一种基于深度学习的码流预测方法和装置

    公开(公告)号:CN114245140B

    公开(公告)日:2022-09-02

    申请号:CN202111441073.0

    申请日:2021-11-30

    Abstract: 本申请提供了一种基于深度学习的码流预测方法和装置,涉及音视频数据处理技术领域。该方法首先通过深度学习算法,将压缩过的码流与未压缩的码流作为训练集,从压缩过的码流反向预测出未压缩的音视频;对比深度学习算法反向预测出未压缩的音视频与实际未压缩的音视频码流,对深度学习算法加入优化因子;比对优化后的深度学习算法反向预测出未压缩的音视频与实际未压缩的音视频码流,判断优化过程是否准确可靠;根据判断结果确定是否加入优化因子得到当前深度学习算法,利用当前深度学习算法对压缩码流反向预测完整码流。可以看到,本实施例能够从已压缩过的码流反向推出未压缩过的码流,这样就避免了传输未压缩过的码流造成资源的浪费。

    一种基于深度学习的音视频处理方法和装置

    公开(公告)号:CN114363631B

    公开(公告)日:2022-08-05

    申请号:CN202111495106.X

    申请日:2021-12-09

    Abstract: 本申请提供了一种基于深度学习的音视频处理方法和装置,涉及数据处理技术领域。该方法通过深度学习与神经网络对被压缩过的音视频流进行预测,得到预测出的每一帧数据;根据对预测出的每一帧数据与音视频流的原始数据进行比较,分别得到预测的每一帧的相关数据准确度和非相关数据准确度;随后根据相关数据准确度和非相关数据准确度来判断当前深度学习与神经网络预测的级别;进而将预测的级别以二进制的形式传输至工作人员的终端,并在终端以点亮条格的形式展现出来。可以看到,本申请实施例通过深度学习与神经网络的预测代替传统的函数预测方案,对压缩之后的音视频帧进行预测,可以提高预测的效率。

    视图数据库管理分类方法
    26.
    发明公开

    公开(公告)号:CN114741557A

    公开(公告)日:2022-07-12

    申请号:CN202210337779.0

    申请日:2022-03-31

    Abstract: 本发明提供了视图数据库管理分类方法,其将终端设备上传的影像及其对应的画面元素特征分别保存到视图数据库的第一存储区间和第二存储区间;并根据终端设备的设备用户身份信息和画面元素特征的关联用户关联身份信息保存到视图数据库的第三存储区间;同时还构建第三存储区间与第一存储区间和第二存储区间之间的数据指向关系,这样根据数据指向关系,对第一存储区间或第二存储区间进行数据查找,其在视图数据库中建立三层数据存储结构,这样可根据视频和图像及其图像属性信息相关联的人员身份信息进行间接查询检索,便于对视图数据库进行多维度的查询检索,提高视图数据库的数据查询检索精确度和效率。

    基于深度学习的线程池自适应容量调整方法和装置

    公开(公告)号:CN114741186A

    公开(公告)日:2022-07-12

    申请号:CN202210311516.2

    申请日:2022-03-28

    Abstract: 本申请提供了一种基于深度学习的线程池自适应容量调整方法和装置,涉及计算机技术领域。该方法获取线程池的当前运行数据;将线程池的当前运行数据输入预先训练的线程池容量配置模型,利用线程池容量配置模型对线程池的当前运行数据对应的线程配置量进行预测,得到线程池的当前线程配置量;根据线程池的当前线程配置量调整线程池的当前线程数量。可以看到,本申请实施例通过深度学习的方法,设置一随机或经验估算的线程池大小初始值后,将一段历史时间内的线程池设置情况与实际使用状况作为输入,可以构建模型实时预测未来的使用情况,从而动态调整线程池大小,能够实现一种无需人工监控与经验、自适应的线程池容量调整方法,节省了资源。

    一种基于深度学习的音频码流压缩方法和装置

    公开(公告)号:CN114400014A

    公开(公告)日:2022-04-26

    申请号:CN202111495210.9

    申请日:2021-12-09

    Abstract: 本申请提供了一种基于深度学习的音频码流压缩方法和装置,涉及音频数据处理技术领域。该方法对利用深度学习算法压缩后的码流进行反向还原,比对深度学习算法压缩还原前后码流的还原度;根据还原度来对深度学习算法压缩还原进行优化迭代,直至优化迭代到所有音频码流经过深度学习算法压缩还原后还原度达到预设阈值,并在优化迭代的过程中记录其优化迭代次数;根据优化迭代次数判断深度学习算法是否需要进行更换,进而利用判断得到的深度学习算法对音频码流进行压缩处理。可以看到,本申请实施例可以通过训练好的深度学习算法的框架还原出未压缩的码流,这样就省去了当需要完整品质的码流时重新传输的情况,节约了资源。

Patent Agency Ranking