买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南华大学申请的专利基于轻量级神经网络的VVC帧间CU划分提前跳过方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115941960B 。

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211192262.3，技术领域涉及：H04N19/192；该发明授权基于轻量级神经网络的VVC帧间CU划分提前跳过方法是由李跃;刘武;万亚平;刘杰;田纹龙设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本基于轻量级神经网络的VVC帧间CU划分提前跳过方法在说明书摘要公布了：本发明公开了一种基于轻量级神经网络的VVC帧间CU划分提前跳过方法，包括如下步骤：提取当前CU的残差值原始亮度像素值和预测亮度像素值的差值、残差值的方差值、QP值、深度值、块形比，预处理后作为神经网络的输入；经过神经网络后，输出不跳过当前划分的概率值；最后，概率值与提前设定的阈值进行比较，判断是否提前跳过当前CU进行的划分包括水平二叉树划分BTH、垂直二叉树划分BTV、水平三元树划分TTH、垂直三元树划分TTV。本发明通过一个简单的神经网络有效的降低了编码单元多类型树划分的复杂度，在基本不影响编码质量的情况下，降低了VVC帧间编码时间。

本发明授权基于轻量级神经网络的VVC帧间CU划分提前跳过方法在权利要求书中公布了：1.一种基于轻量级神经网络的VVC帧间CU划分提前跳过方法，其特征在于，包括如下步骤： 步骤一、数据收集：在不同量化参数QP下对同一个视频使用原始VVC编码器编码32帧，根据水平二划分、垂直二划分、水平四均等划分以及垂直四均等划分四种划分模式训练BTH模型、BTV模型、TTH模型以及TTV模型四个神经网络模型，对应不同的神经网络模型分别收集数据作为训练集，其中，数据包括子块方差值之差的比较值、子块方差值的最大值、QP值、块形比、深度；对应不同的神经网络模型分别收集数据作为训练集，具体包括： BTH模型：对当前CU进行水平二划分和垂直二划分，分别计算得到上下两子块残差值的方差值、左右两子块的残差值的方差值；然后计算上下两子块方差值之差的绝对值、左右两子块方差值之差的绝对值；提取当前CU差值的比较结果、上下两子块方差值的最大值、当前QP值、当前CU块形比高以及当前深度作为输入信息；当前划分的代价值是否为所有划分的最低代价值作为对应的标签； BTV模型：对当前CU进行水平二划分和垂直二划分，分别计算得到上下两子块残差值的方差值、左右两子块的残差值的方差值；然后计算上下两子块方差值之差的绝对值、左右两子块方差值之差的绝对值；提取当前CU差值的比较结果、左右两子块方差值的最大值、当前QP值、当前CU块形比宽以及当前深度作为输入信息；当前划分的代价值是否为所有划分的最低代价值作为对应的标签； TTH模型：对当前CU进行水平四均等划分和垂直四均等划分，分别计算得到上下四子块残差值的方差值、左右四子块的残差值的方差值；然后计算上下四子块方差值之差的绝对值、左右四子块方差值之差的绝对值；提取当前CU差值的比较结果、上下四子块方差值的最大值、当前QP值、当前CU块形比高以及当前深度作为输入信息；当前划分的代价值是否为所有划分的最低代价值作为对应的标签； TTV模型：对当前CU进行水平四均等划分和垂直四均等划分，分别计算得到上下四子块残差值的方差值、左右四子块的残差值的方差值；然后计算上下四子块方差值之差的绝对值、左右四子块方差值之差的绝对值；提取当前CU差值的比较结果、左右四子块方差值的最大值、当前QP值、当前CU块形比宽以及当前深度作为输入信息；当前划分的代价值是否为所有划分的最低代价值作为对应的标签； 步骤二、数据训练：分别训练四个神经网络模型，将从CU中提出的数据集进行预处理后，作为神经网络的输入，随后经过两层全连接层，最后经过输出层得到一个和标签对应的概率值，经过训练后得到四个用于VVC编码器帧间CU划分提前终止的网络； 步骤三、模型部署：将神经网络模型嵌入到VVC编码器中去，在VVC编码器实际编码的过程中，对于每一个CU，根据当前所处的划分模式提取对应的5个特征值输入到步骤二训练好的网络中，得到对当前CU划分是否该提前跳过的预测，根据该预测进行后续的编码，并设置提高神经网络模型预测准度的操作。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南华大学，其通讯地址为：421001 湖南省衡阳市学院路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。