(shù)步驟執(zhí)行之后，還包括：

6.根據(jù)權(quán)利要求5所述的銳化參數(shù)確定方法，其特征在于，所述基于所述待處理視頻和所述銳化參數(shù)對參數(shù)預測模型進行訓練，得到目標參數(shù)預測模型，包括：

7.根據(jù)權(quán)利要求6所述的銳化參數(shù)確定方法，其特征在于，所述基于所述預測銳化參數(shù)和所述銳化參數(shù)對所述參數(shù)預測模型進行訓練，直至獲得滿足訓練停止條件的目標參數(shù)預測模型，包括：

8.根據(jù)權(quán)利要求6或7所述的銳化參數(shù)確定方法，其特征在于，所述目標參數(shù)預測模型包含輸入層、第一隱藏層、第二隱藏層、第三隱藏層和輸出層；其中，所述第一隱藏層、所述第二隱藏層和所述第三隱藏層的分別對應的網(wǎng)絡參數(shù)不同，且所述輸出層為多分類網(wǎng)絡結(jié)構(gòu)；所述目標參數(shù)預測模型用于預測目標視頻的銳化參數(shù)。

9.根據(jù)權(quán)利要求6或7所述的銳化參數(shù)確定方法，其特征在于，所述基于所述預測銳化參數(shù)和所述銳化參數(shù)對所述參數(shù)預測模型進行訓練，直至獲得滿足訓練停止條件的目標參數(shù)預測模型步驟執(zhí)行之后，還包括：

10.根據(jù)權(quán)利要求9所述的銳化參數(shù)確定方法，其特征在于，所述將所述驗證銳化參數(shù)和所述目標驗證銳化參數(shù)進行比對，包括：

11.一種模型訓練方法，其特征在于，包括：

12.一種視頻處理方法，其特征在于，包括：

13.一種銳化參數(shù)確定裝置，其特征在于，包括：

14.一種模型訓練裝置，其特征在于，包括：

15.一種視頻處理裝置，其特征在于，包括：

16.一種計算設備，其特征在于，包括：

17.一種計算機可讀存儲介質(zhì)，其特征在于，其存儲有計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至12任意一項所述方法的步驟。

18.一種計算機程序產(chǎn)品，其特征在于，包括計算機程序或指令，該計算機程序或指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1至12任意一項所述方法的步驟。

技術(shù)總結(jié)
本說明書實施例提供銳化參數(shù)確定方法、模型訓練方法及視頻處理方法，其中所述銳化參數(shù)確定方法包括：獲取待處理視頻，并按照預設的編碼策略對所述待處理視頻進行至少兩次編碼處理，根據(jù)編碼處理結(jié)果構(gòu)建編碼視頻集合；確定所述編碼視頻集合中每個編碼視頻的編碼信息，并根據(jù)每個編碼視頻的編碼信息確定所述編碼視頻集合在視頻質(zhì)量約束條件下的率失真代價關系；根據(jù)所述率失真代價關系確定所述待處理視頻對應的銳化參數(shù)。

技術(shù)研發(fā)人員：白瑞
受保護的技術(shù)使用者：小紅書科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23