计算机工程与科学

作者：刘雨墨, 刘剑飞, 郝禄国, 曾文彬

单位：（1.河北工业大学电子信息工程学院，天津 300131；2.河北工业大学电子与通信工程国家级实验教学示范中心，天津 300131；3.广东工业大学信息工程学院，广东 广州 510006；4.天津大学电气自动化与信息工程学院，天津 300072）

关键词：HEVC,编码单元划分,深度学习,非对称卷积,

基金：河北省自然科学基金（F2021202054）；河北省研究生示范课项目(KCJSX2020014)

高效视频编码HEVC显著提高了编码效率，但同时增加了编码复杂度，在基于四叉树结构的编码单元（CU）划分过程中尤为明显，因此研究CU快速划分具有重要意义。多尺度特征融合的网络可以实现HEVC编码单元快速划分。为此，结合U-Net和CU划分特性设计了UcuNet网络，同时为加强不同尺度像素的特征提取，采用了非对称卷积AC和CBAM注意力机制。为更好地训练深度学习模型，收集了不同分辨率的原始视频和对应的编码信息构建出大规模的数据集。最后将模型嵌入到HEVC编码架构中，提前预测CU划分的结果，跳过了原始CU划分方法中递归的率失真优化（RDO）计算过程，从而有效降低CU划分带来的编码复杂度。实验结果表明，对比HEVC官方测试模型（HM16.20），UcuNet在BD-BR仅损失2.63%的情况下，使平均编码时间缩短了68.13%。

来源：2023年第11期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2023年第11期